基于多智能体系统的配电网自动化自愈修复研究

配电网自愈技术旨在恢复电网系统运行,通过协调变电站和馈线中的分布式智能化,来最大限度地减少配电网故障,从而确保电网运行的可靠性。本文采用配网自动切换方案,最大限度地减少切换操作,在最短的时间内恢复发生故障的电网系统。提出了基于多智能体系统(MAS)的配电网自动化自愈技术,利用分散式的MAS系统实现配电网自愈技术。还将智能电子设备作为配电网自动化的控制中心,进行服务器之间的通讯代码传输。使用基于IEC 61850协议的商业IED来实现自愈操作,表明了将MAS系统扩展到操作控制中心领域之外的可行性。最后通过案例分析,发现配电网自愈操作自动化程序的执行时间只需要85 ms,这极大地缩短了停电时间,提高了配网自动化的可靠性。

具有扰动的不确定非线性多智能体系统的鲁棒H_(∞)二分一致性

研究了符号网络上具有参数不确定性和外部扰动的一类非线性时变多智能体系统(multi-agent system,MAS)的鲁棒H_(∞)二分一致性问题。采用鲁棒控制中处理不确定性的思想,将所考虑的系统转化为具有范数有界参数不确定性的时不变动力学模型。将鲁棒一致性转化为降阶H_(∞)控制问题。基于李雅普诺夫稳定性理论,得到了具有期望H_(∞)性能的多智能体系统鲁棒二分一致性的线性矩阵不等式(linear matrix inequality,LMI)充分条件。此外,给出了分布式静态输出反馈控制器的设计过程。进一步以二自由度(two-degree-of-freedom,2-DOF)的平面移动机器人为例,验证了所提出的控制器的有效性。

输出饱和多智能体系统的迭代学习趋同跟踪控制

针对带有输出饱和的多智能体系统有限时间趋同跟踪控制问题,提出了一种分布式迭代学习控制算法.首先假设多智能体系统具有固定拓扑结构,且仅有部分智能体可获取到期望轨迹信息.基于输出约束条件构造一致性跟踪误差,在此基础上设计了P型迭代学习控制率.然后采用压缩映射方法给出了一个算法收敛的充分条件,并在理论上证明了跟踪误差的收敛性.最后,将理论结果推广至具有随机切换拓扑结构的多智能体系统中.仿真结果验证了所提出算法的有效性.

高阶离散时间多智能体系统的量化一致性

研究高阶线性多智能体系统在有向量化链路信息拓扑下的一致性问题,首先提出了包含智能体自身与其邻居量化信息的线性一致性协议,其次利用提出的线性变换,将一致性问题转化为稳定性问题,基于稳定性理论,得到基于矩阵Schur稳定性的充要条件,并得到依赖于信息拓扑、系统动态和整个系统初始状态的一致性函数,最后,通过求解代数Riccati不等式,提出增益矩阵的设计过程.

多智能体系统(MAS)技术的研究与应用

阐述了多智能体系统(MAS)技术的发展和多智能体系统的几个关键性定义,并详细介绍了多智能体系统所使用的一种最常用的通讯语言:KQML,并展望了多智能体系统技术的应用前景。

模型不确定多智能体系统的鲁棒H_(∞)容错一致性控制

针对具有模型不确定性的多智能体系统,考虑到任意智能体可能发生的执行器故障以及受到外界能量有限干扰,研究了鲁棒H_(∞)容错一致性控制的设计问题。首先,引入鲁棒二次稳定法处理多智能体系统建模中存在的模型不确定性;其次,利用LMI技术及Lyapunov稳定性理论等,对于任意智能体可能发生的执行器故障,设计了鲁棒H_(∞)被动容错控制器,使得模型不确定多智能体系统存在外界能量有限干扰时,在所设计的分布式控制协议下位置与速度状态趋于一致,且具有一定的扰动抑制性能。最后,通过MATLAB仿真验证了所提方法的有效性和可行性。

基于行为的分布式多智能体系统

提出了一种基于行为的分布式多智能体结构 ,在此基础上设计并建立了一个多自主机器人系统实验平台。允许系统中的各移动机器人分布式通讯、规划和控制。

基于多智能体系统的自动化码头多AGV无冲突路径规划

针对自动化码头中自动导引车(AutomatedGuidedVehicle,AGV)数量增加会导致AGV之间冲突更频繁的问题,以最小化AGV在岸桥和堆场之间的作业堵塞率为目标,考虑AGV行驶速度、作业时间和冲突距离,建立多AGV的无冲突路径规划模型。设计基于多智能体系统(Multi-Agent System,MAS)的多AGV系统的体系结构,采用基于黑板模型的交互协议作为AGV的通信方式,将改进速度控制方法和基于时间成本确定AGV优先级的方法作为AGV的协商策略,改进Dijkstra算法计算每台AGV的无冲突路径。通过不同控制方式的对比实验,结果表明基于MAS的控制方式比任务优先级的控制方式的系统平均堵塞率降低0.22%,AGV平均等待时间减少7.8s,平均完成时间减少8.9s,基于MAS的控制方式更加适合30台以上AGV的无冲突路径规划问题。

