一种多智能体分布式模型预测控制方法及系统技术方案

本发明专利技术公开了一种多智能体分布式模型预测控制方法及系统，该方法包括：步骤1，描述智能体的动力学方程及定义参数；步骤2，智能体向出邻居集中智能体广播自身未来N

【技术实现步骤摘要】
一种多智能体分布式模型预测控制方法及系统


[0001]本专利技术涉及多智能体系统
，特别是关于一种多智能体分布式模型预测控制方法及系统。

技术介绍

[0002]多智能体系统是由在一个环境中交互的多个智能体所组成的系统。近几十年来，随着移动通信和计算技术的普及，多智能体系统的分布式协同控制技术应运而生，并在多个领域内得到广泛应用。例如，多智能体分布式模型预测控制被用于多个自主水下机器人协同作业领域和多个智能网联汽车的协同行驶，可显著提升多载具作业与运行时的效率和可靠性。
[0003]由于实际系统具有模型复杂、规模大、变量多和约束多等特点，传统的控制方法难以满足复杂系统的控制要求。分布式模型预测控制由于具有能显式处理约束和结构比较灵活等优点，成为了处理大规模复杂系统的重要方法。其中，迭代可行性是模型预测控制得以实施的重要保证。如果优化问题不可行，那么整个系统的控制将失效，进而导致系统性能恶化。在多智能体系统中，一致性控制是研究最多的方向之一。一致性问题是指多智能体系统中所有的智能体通过协调控制使其状态最终趋于一致，一致性协议是各智能体之间相互作用的控制律，是整个系统稳定的关键。因此，保证系统迭代可行性和一致性具有重要的研究意义。
[0004]现有多智能体系统分布式模型预测控制方法仍存在诸多不足，尤其对通信拓扑具有较高的要求，稳定性保证方法较为复杂。

