存在执行器故障的多智能体系统的容错一致性

考虑了同时存在执行器故障以及外部扰动下领航-跟随多智能体系统的容错一致性问题,其中,执行器故障由执行器增益变化来刻画;针对可能的执行器故障,设计具有自适应增益的补偿控制律,并与标称控制律共同作用来实现容错一致性,在进行增益系数以及控制律设计中,均采用相对输出信息而非相对状态信息;通过分析闭环跟踪误差系统的渐近稳定性,给出原来多智能体系统实现容错一致性所需满足的条件.结果表明,在未知扰动以及领航者输入范数满足一定条件下,通过适当选择参数可以实现容错一致性的目标.最后,采用数值仿真验证了所得结果的有效性.

基于自适应滑模的多智能体系统容错一致性控制算法

针对同时存在外部干扰和执行器故障的多智能体系统,文章提出了一种基于自适应滑模的多智能体容错一致性算法。该算法基于有向网络拓扑结构描述多智能体间的信息交互,引入了基于积分滑模的不连续一致性控制方法;提出了基于自适应滑模的容错一致性控制方案,可解决系统运行中受到的外部干扰问题、执行器故障问题以及不连续控制带来的抖振问题。通过在一个领航者和4个跟随者组成的多智能体系统中进行数值仿真与对比,证实了所提算法的有效性和优越性,相比传统算法,其具有更快的误差收敛速度和更优的容错控制效果。

领导者输入未知的多智能体系统容错一致性设计方法

自然界中许多现象都间接地映射了多智能体分布式协同控制问题,在实践应用中展现了潜在的应用价值,如何实现一致性一直是多智能体研究的基础和热点问题。基于李雅普诺夫稳定性分析、自适应控制理论等方法研究了具有绝对未知输入的多智能体系统的自适应容错一致性问题。首先,根据故障的演变特征建立了一种马尔科夫跳变故障模型;其次,提出一类包含固定控制器增益、相邻智能体的局部状态信息及时变辅助控制函数的容错一致协议,利用辅助控制函数来补偿执行器故障和领导者未知输入;然后,建立适合于该系统的H;性能指标函数,减少了估计误差和多智能体初始状态对闭环系统的影响;最后,通过仿真验证了所设计方法的有效性,能较好的估计故障和实现容错一致性。所提供的算法为无人协同编队在复杂环境下的应用提供理论支撑。

基于分布式自适应的多智能体容错一致性控制

针对“领航者-跟随者”的多智能体编队,由于领航者系统出现故障引起编队通讯中断而不能完成任务的问题,提出了一种基于一致性理论的分布式自适应控制方法,用于解决该问题。首先,以一个位于顶点的智能体作为领航者,其余3个位于同一条线上的智能体作为跟随者,由此所构成的三角形编队作为被控对象。其中,领航者速度方向作为编队的前行方向,跟随者位于领航者之后。其次,基于图论,对智能体局部信息参数进行分布式自适应更新,并设计分布式自适应控制律,用于弥补多智能体编队中领航者故障所造成的影响。同时,根据相邻智能体的局部信息,设计整体分布式自适应容错控制律,进一步通过构建合理的Lyapunov函数,证明所设计控制器的稳定性,以及“领航者-跟随者”之间相对横向以及相对纵向的距离误差均收敛于固定常数。最后,仿真验证表明:所提出的自适应控制方法具有良好的鲁棒性,这也为工程实践提供了理论依据。

基于模糊系统的多智能体一致性容错控制

针对四旋翼无人机(UAV)编队在切换拓扑下的执行器故障问题,提出了一种基于模糊系统的多智能体一致性容错控制方法。首先建立了四旋翼UAV多智能体的误差模型和执行器故障模型,然后利用模糊系统逼近四旋翼UAV的非线性部分,并设计了自适应律来估计执行器故障和外界干扰的不确定性,最后对一致性容错控制律的稳定性进行了分析,证明了其能够保证各UAV跟踪误差一致有界。仿真结果表明:设计的一致性容错控制律具有良好的稳定性、鲁棒性和准确性,最大跟踪误差仅为0.3°,实现了在切换拓扑下包容非线性不确定性、外界干扰和执行器故障的UAV编队一致性容错控制。

一种基于云的应用层容错机制设计与实现

针对高一致性应用的场景,基于云平台中间件提供的支持,从业务特性出发,设计了一种与数据层异步复制技术相结合的应用层容错机制,该机制保存状态数据的快照,在数据层异常时对未达到最终一致的状态数据进行访问控制,并允许其他状态数据继续进行业务操作。实验证明,该机制在保证数据一致的前提下,有效缩短了系统的故障切换时间,提高了系统整体的可用性,并对系统吞吐量不造成太大影响。