基于多智能体一致性的多车道车辆集群编队控制

为安全、高效地控制智能网联汽车(CAV)编队,研究了基于多智能体系统(MAS)一致性的多车道、零散随机分布的车辆集群编队控制策略,并进行数值仿真验证。建立了基于交错式结构的车群期望几何拓扑,提出了包括间距调整阶段、变道控制阶段和队形收敛阶段的3阶段式编队控制流程。基于一致性理论,设计了车群编队控制器,并进行稳定性论证。选取2种典型场景,对三车道场景中初始分布较为极端的车群开展编队研究。结果表明:在该策略的控制过程中,纵向车间距与期望间距误差在0.5 m以内,横向位置与期望位置误差在5 cm以内,且速度在变化后能快速收敛至期望值。因而,该策略能有效控制车群车辆安全、高效地达到车群期望队形。

基于集群智能的“微观·宏观双向逻辑”城市设计方法研究--以广州市城中村石牌社区为例

“城中村”现象虽然在一定程度上影响了城市风貌与城市建设,但却能形成一种自组织、以密集人口为核心的经济活力地带。在数字都市主义和城市原型理论背景下,本设计研究旨在以智能算法探索“城中村”现象的形态生成逻辑,为设计师提供一种基于运算化设计的城市设计思路与方法。该文以“广州第一村”石牌城中村为研究对象,在人工界定地块用地边界、交通流线、功能类型、容积率等宏观信息后,使用C#编译了基于细胞分裂、竞争、交互行为的复杂多智能体系统,生成了初步的功能平面。平面经Substrate算法的细分与波函数坍缩算法(WFC)的空间细化后,得到了一种有机且模块化的城市设计三维模型结果。计算结果不仅实现了对“城中村”形态逻辑的复刻,还为城市设计的形态选择提供了一种基于集群智能的“微观·宏观双向逻辑”的运算化设计新思路,具应用前景。

智能仿真在军用UUV装备体系研究中的应用

根据基于水下网络战的多无人水下航行器(UUV)集团攻击作战研究的需求,在分析从面向对象仿真到面向智能仿真技术发展的基础上,给出了军用UUV智能建模和仿真目标,包括专家系统识别、智能控制决策、作战指挥流程和战法研究等,指出了因智能仿真技术的引入使得多UUV武器装备体系的研制仿真和战术级层次上的作战仿真这2种仿真系统在形式和内容上正趋向一致,并初步构建了一种基于多智能体系统(MAS)的UUV编队作战仿真系统,为军用UUV智能仿真及其作战效能评估提供了技术支撑。

一类基于概率优先经验回放机制的分布式多智能体软行动-评论者算法

针对实际多智能体系统对交互经验的庞大需求,在单智能体领域分布式架构的基础上,提出概率经验优先回放机制与分布式架构并行的多智能体软行动-评论者算法(multi-agent soft Actor-Critic with probabilistic prioritized experience replay based on a distributed paradigm, DPER-MASAC).该算法中的行动者以并行与环境交互的方式收集经验数据,为突破单纯最近经验在多智能体高吞吐量情况下被高概率抽取的局限性,提出更为普适的改进的基于优先级的概率方式对经验数据进行抽样利用的模式,并对智能体的网络参数进行更新.为验证算法的效率,设计了难度递增的2类合作和竞争关系共存的捕食者-猎物任务场景,将DPER-MASAC与多智能体软行动-评论者算法(multi-agent soft Actor-Critic, MASAC)和带有优先经验回放机制的多智能体软行动-评论者算法(multi-agent soft Actor-Critic with prioritized experience replay, PER-MASAC)2种基线算法进行对比实验.结果表明,采用DPER-MASAC训练的捕食者团队其决策水平在最终性能和任务成功率2个维度上均有明显提升.

