基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.

动态事件触发机制下二阶多智能体系统完全分布式控制

本文研究了无向通信拓扑下二阶多智能体系统的一致性问题,分别针对有领导者和无领导者的情形,设计了一类基于辅助动态变量的完全分布式事件触发控制策略,该策略具有参数较少且易调等特点.智能体自身的触发函数满足条件时才向邻居广播自身的状态信息,有效避免了连续通信,减少了系统能量耗散.每个智能体的控制协议和触发函数都只用到自身的状态和邻居触发时刻的状态,不涉及邻居的实时状态信息,也不依赖通信拓扑网络的任何全局信息.利用代数图论以及Lyapunov稳定性理论,证明在所提出的控制策略下,二阶多智能体系统能够实现渐近一致性,且不存在Zeno行为.仿真示例进一步验证了理论结果的有效性.

基于多智能体一致性理论的智能电网内分布式储能系统自治控制方法

针对智能电网中不同电网阻抗差异性引起各电网内分布式储能一次下垂控制器响应速度不一致,且下垂控制方法种类多(P-f/Q-U下垂、改进P-f/Q-U下垂和改进P-U/Q-f下垂等)难以协调,控制器设计复杂等问题,文中提出了一种基于多智能体一致性理论的智能电网内分布式储能系统自治控制方法,以实现不同下垂控制方式的高效协调,有效提升分布式储能PCC处电压频率控制效果,以及各储能系统的精确功率分配。首先,该方法深入研究了不同阻抗电网条件下的分布式储能控制下垂模型,并采用分布式控制理论,设计了分布式储能统一二次控制器,以控制分布式储能PCC点的频率和电压,并按比例分配储能系统的有功和无功输出功率;然后,由于不同电网相距距离较远,通信延迟会影响控制效果,甚至破坏控制系统稳定性,文中采用多智能体相关理论,设计了一种定向通信方法,推导出了在不损失控制系统稳定性的情况下实现控制目标的时延上界条件;最后,通过在改进IEEE 118节点电力系统上仿真分析,验证了所提方法的有效性。

非线性多智能体系统的固定时间分布式优化算法研究

针对非线性多智能体系统(MASs)的分布式优化问题,提出一种固定时间自适应神经网络输出反馈控制策略。在惩罚函数的基础上,解除一致性约束条件来重构全局目标函数。为了避免反演过程中偏导数的计算和“复杂性爆炸”的问题,设计了一种基于命令滤波的固定时间控制器,并引入补偿信号对滤波误差进行补偿。基于Lyapunov稳定性理论,证明系统中所有输出信号在固定时间内均能达到最优解。最后,通过仿真实验验证了所提控制方案的有效性。

优先级分布式模型预测控制的多智能体系统

针对分布式预测控制机制下的多智能体系统,该文提出了基于智能体子系统优先级分配的控制策略。利用图论方法对优先级的分配进行描述,并根据最小化系统性能指标确定最佳的优先级分配策略,从而简化分布式预测控制优化问题。对基于优先级的分布式预测控制算法进行了可行性和稳定性分析。仿真结果表明,该文所提出的基于优先级的分布式预测控制方法在获得良好性能的基础上,能够有效地减少子系统之间信息交互的次数,并能够有效降低网络资源利用率。

基于多智能体系统的分布式仪表集群协同控制机制分析

阐述基于多智能体系统的分布式仪表集群协同控制机制。通过分析智能体概念、多智能体系统特征,设计了系统架构和协同规划算法,并探讨协同反馈控制和故障容错机制。分析结果表明,该机制能够提高系统的鲁棒性和可靠性,实现更灵活、更高效的控制。

基于多智能体系统一致性算法的电力系统分布式经济调度策略

集中式优化方法难以应对未来电网柔性负荷广泛渗透以及电力元件"即插即用"的技术要求。区别于集中式经济调度,提出一种电力系统分布式经济调度策略。应用多智能体系统中的一致性算法,以发电机组的增量成本和柔性负荷的增量效益作为一致性变量,设计一种用于电力系统经济调度的算法,通过分布式优化的方式求解经济调度问题。算例仿真与分析验证了所提调度策略的有效性。

基于多智能体的智能机器人分布式控制系统

在研究多智能体技术基础上 ,提出了一种基于分布式黑板和多智能体系统的类人智能机器人控制系统体系结构 ,并根据系统要求规划出具有不同功能的多个智能体 .系统地分析了该控制系统中各个智能体的功能特点以及它们之间的协作关系 .以运动控制接口的编制为例 ,介绍了CORBA技术在实现该软件系统中的方法 .轴孔装配作业实验结果表明 ,本文提出的体系结构是可行的 。

基于多智能体系统的分布式智能控制系统框架与原型系统开发

针对复杂工业过程的控制需求,研究了一种基于多智能体系统的分布式集成智能控制系统框架,系统由人机集成单元、控制单元和虚拟仿真单元构成,每个单元由分层的Agent组构成。多个专业Agent和主管Agent组成功能Agent组,通过不同的Agent激活与后备构成Agent组的重构和控制模式的切换。采用基于PC和现场总线设备相结合的硬件结构,运用遵循职能物理代理基金会组织标准的开发工具Java智能体开发框架开发原型系统,并应用到焦炉集气管压力控制实践中。工程应用表明,所提出的集成控制系统能有效地解决焦炉集气管压力这类复杂工业对象的过程控制问题。

