基于自触发脉冲牵制的机坪多智能体网络协同策略

针对机坪多智能体网络场景下传统的一致性算法存在收敛性差、资源严重浪费等问题,提出一种基于自触发脉冲牵制的控制策略.基于图论建立机坪多智能体网络模型,设计脉冲激发函数,实现对脉冲触发时刻自行预估;改进节点重要度评价算法,拓宽评价指标的维度,提高牵制节点选取的合理性.在MATLAB中进行网络状态收敛性模拟分析.结果表明:提出的方法在降低采样触发频率、减少受控节点数的同时,有效提高了网络的收敛速度,并使收敛趋势更为平滑,且拓扑结构越简单,控制效果越好.

非平衡拓扑结构的多智能体网络系统一致性协议

针对多智能体网络系统,本文分别研究了非平衡拓扑结构的多智能体连续状态和离散状态下的一致性协议.首先提出了能使用有向图表示的多智能体网络系统的拓扑结构,并根据该拓扑结构建立了网络系统的1阶数学模型和提出了多智能体网络系统一致收敛准则.对于多智能体网络连续系统,该系统的一致平衡点最终收敛于初始状态的凸组合,本文最终确定了非平衡拓扑结构的一致平衡点.如果多智能体网络系统的拓扑结构没有改变,在离散状态下系统的一致平衡点仍收敛于初始状态的凸组合,并且离散状态下系统的一致平衡点与连续状态下系统的一致平衡点相等.最后采用8个智能体组成的网络拓扑进行计算机仿真,验证理论的正确性.

基于事件触发机制的多智能体网络平均一致性研究

研究了事件触发机制下具有固定和切换拓扑结构的多智能体网络的平均一致性问题。为了有效降低多智能体一致性控制协议的更新次数,提出了仅依赖于各智能体及其邻居节点信息的分布式事件触发机制;为了使多智能体网络渐近收敛至初始平均状态,提出了基于事件触发机制的多智能体平均一致性协议;然后,建立了事件触发机制下的闭环系统模型,并分别获得了固定和切换拓扑结构下多智能体网络平均一致收敛的充分条件。仿真表明,基于事件触发机制的平均一致性协议保证了多智能体网络的平均一致性,并且分布式事件触发机制有效降低了多智能体一致性协议更新次数。

具有引导者的多智能体网络系统的脉冲一致性

多智能体网络系统的协调与控制在工程领域中有着重要的作用.本文给出了具有引导者的一阶多智能体网络系统的动力学模型.模型中,假设网络系统中仅有一个智能体在一系列离散时刻基于自身及引导者的信息,以脉冲跳跃方式改变自身的状态.应用矩阵理论、数值分析理论、脉冲微分方程等理论给出了网络系统达到一致的一个充分条件.计算机仿真实验验证了算法的正确性和有效性,展示了系统的一致收敛速度与脉冲间隔、脉冲强度之间的关系.

非线性多智能体网络的分布式包容控制

针对具有本质非线性动态的多智能体网络,研究分布式包容控制问题。假设只有部分个体已知领航者信息,依据相对位置和速度信息设计分布式控制律。基于代数图论、矩阵理论和Lyapunov稳定性分析方法,得出非线性网络实现渐近包容控制的充分条件。当跟随者之间有向强连通且每个跟随者都至少存在一个领航者与其通信,可选取合适的控制增益使得跟随者渐近收敛到由多个领航者所围成的静态凸包中。仿真实例验证了理论分析的正确性和有效性。

时变领航情况下多智能体网络一致性分析与应用

针对个体动态为一阶积分器的多智能体网络,研究时变领航情况下网络的一致性.当只有部分个体已知领航者状态时,基于智能体间的相对状态,提出分布式控制协议,应用图论、矩阵理论和稳定性理论给出有向固定拓扑网络实现一致的充要条件及算法.拓展算法至当智能体间具有固定相对状态偏差时,给出分布式控制协议和网络实现一致的充要条件及算法.仿真实验结果表明:基于文中算法的控制协议可以实现只有部分智能体已知时变领航情况下的一致性追踪,基于拓展算法的控制协议可使多车辆在一定时间保持理想编队.该研究结果对于多智能体协调控制问题具有参考意义,也为多车辆编队控制问题提出新的思路.

