多智能体系统有限时间多目标协同追踪方法和存储介质技术方案

本发明专利技术公开了多智能体系统有限时间多目标协同追踪方法和存储介质。本发明专利技术对N个多智能体进行运动学和动力学建模，并把这N个智能体分成M个子群，每个子群中都有一个相应的虚拟目标，设计多智能体系统的通讯拓扑图，由此可以设计出相应的有向图，在满足上一步骤所述有向图的前提下，设计多智能体系统的分层协同控制器，结合第一步的运动学和动力学模型，实现多智能体系统的有限时间多目标协同追踪控制。本发明专利技术设计的估计器算法可确保每个智能体都能在有限时间内获得其相应目标的准确信息，设计的本地层算法可以实现智能体的一对一有限时间局部跟踪。限时间局部跟踪。限时间局部跟踪。

【技术实现步骤摘要】
多智能体系统有限时间多目标协同追踪方法和存储介质


[0001]本专利技术涉及分布式人工智能领域，特别是涉及多智能体系统有限时间多目标协同追踪方法和存储介质。

技术介绍

[0002]多智能体系统是20世纪末至21世纪初分布式人工智能领域的国际前沿研究课题，其核心支撑理论是人工智能、分布式控制和分布式计算。进入21世纪，人们在解决大型、复杂的工程问题时，发现单个智能体的能力已经无法胜任，需要多个智能体在网络环境下以信息通讯的方式组成多智能体系统协同地解决工程问题。典型的多智能体系统包括多智能体系统，多无人机系统，智能电网和分布式卫星系统等。
[0003]但是，目前大多数的多智能体系统的控制方法仅适用于渐进时间内控制单个目标，且局限于研究用单积分器、双积分器动力学模型描述的智能体系统，并忽略了外部扰动、参数不确定性的影响。而在实际应用中，外部扰动、参数不确定性是不可避免的；同时，可能会要求多智能体系统通过目标追踪同时完成多个任务，且运用欧拉
‑
拉格朗日动力学来描述的多智能体系统能更严谨地描述现实生活中的应用，例如：多个机械臂，多个无人智能小车，多个无人舰艇等；另外，很多实际的应用中对完成任务的时间会有需求，从而需要控制算法来实现更短的时间内执行任务。
[0004]因此，在考虑外部扰动及动力学模型参数不确定性的多智能体系统的一种多智能体系统有限时间多目标协同追踪方法具有重要意义。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现有技术的无法满足有限时间多目标协同追踪技术缺陷，提供了多智能体系统有限时间多目标协同追踪方法和存储介质。
[0006]根据本专利技术的一个方面，本专利技术的提供一种多智能体系统有限时间多目标协同追踪方法，包括：
[0007]对多智能体系统中N个智能体进行运动学和动力学建模；
[0008]将N个智能体分成M个子群，每个子群中确定一个虚拟跟踪目标，其中N和M均为大于等于1的整数；
[0009]对智能体之间的交互作用进行建模，获得所述子群的通讯有向拓扑图；
[0010]根据所述通讯有向拓扑图，设计基于估计器的多智能体系统的分层协同控制器；
[0011]根据所述运动学和动力学模型，利用所述分层协同控制器，实现每个子群的智能体在有限时间收敛至所述每个子群的智能体对应的虚拟追踪目标的轨迹。
[0012]进一步地，所述对多智能体系统中N个智能体进行运动学和动力学建模包括：
[0013]运动学和动力学模型表达式为：
[0014][0015]其中，以及分别表示关节的位置、速度和加速度；
[0016]惯性矩阵为：
[0017][0018]科氏离心矩阵为：
[0019][0020]重力转矩为：
[0021][0022]其中，表示输入力矩，d
i
(t)是外部扰动且满足为一个已知正常数，以及是动力学不确定项。
[0023]进一步地，所述模型表达式还可以表达为：
[0024][0025]其中，
[0026]进一步地，当第i个智能体属于第l个子群时，所述跟踪目标的数学表达式为：
[0027][0028]其中，q
o,l
(t)、ω
o,l
(t)和分别表示第l个子群的追踪目标的位置状态、速度和加速度，l∈{1,2,...,M}表示追踪目标所在子群的序号。
[0029]进一步地，所述获得所述子群的通讯有向拓扑图包括：
[0030]所述通信拓扑图其中，为N个智能体的点集，为有向边，为邻接矩阵，且有向边e
ij
∈ε，即第i个智能体可以接收第j个智能体的信息；
[0031]如果第i个智能体和第j个智能体是竞争关系，则a
ij
＜0，如果第i个智能
[0032]体和第j个智能体是合作关系，则a
ij
＞0，没有自循环时，a
ij
＝0，且
[0033]根据所述邻接矩阵，确定所述有向图的拉普拉斯矩阵
[0034]根据所述拉普拉斯矩阵，所述有向图定义为且l
ij
＝
‑
a
ij
，
[0035]进一步地，所述将N个智能体分成M个子群包括：
[0036]多智能体系统被划分为M(M＞1)个子群，每一个所述子群被描述为含有n
