具有事件触发的多智能体系统预设性能一致性控制方法

本发明涉及多智能体系统的控制技术，特别涉及一种具有事件触发的多智能体系统预设性能一致性控制方法，其允许在对智能体进行预设性能时其初始状态不受到限制。

背景技术：

1、多智能体系统广泛应用于各个领域，如自动驾驶车辆、机器人协作和分布式网络。在这些应用中，通常需要确保多个智能体以一致的方式达到预设性能，以维护系统的安全性和有效性。

2、多智能体系统预设性能一致性控制是一种控制方法，旨在保证各个智能体的暂稳态性能都符合预先设定的标准然。而传统的控制方法通常要求对每个智能体的初始状态进行严格的限制，这在很多情况下可能与实际应用不符。

3、另外，由于智能体上装载有驱动模块、嵌入式处理器等设备，在令智能体更加智能的同时也对能量供应和有限的通信带宽提出了巨大的挑战。同时考虑到实际情况，智能体的某些状态信息以及其自身参数不易测得。合理的节省资源延长系统的工作时间，并准确估计出未知状态及参数，可以提高系统的稳定性，让其更好的实现预设的目标。

4、在现有的控制方法中多智能体系统的初始状态均受到严格的限制，然而在工程应用中，初始状态往往可以是任意值。若初始状态超过预设的数值则系统不能很好的实现期望的性能，并且现有的控制方法大多没有考虑到通过适当减少通讯资源消耗来延长工作时间。

技术实现思路

1、为了解决以上不足，本发明种具有事件触发的多智能体系统预设性能一致性控制方法，节省了通讯带宽资源的浪费，延长了系统的工作时间。

2、本发明的技术方案：

3、一种具有事件触发的多智能体系统预设性能一致性控制方法，通过降阶滤波器来估计系统中的未知状态，通过分布式自适应的控制方法设计控制器，同时在控制器的设计过程中采用动态表面控制技术与事件触发技术，在多智能体的初始状态不受到限制及系统部分状态未知的情况下实现对系统的暂稳态性能进行约束。

4、优选的，系统方程为：

5、

6、此系统为高阶系统，系统的阶数ni可以是任意值；其中yi为第i个智能体的输出轨迹；xi2,xi3,xis为第i个智能体的状态；为状态xi1，xi2,xi3,的导数；φi1(yi)，φi2(yi)，是已知光滑函数向量；fi22(yi),是已知光滑非线性函数；θi为系统中未知常数的向量；ui为控制输入；bi0,bi1,为控制器输入前的系数。

7、优选的，降阶滤波器设计为：

8、

9、其中为函数向量；ξi＝[ξi2,ξi3,…,ξin]t,oi＝[oi2,oi3,…,oin]t,ξi＝[ξi2,ξi3,...,ξin]t,νik＝[νik2,νik3,...,νikn]t,k＝0,...,m,均为降阶滤波器中的参数向量；均为正常数向量；为常数向量；ui为控制输入；

10、

11、动态增益li为第i个降阶滤波器的动态增益，为li的导数；ki是可以被设计的系数，φi为被设计的非线性函数；πi1＝πiβρi，其中是为了实现第i个智能体预设暂稳态性能而设计的误差转换函数；β为需要设计的时变函数，ζi(t)＝β(t)ηi(t)为基于β(t)和引入的转换函数；是设计的计算函数，其中l为大于0的常数；ei0为多智能体系统的一致性误差；σi10，σi14,σi15为大于0的常数；σ-1i14，σ-1i15为σi10，σi14的倒数；多智能体系统通讯系数之和；aiq表示第i个智能体和第q智能体个之间的通讯系数，如果aiq＝1表示第i个智能体可以得到第q智能体的信息，否则aiq＝0；μi表示智能体i对领导者的信息获取情况，如果直接获取领导者的信息μi＝1，反之μi＝0。

12、优选的，根据时变限制函数β(t)来设计适用于多智能体系统的屏障函数以实现初始状态不受限的多智能体预设性能控制；

13、如果一个函数β(t)满足以下要求，叫做时变限制函数：

14、a:β(t)为严格的单增函数并且需要满足当时间t＝0时β(0)＝1；当时间t为无穷大时并且0＜bf＝1；

15、b:β(k),k＝1,2,3...n时有界分段连续的；

16、根据时变限制函数构造出预设函数为：其中l是一个大于0的常数，ψ(t)为实变限制函数β(t)的倒数，即

17、优选的，依据时变限制函数来设计多智能体系统的屏障函数为：

18、

19、式中ζi(t)＝β(t)ηi0(t)为基于β(t)和ηi0引入的转换函数，是为了实现第i个智能体预设暂稳态性能而设计的误差转换函数；ei0为多智能体系统的一致性误差aiq表示第i个智能体和第q智能体个之间的通讯系数，如果aiq＝1表示第i个智能体可以得到第q智能体的信息，否则aiq＝0；μi表示智能体i对领导者的信息获取情况，如果直接获取领导者的信息μi＝1，反之μi＝0。

20、优选的，根据屏障函数进行如下坐标转换：

21、

22、其中zi1,zij,为反步法中所需要用到的误差；sij为虚拟控制器滤波前后的误差；αi,(j-1)和是需要在反步法中设计出的虚拟控制器以及滤波后的虚拟控制器；vimij为降阶滤波器中的参数；

