本发明专利技术涉及一种异构线性集群系统时变输出编队跟踪控制方法和系统。所述异构线性集群系统时变输出编队跟踪控制方法，针对异构多智能体系统，通过构建异构多智能体系统模型、通信拓扑关系模型、传感器故障模型和执行器故障模型，能够控制不同动力学个体组成的系统形成编队，拓展了编队控制算法的使用场景。并且，在根据修正后的跟随者模型、传感器故障模型和执行器故障模型设计观测器后，基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制，使得多智能体系统在传感器和执行器存在偏差故障的情况下，能够减弱故障对系统的影响并形成编队。队。队。
【技术实现步骤摘要】
异构线性集群系统时变输出编队跟踪控制方法及系统
[0001]本专利技术涉及多智能体编队跟踪控制
，特别是涉及一种异构线性集群系统时变输出编队跟踪控制方法及系统。
技术介绍
[0002]多智能体编队控制是当前多智能体系统研究的热点问题，它指多个智能体组成的团队在向特定目标或方向运动的过程中，相互之间保持预定的几何形态。多智能体编队控制在军事、航天、工业等各个领域具有广泛的应用，如实现移动机器人、无人机、潜艇、卫星、航天飞行器等运动载体的编队控制等。在军事领域中，多移动机器人采用合理的编队可以代替士兵执行恶劣、危险环境下诸如侦察、搜寻、排雷、巡逻等军事任务。以侦察任务为例，单个机器人获取环境信息的能力通常有限，但如果多个机器人保持合理的队形，分工获取周围的环境信息，就有可能迅速准确地感知群体所在区域的环境信息，使群体的资源利用率比成员随机分布时更高。在航天领域，卫星编队不但可大大降低系统成本，提高系统的可靠性和生存能力，而且可扩展和超越传统单个卫星的功能，完成许多单个航天器不可能完成的任务。在工业生产中，例如多机器人系统搬运大型物体时，对机器人的位置存在一定要求，以满足搬运过程中的稳定和负载平衡。
[0003]多智能体编队控制已有多种成熟的控制方法，与基于领导者
‑
跟随者、基于行为以及基于虚拟结构的方法相比，基于一致性的编队控制方法具有更好的鲁棒性和扩展性，并且易于设计，因此当前受到世界研究人员的广泛关注，并取得了一些应用。在该方法中，智能体通过与邻居智能体的通信，获取其它智能体的状态信息，然后通过这些信息生成自身的控制指令，从而使得多智能体系统最后形成编队。但对该方法的现有研究中，通常考虑的是同构多智能体之间的编队控制问题。实际上，异构多智能体系统的编队控制也有着广泛的需求，在某些场景下异构多智能体系统甚至能够比同构多智能体系统更好地完成任务，比如说无人机和无人车的编队协同搜救，能够同时利用无人机视野广和无人车负载量大的特点，及时地发现被困人员并进行救助。除此之外，在实际应用中智能体不可能总是处于理想状态，总是有一些干扰影响着多智能体系统的性能。其中，传感器和执行器故障也是多智能体系统性能常见的限制因素。因此，提供一种能够对传感器和执行器故障下异构线性多智能体系统进行时变输出编队跟踪控制的方法或系统，成为本领域亟待解决的一个技术难题。
技术实现思路
[0004]为解决现有技术存在的上述问题，本专利技术提供了一种异构线性集群系统时变输出编队跟踪控制方法及系统。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种异构线性集群系统时变输出编队跟踪控制方法，包括：
[0007]构建异构多智能体系统模型；所述异构多智能体系统模型包括领导者模型和跟随
者模型；
[0008]构建异构多智能体系统的通信拓扑关系模型；所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图；
[0009]构建传感器故障模型和执行器故障模型；
[0010]基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型；
[0011]根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器；所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测；
[0012]构建智能体的控制输入模型；
[0013]基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
[0014]优选地，所述领导者模型为：
[0015][0016]其中，表示领导者的状态，表示传感器输出信息，和均表示领导者的系统参数矩阵。
[0017]优选地，所述跟随者模型为：
[0018][0019]其中，其中，表示跟随者的状态，表示跟随者的控制输入，u
i
(t)表示跟随者i执行器的控制输入，表示跟随者的传感器输出信息，知A
i
、B
i
和C
i
均表示跟随者i的系统参数矩阵。
[0020]优选地，所述传感器故障模型为：
[0021][0022]其中，表示跟随者的传感器输出信息，表示跟随者i传感器信息的偏差，表示跟随者i传感器的实际输出信息。
[0023]优选地，所述执行器故障模型为：
[0024][0025]其中，表示跟随者i执行器的控制输入，表示跟随者i执行器的控制输入的偏差，表示跟随者i执行器的实际控制输入。