多智能体网络编队避障控制(英文)

多智能体网络编队与避障控制旨在控制智能体,使它们保持一定的编队,同时躲避障碍物防止发生碰撞.通过建立与目标、障碍物和编队结构相关的势场函数,设计一种新的控制算法.为解决智能体在动态环境中不能有效躲避障碍物问题,建立一种速度势场,使智能体能很快地躲避动态障碍物.该算法具有易于实现的优点,因为控制是建立在智能体行为的基础上.仿真表明此方法具有有效性.

多智能体网络系统的自适应协调控制

为实现多智能体网络系统的协调控制,设计了一种新型的带有自适应协调器的控制器.基于动态图建立了多智能体网络系统的模型,并考虑了系统的非线性互联和不可避免存在的时变时滞.应用分布式控制策略,设计了自适应参数估计的协调器,用于调节智能体之间的互联强度,使网络达到稳定的预设水平.并基于Lyapunov-Kra-sovskii泛函和自适应动态偏差反馈控制技术,根据拉萨尔不变集原理证明了偏差控制系统的渐近收敛性.这种控制方法,可在系统参数不确定的情况下,同时完成参数估计和协调控制.所设计的控制律和自适应律简单,易于实现,仿真示例验证了所提方法的有效性.

多时滞影响下多智能体网络的分组一致性

针对具有不同拓扑结构的一阶、二阶多智能体网络,基于频域控制理论,分别研究了其在多时滞影响下的分组一致性问题,分析并给出系统渐近实现分组一致的代数条件判据。研究发现多智能体网络分组一致的实现要同时受到节点自身输入时滞以及节点间耦合权重的影响,与节点间的通信时滞无关,但会影响系统的收敛速度。仿真实验的结果进一步验证了理论分析所得结论的正确性与有效性。

多智能体网络系统中的领导者对称

针对多智能体网络系统中领导者的数量和位置对系统可控性的影响,本文在领导者-跟随者框架下,利用图论和矩阵的研究方法,将多种情况下的领导者对称问题做了重新的总结与定义,同时指出图的拓扑结构对称只是领导者对称的特殊情况,在这种情况下的领导者对称并非系统不可控的充分条。另外,对具有使领导者保持不变的非平凡自同构情况做了阐述,得到了此种情况下领导者对称仅是可控性的充分条件,并给出实例进行验证。验证结果表明,相应的结果能够更加清晰、准确地解决领导者对称和可控性问题。该研究为更为复杂图的可控性提供了方向和方法。

基于观测器的多智能体网络leader-following编队控制

主要研究了leader-following多智能体网络的分布式编队问题。假设多智能体网络中的每个follower不能实时得到leader的信息,针对每个follower设计相应的分布式观测器。考虑了无时延的切换拓扑多智能体网络和存在时变时延的固定网络两种情况。利用Lyapunov稳定定理,给出了系统稳定和控制协议有效的充分条件。最后,给出了数字仿真结果以验证所设计协议的有效性,即followers形成所要求的编队并且与leader达到速度一致。

基于多智能体网络的自适应遗传蜂群推理算法

针对复杂战场环境中的意图推理问题,首先构建能够表示目标信息及相互间关系的基于多智能体的意图推理网络,将目标意图推理问题转化为复杂网络中的最优推理路径搜索问题;然后,在基本人工蜂群算法的基础上,引入遗传算法中的遗传变异交叉等思想,并结合改进的食物源自适应策略,提出一种自适应遗传蜂群推理算法;最后,通过实验对比,验证了自适应遗传蜂群推理算法在多智能体网络推理中具有比其他算法更优的准确性和收敛性。

多智能体网络一致性鲁棒H_∞控制问题

研究了具有不确定性的、定拓扑、无向图多智能体网络的一致性问题,采用鲁棒H∞控制的方法,得到了使各智能体渐近一致并满足干扰衰减性能指标的条件。最后,通过数值仿真验证了所得结论的有效性。

事件触发控制多智能体网络点对点一致性

针对具有领导层与跟随者层的多智能体网络点对点的一致性问题进行了研究。为了有效降低多智能体一致性控制协议的更新频率,同时为避免芝诺现象的产生,采用了周期采样与事件触发控制相结合的方案,实现了多智能体网络的点对点一致性。进一步,根据李雅普诺夫稳定性理论,通过建立线性矩阵不等式,给出了领导层与跟随者层网络达到点对点一致性的充分条件。最后,数值仿真进一步验证了理论结果的有效性。