l
个智能体的子图：
[0037][0038]其中，且
[0039]进一步地，所述获得所述子群的通讯有向拓扑图还包括：
[0040]根据智能体与其对应跟踪目标之间的通讯状况，确定有向图的对角权重矩阵B：
[0041][0042]其中，N＝(1,2,...,i),若第i个智能体能够直接接收其跟踪目标的信息，则bi为取值大于0的数，如果不能，则bi＝0。
[0043]进一步地，所述设计基于估计器的多智能体系统的分层协同控制器还包括：
[0044]所述分层协同控制器的数学表达式为：
[0045][0046][0047]其中，i∈V
l
表示第l个子群里的第i智能体，集合是用来标记第l个子群中的所有智能体，表示N个智能体的集合，l∈{1,...,M}表示M个子群；τ
i1
和τ
i2
分别表示等效控制律和滑模控制律，λ1,λ2＞0，K
p
和K
d
是两个正定对角矩阵，阵，0＜α1＜1，α2＝2α1/(α1+1)，和分别表示ε
1,i
和ε
2,i
的估计值，并且分别定义为：
[0048][0049]其中，η＞0，β
i
＞0，
[0050]估计层中，χ＞0，1＜p＜2，κ1＞0，κ2＞0，为的第u个元素α2＝2α1/(α1+1)，μ
γ
(x)是一个非线性函数，定义为：
[0051][0052]其中，γ＞0。
[0053]进一步地，所述利用所述分层协同控制器，实现每个子群的智能体在有限时间收敛至所述每个子群的智能体对应的虚拟追踪目标的轨迹还包括：
[0054]结合估计器的误差形式：结合估计器的误差形式：将所述分层协同控制器的数学表达式转化为：
[0055][0056]对闭环系统Ξ1、Ξ2、Ξ3分别构造李雅普诺夫函数分别构造李雅普诺夫函数和1＜r＜2；
[0057]结合所述闭环系统和稳定性分析，得到多目标协同追踪的误差满足以下条件：
[0058][0059]对于所有的l∈{1,...,M}，其中，e
i,l
＝q
i
‑
q
o,l
，T
g
为到达时间。
[0060]根据本专利技术的另一个方面，还提供一种存储介质，其特征在于，其上存储有如前任一所述的一种多智能体系统有限时间多目标协同追踪方法。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多智能体系统有限时间多目标协同追踪方法，其特征在于，包括：对多智能体系统中N个智能体进行运动学和动力学建模；将N个智能体分成M个子群，每个子群中确定一个虚拟跟踪目标，其中N和M均为大于等于1的整数；对智能体之间的交互作用进行建模，获得所述子群的通讯有向拓扑图；根据所述通讯有向拓扑图，设计基于估计器的多智能体系统的分层协同控制器；根据所述运动学和动力学模型，利用所述分层协同控制器，实现每个子群的智能体在有限时间收敛至所述每个子群的智能体对应的虚拟追踪目标的轨迹。2.如权利要求1所述的一种多智能体系统有限时间多目标协同追踪方法，其特征在于，所述对多智能体系统中N个智能体进行运动学和动力学建模包括：运动学和动力学模型表达式为：其中，q
i
、以及分别表示关节的位置、速度和加速度；惯性矩阵为：科氏离心矩阵为：重力转矩为：其中，表示输入力矩，d
i
(t)是外部扰动且满足(t)是外部扰动且满足为一个已知正常数，以及是动力学不确定项。3.如权利要求2所述的一种多智能体系统有限时间多目标协同追踪方法，其特征在于，所述模型表达式还可以表达为：其中，4.如权利要求1所述的一种多智能体系统有限时间多目标协同追踪方法，其特征在于，当第i个智能体属于第l个子群时，所述虚拟跟踪目标的数学表达式为：其中，q
o,l
(t)、ω
o,l
(t)和分别表示第l个子群的追踪目标的位置状态、速
度和加速度，l∈{1,2,...,M}表示追踪目标所在子群的序号。5.如权利要求1所述的一种多智能体系统有限时间多目标协同追踪方法，其特征在于，所述获得所述子群的通讯有向拓扑图包括：所述通信拓扑图其中，为N个智能体的点集，为有向边，为邻接矩阵，且有向边e
ij
∈ε，即第i个智能体可以接收第j个智能体的信息；如果第i个智能体和第j个智能体是竞争关系，则a
ij
＜0，如果第i个智能体和第j个智能体是合作关系，则a
ij
＞0，没有自循环时，a
ij
＝0，且根据所述邻接矩阵，确定所述有向图的拉普拉斯矩阵根据所述拉普拉斯矩阵，所述有向图定义为a
ij
,且l
ij
＝
‑
a
ij
，6.如权利要求5所述的一种多智能体系统有限时间多目标协同追踪方法，其特征在于，所述将N个智能体分成M个子群包括：多智能体系统被划分为M(M＞1)个子群，...

【专利技术属性】
技术研发人员：董玖旺，黄凯伦，梁昌铎，葛明峰，苏鹏，徐景喆，丁腾飞，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：