技术实现思路

[0005]本专利技术的目的在于提供一种多智能体分布式模型预测控制方法及系统来克服或至少减轻现有技术的上述缺陷中的至少一个。
[0006]为实现上述目的，本专利技术提供一种多智能体分布式模型预测控制方法，该方法包括：
[0007]步骤1，描述多智能体系统中智能体i的动力学方程、将包含所有智能体i的时刻t的控制输入u
i
(t)的集合记为控制输入集将所有能被智能体i接收到广播信息的其它智能体集合记为入邻居集将所有能接收到智能体i广播信息的其它智能体集合记为出邻居集将表征智能体i是否能接收到领航智能体的广播信息的集合记为牵引集定义牵引入邻居集为及多智能体系统中的通信拓扑为双前车跟随式，其中，i为智能体系统中各智能体的编号；
[0008]步骤2，在每个离散采样时刻t，每个智能体i利用无线通信向通信范围内的所有出邻居集中的智能体广播自身未来N
p
+1步的假设状态轨迹
以及接收通信范围内所有入邻居集内智能体广播的假设状态轨迹表示智能体i在时刻t未来第N
p
步的假设状态，表示智能体j在时刻t未来第N
p
步的假设状态；
[0009]步骤3，在每个离散采样时刻t，每个智能体i利用自身和所有入邻居集内智能体的假设状态轨迹求解开环优化问题P
i
(t)，得到未来N
p
步的最优控制输入序列和未来N
p
+1步的最优状态序列
[0010]步骤4，在每个离散采样时刻t，每个智能体i将最优控制输入序列的第一个元素用于当前时刻t、将所述最优控制输入序列的第2至N
p
‑
1个元素作为时刻t+1的假设输入轨迹以及将最优状态序列的第2至N
p
个元素作为时刻t+1的假设状态轨迹
[0011]步骤5，将加入终端输入加入终端输入单步递推得到将设置为其中，K＝
‑
(B
T
PB+I)
‑1B
T
PA，P>0是代数黎卡提方程P＝A
T
PA
‑
(1
‑
δ2)A
T
PB(B
T
PB+I)
‑1B
T
PA+Q的解，Q>0，0<δ<1；
[0012]重复上述步骤2至步骤5。
[0013]进一步地，步骤3中的开环优化问题P
i
(t)的代价函数包括：
[0014]1)未来N
p
步智能体自身控制输入惩罚项步智能体自身控制输入惩罚项
[0015]2)自身预测状态轨迹与自身假设状态轨迹的偏差项
[0016]3)自身预测状态轨迹与牵引入邻居集内的智能体的假设状态轨迹的偏差项
[0017]其中，F
i
，G
i
满足：
[0018]进一步地，步骤3中的开环优化问题P
i
(t)的约束条件包括：智能体i的动力学约束
初始状态约束控制输入约束以及终端状态约束
[0019]其中，终端状态约束要求智能体的预测终端状态等于假设终端状态，而假设终端状态在每一个控制环内通过不断更新得到。
[0020]进一步地，所述约束条件中的终端状态约束的更新规则包括：
[0021][0022]其中，
[0023]进一步地，步骤1中的多智能体系统包括按运动前后方向依序设置的静态领航水下机器人和若干个跟随水下机器人，x
i
(t)＝[z
i
(t),θ
i
(t),q
i
(t)]T
，z
i
(t)为水下机器人i的下潜深度，θ
i
(t)为水下机器人i的纵倾角，q
i
(t)为水下机器人i的纵倾角速度，u
i
为水下机器人i的纵移速度，控制目标为lim
t
→
+∞
x
i
(t)＝x0(t)。
[0024]进一步地，步骤1中的多智能体系统包括按运动前后方向依序设置的领航智能车和若干辆跟随智能车，领航智能车的编号i＝0，跟随智能车的编号i∈{1,
…
,N}，x
i
＝[p
i
,v
i
,a
i
]T
为智能车i的状态，p
i
为智能车i的位置，v
i
为智能车i的速度，a
i
为智能车i的加速度，u
i
为智能车i的控制输入，控制目标为lim
t
→
+∞
x
i
(t)＝x0(t)
‑
[i
·
d0,0,0]T
，d0表示期望车间距离。
[0025]进一步地，设置预测时域长度为N
p
，记在t＝0，将水下机器人/智能车i的预测控制输入轨迹设置为预测状态轨迹设置为以及将领航水下机器人/智能车的轨迹设置为以及将领航水下机器人/智能车的轨迹设置为其中，x
i
(k)为表示第k时刻水下机器人/智能车i的状态真实值。
[0026]在t≥0，通过所有水下机器人/智能车向其出邻居集广播自身的假设输入轨迹和假设状态轨迹并接收其牵引入邻居集的假设输入轨迹和假设状态轨迹
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多智能体分布式模型预测控制方法，其特征在于，包括：步骤1，描述多智能体系统中智能体i的动力学方程、将包含所有智能体i的时刻t的控制输入u
i
(t)的集合记为控制输入集将所有能被智能体i接收到广播信息的其它智能体集合记为入邻居集将所有能接收到智能体i广播信息的其它智能体集合记为出邻居集将表征智能体i是否能接收到领航智能体的广播信息的集合记为牵引集定义牵引入邻居集为及多智能体系统中的通信拓扑为双前车跟随式，其中，i为智能体系统中各智能体的编号；步骤2，在每个离散采样时刻t，每个智能体i利用无线通信向通信范围内的所有出邻居集中的智能体广播自身未来N
p
+1步的假设状态轨迹以及接收通信范围内所有入邻居集内智能体广播的假设状态轨迹广播的假设状态轨迹表示智能体i在时刻t未来第N
p
步的假设状态，表示智能体j在时刻t未来第N
p
步的假设状态；步骤3，在每个离散采样时刻t，每个智能体i利用自身和所有入邻居集内智能体的假设状态轨迹求解开环优化问题P
i
(t)，得到未来N
p
步的最优控制输入序列和未来N
p
+1步的最优状态序列步骤4，在每个离散采样时刻t，每个智能体i将最优控制输入序列的第一个元素用于当前时刻t、将所述最优控制输入序列的第2至N
p
‑
1个元素作为时刻t+1的假设输入轨迹输入轨迹以及将最优状态序列的第2至N
p
个元素作为时刻t+1的假设状态轨迹步骤5，将加入终端输入加入终端输入单步递推得到将1)设置为其中，K＝
‑
(B
T
PB+I)
‑1B
T
PA，P＞0是代数黎卡提方程P＝A
T
PA
‑
(1
‑
δ2)A
T
PB(B
T
PB+I)
‑1B
T
PA+Q的解，Q＞0，0＜δ＜1；重复上述步骤2至步骤5。2.如权利要求1所述的多智能体分布式模型预测控制方法，其特征在于，步骤3中的开环优化问题P
i
(t)的代价函数包括：1)未来N
p
步智能体自身控制输入惩罚项步智能体自身控制输入惩罚项
2)自身预测状态轨迹与自身假设状态轨迹的偏差项3)自身预测状态轨迹与牵引入邻居集内的智能体的假设状态轨迹的偏差项其中，F
i
，G
i
满足：3.如权利要求2所述的多智能体分布式模型预测控制方法，其特征在于，步骤3中的开环优化问题P
i
(t)的约束条件包括：智能体i的动力学约束初始状态约束控制输入约束以及终端状态约束其中，终端状态约束要求智能体的预测终端状态等于假设终端状态，而假设终端状态在每一个控制环内通过不断更新得到。4.如权利要求3所述的多智能体分布式模型预测控制方法，其特征在于，所述约束条件中的终端状态约束的更新规则包括：其中，5.如权利要求2至4中任一项所述的多智能体分布式模型预测控制方法，其特征在于，步骤1中的多智能体系统包括按运动前后方向依序设置的静态领航水下机器人和若干个跟随水下机器人，x
i
(t)＝[z
i
(t)，θ
i
(t)，q
i
(t)]
T
，z
i
(t)为水下机器人i的下潜深度，θ
i
(t)为水下机器人i的纵倾角，q
i
(t)为水下机器人i的纵倾角速度，u
i
为水下机器人i的纵移速度，控制目标为lim
t
→
+∞
x
i
(t)＝x0(t)。6.如权利要求2至4中任一项所述的多智能体分布式模型预测控制方法，其特征在于，步骤1中的多智能体系统包括按运动前后方向依序设置的领航智能车和若干辆跟随智能车，领航智能车的编号i＝0，跟随智能车的编号i∈{1，...，N}，x
i
＝[p
i
，v
...

【专利技术属性】
技术研发人员：边有钢，谭艳，谢国涛，王晓伟，秦洪懋，秦晓辉，徐彪，秦兆博，胡满江，丁荣军，
申请(专利权)人：湖南大学，
类型：发明
国别省市：