23、对zi1求导将第一步的虚拟控制器设计为：

24、

25、

26、式中代表的符号，zi1为反步法第一步用到的误差，为虚拟控制器αi1的估计值，正常数；βi、βiq、λi、χi为自适应参数，为自适应参数βi、βiq、λi、χi的估计值；ci1,σi11,σi12,σi14,σi15,ai为大于零的常数；多智能体系统通讯系数之和，aiq表示第i个智能体和第q智能体个之间的通讯系数，aiq＝1表示第i个智能体可以得到第q智能体的信息，否则aiq＝0；μi表示智能体i对领导者的信息获取情况，如果直接获取领导者的信息则μi＝1，反之μi＝0；ξi2为第i个智能体的降阶滤波器参数，ξq2为第q个智能体的降阶滤波器参数；li为降阶滤波器的动态增益；πi1和πi2为对屏障函数进行求导后，简化之后的函数；πi1＝πiβρi，其中是为了实现第i个智能体预设暂稳态性能而设计的误差转换函数，β为需要设计的时变函数，ζi(t)＝β(t)ηi0(t)为基于β(t)和ηi0(t)引入的转换函数，是设计的可计算函数，其中l为大于0的常数，ei0为多智能体系统的一致性误差；和为经过杨氏不等式放缩而得到的与降阶动态增益滤波器参数向量和相关的函数。

27、为了避免过度估计问题，我们将自适应参数定义为以下形式，并对以下自适应参数进行估计：

28、

29、

30、βi＝sup‖θi‖,βiq＝sup‖θiq‖

31、

32、

33、其中θi为第i个智能体系统中所有未知常数向量，θiq为第q个智能体系统中所有未知常数向量；sup‖θi‖为θi范数的上确界；sup‖θiq‖为θiq范数的上确界；为的最小值；为的上确界；和为第i个智能体和第j个智能体的降阶动态增益滤波器参数向量，νi(mi-2)2,…,νi02,ξi2,φi1，为降阶动态增益滤波器i和q中的参数。

34、优选的，自适应率设计为：

35、

36、

37、

38、

39、其中为大于零的常数；为自适应参数的估计值的导数；和为经过杨氏不等式放缩而得到的与降阶动态增益滤波器参数向量和相关的函数。

40、优选的，第二步的虚拟控制器设计为：

41、

42、第j(3≤j≤ρi)步的虚拟控制器设计为：

43、

44、式中cij,σij1、σij2、σi(j-1)1为正常数，有以下形式设计而得：

45、

46、式中τij为正常数，所有的c和σ无论下角标是多少都是大于零的常数。

47、优选的，系统的控制器为：

48、

49、

50、式中δi1，为正常数；为第i个智能体的第ρi阶一致性误差；为系统中的非线性项，li,为降阶滤波器中的项；为虚拟控制器的导数；tanh为一种函数。

51、多智能体系统：多智能体系统是由多个智能体组成的集合，这些智能体能够自主地感知环境、做出决策，并通过相互作用来实现共同的目标或任务。每个智能体都可以被看作是一个独立的实体，具有一定的自主性和智能性能。多智能体系统通常用于解决需要协作、协调或竞争的复杂问题。

52、预设性能控制是一种控制方法：旨在确保一个系统在执行任务或完成工作时，能够达到或维持预先设定的性能标准或性能目标。这种方法通常涉及定义、测量和监控系统的性能，并采取必要的措施来确保系统的性能始终在预期范围内。

53、本发明的有益效果：

54、本发明采用了一种屏障函数来对智能体的暂稳态性能进行限制，这种屏障函数可以把初始状态放宽至任意值。同时，采用事件触发技术设计事件触发控制器，节省了通讯带宽资源的浪费，延长了系统的工作时间。

55、本发明在多智能体的初始状态不受到限制及系统部分状态未知的情况下可以实现对系统的暂稳态性能进行约束，又可以节省系统的通讯带宽资源以延长续航时间，并具有良好抗干扰能力。

56、具体表现在以下几点：

57、1、本发明实现了初始状态不受到限制的高阶非线性多智能体系统预设性能一致性控制。

58、2、采用包含未知参数和不确定扰动的非线性输出反馈高阶系统，应用更加广泛。利用降阶滤波器来估计未知状态，阶数更低，避免不必要的资源浪费，同时通过合理选择参数，滤波器误差可以任意小。

59、3、在控制器的设计过程中利用动态表面技术对反步法进行了优化，大大的减少了计算量，采用事件触发技术节省了通讯带宽资源，延长了系统的工作时间。

60、多智能体系统：多智能体系统是由多个智能体组成的集合，这些智能体能够自主地感知环境、做出决策，并通过相互作用来实现共同的目标或任务。每个智能体都可以被看作是一个独立的实体，具有一定的自主性和智能性能。多智能体系统通常用于解决需要协作、协调或竞争的复杂问题。

61、预设性能控制是一种控制方法，旨在确保一个系统在执行任务或完成工作时，能够达到或维持预先设定的性能标准或性能目标。这种方法通常涉及定义、测量和监控系统的性能，并采取必要的措施来确保系统的性能始终在预期范围内。