本发明专利技术公开基于混杂触发机制的多智能体协同控制方法，包括：确定多智能体系统的智能体动力学模型；确定多智能体系统的网络拓扑模型；根据智能体动力学模型和网络拓扑模型，确定分布式协同控制协议；根据网络拓扑模型和分布式协同控制协议，确定异步时间触发机制；根据网络拓扑模型和分布式协同控制协议，确定分布式事件触发机制；根据上述协议自身控制器更新采样的智能体相对输出和采样的邻居控制器状态，实时计算出智能体自身输入，使多智能体系统实现协同。其基于智能体间的相对输出信息，构建分布式协同控制协，无需测量智能体自身绝对输出信息，且智能体之间只需间歇性、异步、分布式地进行信息交互，具有很好的实用价值。值。值。
【技术实现步骤摘要】
一种基于混杂触发机制的多智能体协同控制方法及介质
[0001]本专利技术属于多智能体协同控制
，涉及一种基于混杂触发机制的多智能体协同控制方法及介质，具体为基于混杂时间/事件触发机制的多智能体协同控制方法及介质。
技术介绍
[0002]多智能体协同控制是指针对由多个智能体构成的动态网络系统，通过设计合适的协调控制策略，驱使所有智能体协作完成预定目标的技术。由于在工业、能源、军事、航天等领域具有极其重要的应用价值，在过去二十多年里，多智能体协同控制技术成为相关领域的研究热点之一，并随着信息技术的发展，产生了越来越重要的作用。在工业方面，通过将生产机器建模为智能体并利用信息技术将其连接成一个有机的整体，可以利用多智能体协同控制技术提升工厂的智能化水平；在物流方面，通过物流无人车和/或无人机之间的协作，可以借助多智能体协同控制技术提升物流的路径规划效率，降低物流成本；在能源方面，多智能体协同控制技术通过在各发电单元和用电单元之间的信息共享，更好地协调能源网络以实现发/用电平衡，提升能源利用效率；在军事、航天、航空、航海等领域，多智能体协同控制技术成为各运载体实现无人化、集群化和智能化的基础手段，能赋予或提升多运载体系统在感知、导航、执行、生存等方面的能力，扩展单运载体不具备的功能，以完成更加复杂的任务。
[0003]多智能体协同控制目前已有较为系统和成熟的理论和方法。以其中最具代表性的的一致性目标为例，现有的协同控制设计方法已经有效解决了积分型多智能体系统、线性多智能体系统、非线性多智能体系统等各种智能体动力学模型下的一致性控制问题。
[0004]无论采用何种协同控制方法，多智能体系统的配置均要求控制器首先能够获取相邻智能体之间的状态或输出信息，然后根据这些信息设计协同控制策略。
[0005]由于经典的协同控制方法要求控制器能够连续地获取邻居智能体的信息，所以在实际应用中具有通信负载大、通信效率不高等缺点。
[0006]一方面，智能体之间的信息交互需要借助通信网络，而多智能体网络的分布式特性(比如移动机器人、水下无人艇等)导致难以维持连续的通信；另一方面，单个智能体的通信能力和资源往往非常有限，连续的信息交互会过多地消耗网络信道资源，降低多智能体系统的生存能力。
[0007]近年来，借助事件触发的思想，基于事件触发的多智能体协同控制方法在国内外引起了广泛的关注，成为多智能体协同控制领域的一个研究热点。在多智能体协同控制中，现有事件触发机制的作用通常是为了确定智能体自身状态的采样时刻，当采样误差超过某个设定的阈值时，智能体对自身状态进行采样并将采样的状态分发给邻居智能体。因此，这类事件触发机制要求智能体能够获取自身的绝对信息。为了满足协同控制的需要，这就要求所有智能体均以一个公共的全局坐标系为基准进行信息测量，从而对智能体的感知能力提出了极高的要求。例如，在某些典型的应用场景如深空协同探测、无GPS信号的室内导航
中，为所有智能体建立一个准确的公共坐标系是极其困难的。此外，考虑到事件触发条件需要不断地检查触发条件，因而应用于多智能体系统的事件触发方法还应具有空间分布、时间异步的内在工作机制。综上所述，现有的基于事件触发的多智能体协同控制方法仍然具有很大的局限性，很有必要为多智能体协同控制提供一种更加实用的多智能体协同控制设计方法。
技术实现思路
[0008]针对现有技术中的缺陷，本专利技术的目的是提供一种基于混杂触发机制的多智能体协同控制方法及介质。
[0009]根据本专利技术的一个方面，提供一种基于混杂时间/事件触发机制的多智能体协同控制方法，包括：
[0010]确定多智能体系统的智能体动力学模型；
[0011]确定多智能体系统的网络拓扑模型；
[0012]根据所述智能体动力学模型和所述网络拓扑模型，确定分布式协同控制协议；
[0013]根据所述网络拓扑模型和所述分布式协同控制协议，确定异步时间触发机制；
[0014]根据所述网络拓扑模型和所述分布式协同控制协议，确定分布式事件触发机制；
[0015]根据所述分布式协同控制协议、所述异步时间触发机制和所述分布式事件触发机制，自身控制器间歇性、异步、分布式地更新采样的智能体相对输出和采样的邻居控制器状态，实时计算出所述智能体的自身输入，使多智能体系统实现协同。
[0016]优选地，所述多智能体系统的智能体动力学模型，包括：
[0017]所述多智能体系统包括N个智能体，第i个智能体的动力学模型为