在信息融合系统中引入多智能体技术

论文简要介绍了多智能体技术和信息融合系统,将多智能体技术运用到信息融合系统中,对信息融合系统中的模型和方法进行改进,提出了多智能体信息融合模型,并研究了信息融合中的分布式强化学习。通过借鉴多智能体技术的研究成果,开辟信息融合理论和应用发展的另一条途径。

基于多智能体的电力信息融合模型设计

随着智能电网的发展,电力控制中心的信息量呈指数增长,且数据相互孤立,传统基于单系统局部数据的分析应用系统就出现综合数据不足,复杂并行处理困难及分析智能化低等问题。通过采用有自适应性、自组织性和层次性的多智能体技术进行复杂任务分解,通过设计数据、关联和知识三层信息融合模型来保证海量信息的综合利用,进而构架了一个多层电力信息融合平台,实现复杂多源电力信息在各个层次中的流动和增值,实施海量数据处理的信息智能融合策略。在信息融合平台基础上设计和实现了面向地区电网的全局三级电压无功优化系统,初步应用结果表明该设计是先进实用的。

基于模糊推理的多智能体强化学习

以电子市场智能定价问题为研究背景,提出基于模糊推理的多智能体强化学习算法(FI-MARL)。在马尔科夫博弈学习框架下,将领域知识初始化为一个模糊规则集合,智能体基于模糊规则选择动作,并采用强化学习来强化模糊规则。该方法有效融合应用背景的领域知识,充分利用样本信息并降低学习空间维数,从而增强在线学习性能。在电子市场定价的对比实验中,智能体无论在合作还是在竞争的问题上都表现出较为长远的智能行为,提高了平均定价收益。

基于多智能体的分布式推理模型设计与实现

本文探讨了利用多智能体系统(Multi-Agent System,简称MAS)的开放性和协调性建立推理机制模型的思想,研究了协商基础上的推理机制问题。根据协商的思想,设计了分布式推理的算法以及推理机模型,并介绍了网络环境下MAS分布式推理机组件的实现方法。

基于MAS的反导体系作战指挥系统建模研究

反导体系是维护国家安全的重要屏障,反导体系的核心是作战指挥问题,探索研究反导体系作战指挥系统结构及建模具有十分重要的意义。基于MAS的建模方法,分析美军联合反导体系作战指挥系统结构,将其反导体系作战指挥系统中各组成要素抽象成Agent实体,并对不同的Agent实体进行微观建模及行为规则制定,然后依据反导体系作战指挥系统中各要素的交互关系构建混合式MAS结构,为反导体系作战指挥系统的结构定量分析提供了方法支持。

考虑探测效能的空空导弹分布式协同中制导律

本文以多枚空空导弹逆轨拦截高速运动目标为背景,提出了一种以协同探测为终端约束的分布式协同中制导律.通过对误差源和误差传递链路进行分析,建立了中末交班概率计算模型,基于虚拟导引点研究了协同视场拼接方法.在视线法向,针对位置协同和角度协同等约束条件,设计了基于高斯伪谱法的最优制导律.在视线方向,基于二阶多智能体一致性理论,设计了分布式时间协同制导律,构造李雅普诺夫泛函证明了该方法可使系统在有限时间达到稳定,并推导出了一致性时间上界.仿真结果表明该制导律可使多弹以各自期望的视线角同时到达指定交班区域,实现视场拼接、协同探测的需求,有效提高了中末交班概率.

基于MAS(Multi-AgentSystem)的多机器人系统:协作多机器人学发展的一个重要方向

机器人的应用方式正在由部件式单元应用向系统式应用方向发展 .这是实际应用的需要 ,也是技术发展的必然趋势 ;相关技术如计算机网络技术的发展也为它的实现提供了相应支持 .多机器人协作理论问题必然也已经成为机器人学研究的一个热点 ,其中 ,分布式人工智能 ( DAI)中的多智能体 (代理 )系统 ( MAS:Multi-agentSystem)理论已引起多机器人协作理论研究者的关注 .本文即在揭示协作多机器人系统与 MAS的内在联系的基础上 ,指出基于 MAS的协作多机器人系统是协作多机器人学发展的一个重要方向 .

基于multi-Agent和Petri网的分布式风光互补系统

近年来随着"大机组、高电压、大电网"发供电模式的弊端日益显露,分散式供电系统成为21世纪电力工业的发展方向.此外,随着风力、太阳能等可再生能源的飞速发展及其发电效率的不断提高,使研究风光互补系统的分布式供电有着重要意义.文中提出一种基于multi-Agent的分布式风光互补混合供电系统,将分散的风力、太阳能光伏发电装置组成分布式系统,并采用有色Petri网建立了multi-Agent的协作模型.通过模拟风力–太阳能的运行情况,证明了分散控制策略的有效性.