[發明專利]一類模型未知的多智能體分群一致性控制方法

有效

• 申請號: 202011121840.5
• 申請日: 2020-11-16
• 公開（公告）號: CN112363392B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 唐文妍;莫海紅;吳佳;李坤;郭宇豪;孟江南
• 申請（專利權）人: 湘潭大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一類模型未知的多智能體分群一致性控制方法，包括以下步驟：采用基于徑向基函數神經網絡的自適應算法對未知項進行在線辨識，在此基礎上引入事件觸發的通信策略，通過智能體節點本身的信息、參考模型信息及其鄰居智能體節點的信息，設計分布式控制器，使多智能體達到分群一致性。本發明實現了對一類模型未知的多智能體系統的在線辨識、分布式的事件觸發通信策略、分群一致性控制，從而解決了多智能體模型未知、連續通信耗能大，運行時長短的問題。

技術領域

本發明涉及多智能體控制技術領域，特別是涉及對一類模型未知的多智能體分群一致性控制方法。

背景技術

近年來，由于多智能體系統在無人飛行器、智能電網和智能交通控制系統等領域的廣泛應用，多智能體系統的協調控制引起了廣泛的研究。在多智能體系統的協同控制問題中，達到預定的一致性是智能體進行協調合作的前提條件，因此一致性問題是協調控制研究的重要基礎。多智能體的一致性控制在編隊控制、群集控制、聚集蜂擁等控制領域都有著廣泛的應用。

首先，給出智能體的定義，智能體是具有有限的傳感、通信、計算、學習能力的設備或機器。而多智能體系統是由多個智能體組成的網絡，各個智能體之間通過網絡的拓撲規則來進行通信，從而共同協作來解決復雜化的任務。

隨著研究的深入，多智能體系統的拓撲網絡結構呈現越來越復雜的態勢，以往系統內單一的一致性難以解決一些實際中的復雜問題。系統可能會出現多種不同的子任務需要系統的各部分協調來完成，最終會分群呈現多個不同的一致狀態。群一致性是指系統中的所有個體可以被劃分為若干個子群，每個子群的個體可以達到一致狀態，而不同的子群的個體不一定達到一致狀態即保持著各自獨立的狀態，這種子群體之間的差異性更具有普適性。當不同的子群中的個體都達到相同的狀態時，分群一致性就削弱為完全一致性了，因此一致性可以看成是分群一致性中的一種特殊情況。

分群一致性相比于一致性更具普遍意義，但是其控制方法也更加復雜。同時，現有的大多數一致性研究成果都是假設對模型信息完全已知條件下所取得的。事實上，現實世界中的物體總存在未知的非線性特性。因此，研究模型未知的多智能體系統的分群一致性具有實際意義。

同時，由于多智能體系統通常含有數十上百個智能體，采用連續通訊方式，對能量的消耗大，造成資源的浪費。因此考慮引入事件觸發機制，能夠降低智能體間的通信頻率，降低系統能耗，提高系統運行時長。

發明內容

本發明的目的在于提供一類模型未知的多智能體分群一致性控制方法，以解決上述背景技術中提出的問題。

為了實現上述目的，本發明采用如下的技術方案：

一類模型未知的多智能體分群一致性控制方法，包括以下步驟：

S1、明確研究問題動力學模型；

S2：針對動力學模型中的未知項，采用基于RBF人工神經網絡的自適應算法來對其進行在線辨識，以滿足系統實時性、快速性的要求；

S3：基于事件觸發機制設計智能體間的通信策略，達到節省能耗，提高運行時長的目的；

S4：結合S2、S3，利用智能體節點本身的信息以及其鄰居智能體節點的信息，在李雅普諾夫穩定性定理下，設計分布式控制器，確保具有未知模型的多智能體達到分群一致性；

S5：將上述未知模型辨識策略、事件觸發策略、控制算法通過編程灌入各個多智能體中。

與現有技術相比，本發明的技術亮點是：對模型未知系統設計了在線辨識算法，滿足系統的實時性；同時，考慮到連續通信的不足，設計了事件觸發通信方式，減少了通信能耗，提高設備運行時長；此外針對更加復雜化的問題，設了分布式控制方法，實現分群一致性。

附圖說明

圖1為本實施例中多智能體通信拓撲圖。