[0018][0019][0020]其中第一个方程为第i个智能体的状态方程，第二个方程为第i个智能体的输出方程；和分别为第i个智能体的状态函数和输出函数；为第i个智能体的自身状态，n
x
为状态维数，为x
i
(t)的时间导数；为第i个智能体的自身输入，n
u
为输入维数；为第i个智能体的自身输出，n
y
为输出维数；t表示时间变量。
[0021]优选地，所述第i个智能体的状态函数为
[0022][0023]所述第i个智能体的输出函数为
[0024][0025]其中和为第i个智能体的参数矩阵，由智能体自身的动力学特性决定。
[0026]优选地，所述网络拓扑模型包括节点、连边以及连边权重，其中：
[0027]所述一个节点表示一个智能体；
[0028]所述连边表示所述智能体之间存在的连接关系；
[0029]所述连边权重表示经过所述连边传输的信息的权重；
[0030]所述邻居智能体指在所述网络拓扑模型中与自身智能体存在连边的节点。
[0031]优选地，用图表示所述网络拓扑模型，用表示节点集合，其中N为智能体个数，表示连边集合，节点i的邻居集合表示为
[0032]所述图的邻接矩阵定义为拉普拉斯矩阵定义为其中a
ij
≥0表示连边(i，j)的权重，矩阵以及
[0033]优选地，所述分布式协同控制协议为：
[0034][0035][0036]其中为第i个智能体的自身控制器的状态，n
x
为状态维数；为第i个智能体的自身输入，n
u
为输入维数；和分别为第i个智能体的自身控制器的状态函数和输出函数；表示第一类采样的控制器状态，定义为表示第一类采样的控制器状态，定义为表示第二类采样的控制器状态，定义为表示第二类采样的控制器状态，定义为为第一采样时刻序列，为第二采样时刻序列；表示与连边(j，i)关联的采样的智能体相对输出，y
i
为第i个智能体的自身输出。
[0037]优选地，所述第i个智能体的自身控制器的状态函数为：
[0038][0039]所述第i个智能体的自身控制器的输出函数为：
[0040][0041]其中，A、B和C为所述智能体动力学模型的参数矩阵；为控制协议第一增益矩阵，满足K＝
‑
B
T
P，其中为满足黎卡提本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，包括：确定多智能体系统的智能体动力学模型；确定多智能体系统的网络拓扑模型；根据所述智能体动力学模型和所述网络拓扑模型，确定分布式协同控制协议；根据所述网络拓扑模型和所述分布式协同控制协议，确定异步时间触发机制；根据所述网络拓扑模型和所述分布式协同控制协议，确定分布式事件触发机制；根据所述分布式协同控制协议、所述异步时间触发机制和所述分布式事件触发机制，自身控制器间歇性、异步、分布式地更新采样的智能体相对输出和采样的邻居控制器状态，实时计算出所述智能体的自身输入，使多智能体系统实现协同。2.根据权利要求1所述的一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，所述多智能体系统的智能体动力学模型，包括：所述多智能体系统包括N个智能体，第i个智能体的动力学模型为所述多智能体系统包括N个智能体，第i个智能体的动力学模型为其中第一个方程为第i个智能体的状态方程，第二个方程为第i个智能体的输出方程；和分别为第i个智能体的状态函数和输出函数；为第i个智能体的自身状态，n
x
为状态维数，为x
i
(t)的时间导数；为第i个智能体的自身输入，n
u
为输入维数；为第i个智能体的自身输出，n
y
为输出维数；t表示时间变量。3.根据权利要求2所述的一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，所述第i个智能体的状态函数为：所述第i个智能体的输出函数为：其中和为第i个智能体的参数矩阵，由智能体自身的动力学特性决定。4.根据权利要求1所述的一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，所述网络拓扑模型包括节点、连边以及连边权重，其中：所述一个节点表示一个智能体；所述连边表示所述智能体之间存在的连接关系；所述连边权重表示经过所述连边传输的信息的权重；所述邻居智能体指在所述网络拓扑模型中与自身智能体存在连边的节点。5.根据权利要求4所述的一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，用图表示所述网络拓扑模型，用表示节点集合，其中N为智能体个数，表示连边集合，节点i的邻居集合表示为所述图的邻接矩阵定义为拉普拉斯矩阵定义为其中a
ij
≥0表示连边(i，j)的权重，矩阵以及
6.根据权利要求5所述的一种基于混杂时间/事件触发机制的多智能体协同控制方法，其特征在于，所述分布式协同控制协议为：其特征在于，所述分布式协同控制协议为：其中为第i个智能体的自身控制器的状态，n
...
【专利技术属性】
技术研发人员：李贤伟，邹媛媛，李少远，殷翔，李元龙，
申请(专利权)人：上海交通大学，
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。