[0026]优选地，所述智能体的控制输入模型为：
[0027][0028][0029][0030]其中，表示智能体i对自身全状态信息x
i
(t)的观测值，ξ
i
(t)表示领导者状态x1(t)的观测值，表示领导者状态x1(t)的观测值的时间导数，τ
i
(t)表示定义的时变编队补偿输入，K
2i
＝Y
i
‑
K
1i
X
i
，(X
i
，Y
i
)是调节器方程，K
1i
表示矩阵，K
1i
使A
i
+B
i
K
1i
中的所有特征值的实部均小于
‑
1，A
i
、B
i
和C
i
均表示智能体i的系统参数矩阵，满足h
i
(t)＝C
i
φ
i
(t)，h
i
(t)为多智能体编队函数，a
ij
为权重系数权重矩阵重系数权重矩阵为差值，为差值，表示对执行器偏差的估计值，表示对传感器偏差的估计值，表示跟随者i传感器的实际输出信息，表示领导者的状态，和均表示领导者的系统参数矩阵，K表示增益矩阵，表示跟随者的控制输入，表示跟随者i执行器的控制输入。
[0031]优选地，基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制，具体包括：
[0032]采用分布式自适应容错控制协议，基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
[0033]优选地，所述观测器为：
[0034][0035][0036]其中，表示执行器偏差的估计值，表示传感器偏差的估计值，为差值，H
i
为正定矩阵，令为正定矩阵，令表示p
×
m
i
个元素为0的矩阵，个元素为0的矩阵，表示智能体i对自身全状态信息x
i
(t)的观测值，表示跟随者i传感器的实际输出信息，G
i
表示待设计的矩阵，P
i
表示正定解，I
p
表示表示p维单位矩阵，表示执行器偏差的估计值的时间导数，表本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异构线性集群系统时变输出编队跟踪控制方法，其特征在于，包括：构建异构多智能体系统模型；所述异构多智能体系统模型包括领导者模型和跟随者模型；构建异构多智能体系统的通信拓扑关系模型；所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图；构建传感器故障模型和执行器故障模型；基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型；根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器；所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测；构建智能体的控制输入模型；基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。2.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法，其特征在于，所述领导者模型为：其中，表示领导者的状态，表示传感器输出信息，和均表示领导者的系统参数矩阵。3.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法，其特征在于，所述跟随者模型为：跟随者模型构建为：其中，表示跟随者的状态，表示跟随者的控制输入，u
i
(t)表示跟随者i执行器的控制输入，表示跟随者的传感器输出信息，和A
i
、B
i
和C
i
均表示跟随者i的系统参数矩阵。4.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法，其特征在于，所述传感器故障模型为：其中，表示跟随者的传感器输出信息，表示跟随者i传感器信息的偏差，表示跟随者i传感器的实际输出信息。5.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法，其特征在于，所述执行器故障模型为：
其中，表示跟随者i执行器的控制输入，表示跟随者i执行器的控制输入的偏差，表示跟随者i执行器的实际控制输入。6.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法，其特征在于，所述智能体的控制输入模型为：所述智能体的控制输入模型为：所述智能体的控制输入模型为：其中，表示智能体对自身全状态信息x
i
(t)的观测值，ξ
i
(t)表示领导者状态x1(t)的观测值，表示领导者状态x1(t)的观测值的时间导数，τ
i
(t)表示定义的时变编队补偿输入，K
2i
＝Y
i
‑
K
1i
X
i
，(X
i
，Y
i
)是调节器方程，K
1i
表示矩阵，K
1i
使A
i
+B
i
K
1i
中的所有特征值的实部均小于
‑
1，A
i
、B
i
和C
i
均表示智能体i的系统参数矩阵，满足h
i
...
【专利技术属性】
技术研发人员：韩亮，曹慧，任章，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。