基于非线性多智能体系统的微网分布式功率控制方法

传统下垂控制方法存在难以使微网负荷功率按照分布式电源容量合理分配的问题,为此在分析功率分配机理基础上,针对含多个分布式电源的微网,提出一种基于非线性多智能体系统的分布式功率控制方法。该方法在不影响有功功率分配精度前提下,通过引入有功扰动项使负荷无功功率可按照分布式电源容量实现精确分配。同时,为保证系统输出频率和电压均稳定在额定值或偏移很小,基于一致性和输入/输出线性化理论,在分布式电源多智能体网络拓扑结构下设计分布式非线性协同下垂控制器,弥补有功扰动引起的系统频率和电压的波动。仿真实验结果验证了所提控制方法的正确性和可行性。

多智能体系统动态协调与分布式控制设计

多智能体系统的主要研究目的在于探索由个体之间的相互作用所产生的群体协调现象的内在机制和原理,而控制或反馈在多智能体协调运动中起着至关重要的作用.本文集中讨论了多智能体协调研究中的几个新兴的基本问题,包括输出调节、集合协调和覆盖.文中着重介绍了分布式估计和内模原理两种多智能体系统分布式输出调节方法及相关的研究进展;关于多智能体系统的目标集合协调,本文从集合聚集和集合优化两方面做了详尽论述;多智能体覆盖有多种分类方式,从覆盖对象的特征出发可将其划分为区域覆盖、边界覆盖和动态目标覆盖3种类型,并对它们的研究背景和最新成果予以介绍.另外文章还对多智能体系统协调控制的理论和应用研究进行了展望.

基于开放式多智能体结构的分布式自主机器人系统

针对多机器人系统的分布式自主控制 ,本文首先提出了一种开放式的多智能体结构 ,给出了设计原则和技术特点 .然后面向真实世界的多机器人实时协作任务 ,采用多台自主移动机器人构造了一个多机器人系统 ,该系统集成了包括机器人视觉、传感器融合、无线通讯网络以及基于行为控制等多项技术 .最后采用基于行为融合的加权方法 ,实现了多机器人的编队控制 。

多智能体系统分布式一致性算法研究现状

综述了多智能体系统分布式一致性问题的研究现状。从理论层面介绍了一致性问题的几种常见定义及与特性相关的主要参数;总结归纳了近年来几种一致性协议及其理论分析结果;分析和阐述了一致性问题的主要应用领域的进展。展望了未来的研究方向。

基于多智能体系统的分布式数字农业管理平台构建

在探讨数字农业发展现状和趋势的基础上,引入了智能体(Agent)技术,阐述了Agent和多智能体系统(Multi-Agent System,MAS)的概念和原型,为解决分布式农业管理系统提供了有效的方法;同时,提出了基于MAS的数字农业管理平台框架,该框架通过智能体之间的协同达到整体优化管理的目的,不设管理中心,将传统的集中式管理转变为分布式管理,为多智能体技术应用与数字农业开辟了一条切实可行的解决方案.目前,基于此方案建设的平台试运行稳定,系统达到了设计目标.

多智能体编队加权中心点固定时间分布式跟踪控制

针对多智能体编队加权中心点的目标跟踪问题,提出一种基于滑模的固定时间收敛控制方法。每个智能体仅利用与邻居之间有限的信息交互,通过各自的估计器实现对整个队形的加权中心点位置的快速、准确估计。同时,提出一种基于状态依赖的可变指数系数滑模函数控制方法,利用多智能体系统之间的相对位置作为队形约束,解决队形的歧义问题,并且所设计的滑模函数不存在奇异问题。估计器和控制器均能够保证在固定时间内收敛,因此所提控制方法能够保证编队的加权中心点在固定时间内跟踪给定的参考轨迹,且收敛时间与智能体的初始状态无关。最后,通过仿真验证了所提方法的有效性。

多智能体系统中的分布式强化学习研究现状

对目前世界上分布式强化学习方法的研究成果加以总结,分析比较了独立强化学习、社会强化学习和群体强化学习三类分布式强化学习方法的特点、差别和适用范围,并对分布式强化学习仍需解决的问题和未来的发展方向进行了探讨。

一种多级分布式制造系统的多智能体协同生产机制

运用多智能体技术 ,对一种多级分布式制造系统协同生产机制进行研究。构造一种基于多智能体的协同生产系统框架 ,提出该框架下模型层、加工层和系统层之间的协同生产运作模型。

多智能体系统分布式控制的研究新进展

多智能体的运动协调和覆盖协调问题是多智能体系统的协调控制研究中的两个基本问题。综述当前这两个问题研究的主要内容及相应的主要结果,同时给出了仍然需要解决的问题和可能的研究方向。

多智能体系统在分布式采样控制下的动力学行为

本文运用图论、矩阵分析和现代控制理论等工具,研究信息网络传输下多智能体系统的协调控制和动力学行为.假设每个智能体通过数字化网络传感器获得其邻近智能体的位置状态,而且多智能体系统采取分布式线性控制协议.每个智能体被描述为一个简单的采样系统,多智能体系统转化为混合动力学系统.研究结果表明,多智能体系统所呈现的渐近聚集、周期振荡和发散动力学行为不仅和网络结构的代数特征有关,而且和每个智能体的动力学方程、采样周期有关.本文给出了具体精确的代数判据.仿真例子进一步验证了本文结果的有效性.

多智能体系统的自适应群集分布式优化（英文）

本文对具有非线性函数群集行为的连续时间多智能体系统的分布式优化问题进行了研究.这篇文章旨在说明所有智能体的速度和位置可以渐近一致,并且速度达到最优,从而使局部代价函数之和最小.在这个研究中,每个智能体只知道与其对应的代价函数.首先,文章对局部代价函数作了一些假设;第二,设计了一个分布式控制法则和更新律,该控制法则仅仅依赖于自己和邻居的速度.然后证明了多智能体系统的稳定性以及在最小化局部代价函数之和的同时所有智能体可以避免碰撞.最后,使用一个仿真案例来说明所获得的分析结果.