基于多智能体网络结构的微电网分布式优化资源管理系统

随着可再生能源技术的发展,能量管理已经成为微电网研究的关键问题。目前的最优控制策略一般属于集中式控制,而集中控制方案对中央控制器的计算能力以及通信系统要求非常高,使得集中控制策略难以满足微电网系统对于"即插即用"技术的需求。针对上述问题,建立了基于多智能体网络结构的微电网离散系统,以解决上述集中式控制策略存在的问题,同时证明了一致性算法下系统的稳定性和收敛性,提出了基于一致性算法的分布式储能系统的控制策略,以优化储能系统在充放电过程中的损耗。为了提高该模型的准确性,研究还考虑了最佳充电状态的限制,同时验证了分布式储能系统控制策略的可扩展性。

时滞多智能体网络中的Push-Sum分布式对偶平均算法研究

利用Push-Sum通信协议,结合分布式对偶平均方法,讨论了一类时滞多智能体网络中的分布式凸优化问题。提出了时滞的Push-Sum分布式对偶平均算法,并分析了算法的收敛性,得到算法的收敛率为O[(τ+1)~2/T^(1/2)]。这种算法可用于求解分布式优化问题,且不要求网络通讯矩阵是双随机的。

具有切换拓扑的二阶多智能体网络系统的有限时间一致性

考虑具有双向作用切换拓扑的二阶多智能体网络系统的有限时间一致性问题.通过构造一个含2个控制增益的分布式协议,借助构造的李雅普诺夫泛函以及应用代数图理论、矩阵理论和有限时间稳定性理论等,不仅得到了该系统有限时间一致性的充分条件,还具体给出了系统所有状态达到一致的时间上界.作为特例,获得了具有单向作用固定拓扑的领导者-跟随者多智能体网络在有限时间内达到一致的充分条件.通过数值仿真验证了所得结果的有效性.

数据驱动的多智能体网络鲁棒包容控制

针对输入受限的受扰多智能体网络,提出具有领航层、估计层、控制层和跟随者层的新型鲁棒包容控制方案.首先,设计有限时间估值器获得跟随者的期望状态,然后基于包容误差引入非均方折扣代价函数,从而将鲁棒包容控制问题转换成受限最优控制问题.并应用Laypunov拓展原理证明得到的最优控制策略使得网络实现一致最终有界稳定.在系统动态完全未知的情况下,采用提出的积分增强学习算法和执行器–评价器结构,在线得到近似最优控制策略.仿真结果验证了理论方案的有效性和可行性.

基于多智能体网络结构的微网分布式经济优化控制

随着新能源技术的快速发展,微电网技术也得到了广泛研究。不仅在控制策略上得到了极大的改进,微电网在能量管理上也得到了极大的完善。当前微电网中运用的最优控制方法一般是集中式控制,但集中式控制对中央管理器的计算能力和对通信系统具有很高的要求,不易实现微网系统对于“即插即用”技术的需求。针对以上问题,本文首先提出了基于多智能体网络结构的微电网分布式控制系统,来解决集中式控制存在的不足;其次以实现微网运行成本最优为目标函数,并结合微网功率供需平衡和各发电单元输出功率的约束条件,提出了基于一致性算法的分布式经济优化控制策略,来优化系统的运行成本,达到经济运行、功率合理分配的目的;最后,通过仿真实验,来证明该控制策略的有效性。

欺骗攻击下多智能体网络的均方有界聚类一致性

针对非线性多智能体网络,研究了欺骗攻击下网络系统均方有界聚类一致性问题.首先,将所有网络节点分为不同子群.由于欺骗攻击的存在,控制信号可能会被错误信号代替,通过引入伯努利随机变量,衡量欺骗攻击是否成功.其次,设计一种采用牵引策略的分布式脉冲控制器,确保在存在欺骗攻击的情况下实现均方有界聚类一致性.进一步,利用图论、线性矩阵不等式和李雅普诺夫函数方法,给出了欺骗攻击下实现多智能体网络均方有界聚类一致性的充分条件.最后,通过仿真例子验证理论结果的可行性和有效性.