【技术实现步骤摘要】
本专利技术属于复杂多智能体系统的控制，尤其涉及一种初态学习的多智能体分数阶线性系统p-型迭代学习控制－λ范数控制方法。
技术介绍
1、当面对复杂多智能体例如智能车辆集群、分布式无线传感网络、机器人等协同控制问题时，多智能体系统的渐近一致性问题是基本研究问题。初态学习的多智能体分数阶微积分系统在大量的研究中体现出更好的记忆特性和遗传特性。随着信息科学技术的发展，智能体产生了更多的表现形式，智能体本身也变得更为复杂，因此在多智能体系统协同控制上提出了许多新问题，其中初态学习的多智能体分数阶线性系统具有适用性广和良好稳定性成为了重点研究对象。国内外学者对智能体系统的追踪控制进行了大量的研究，而智能体系控制的渐进一致性问题是多数研究中主要关心的问题，即系统中的多个状态逐渐变得统一，但是这在重复性的运动和生产过程中是无法满足的。
2、迭代学习控制是对具有重复性运动的系统的一种控制算法，它运用系统过去时态的控制数据信息，通过在线迭代寻找合适控制输入，能够得到精确的控制效果。初态学习的多智能体分数阶线性系统具有很好的记忆功能和遗传特性，将分数阶微积分与迭代学习控制相结合，由此将可设计出一种可行的控制方法。
技术实现思路
1、针对现有技术中存在的不足，本专利技术提供一种多智能体分数阶线性系统p-型迭代学习控制方法。
2、当下多智能体分数阶线性系统当存在系统参数的不确定性或外部扰动时，分数阶系统的收敛性可能受到更大的影响，需要更鲁棒的控制策略。p-型迭代学习控制结合λ范数控制
3、本专利技术的目的是设计一个基于分数阶迭代的带领导者的多智能体系统。并且分析证明多智能体的收敛性，推导收敛条件。因为收敛条件可以确保随着迭代次数的增加，所有的跟踪误差逐渐减小到足够小的值。
4、是为实现上述目的，本专利技术采用技术方案如下：
5、一种多智能体分数阶线性系统p-型迭代学习控制方法，包括步骤如下：
6、s1：将分数阶多智能体协调追踪的控制问题转化为追踪误差在一定时间段内的稳定性控制问题；
7、s2：设计具有初始状态学习能力的p型迭代学习控制器；
8、s3：对跟踪误差在一定区间内的收敛性进行证明。
9、进一步的，s1具体方法如下：
10、一个具有分数阶虚拟领导者和n个分数阶智能体的分数阶多智能体系统，虚拟领导者的动态方程如下：
11、
12、每个智能体的动态方程如下：
13、
14、其中t∈[0,t]表示变量t在0到t之间取值，k为迭代次数，xi,k(t)∈rm为第i个智能体的状态，ui,k(t)∈rm1为控制输入，yi,k(t)∈rm2为输出，m、m1、m2分别表示状态、输入、输出矩阵r的维数，a,b,c是具有兼容尺寸的常数矩阵，dαxi,k(t)是xi,k(t)∈rm的α阶导数。当t≤0时，xi,k(t)＝0。
15、为了收敛分析的方便，将智能体的动态方程写成紧凑式：
16、
17、其中in∈rn×n是单位矩阵；是kronecker积。
18、本方案的目标是通过迭代运行，最终寻找到各智能体的合适的控制输入，使各智能体的运行轨迹在有限时间[0,t]内与期望轨迹y0,d(t)一致。定义追踪误差如下：
19、ei,k(t)＝y0,d(t)-yi,k(t)
20、eij,k(t)＝yi,k(t)-yj,k(t),j∈ni
21、其中ei,k(t)和eij,k(t)表示第k次迭代时第i个智能体分别与虚拟领导者和其邻居之间的误差。ni表示除第i个智能体外的n-1个分数阶智能体集合。
22、进一步的，分数阶p型迭代学习控制器设计如下：
23、
24、其中φ∈rm1×m2学习增益矩阵。
25、为了使系统在任意初始状态下能够收敛，对系统的初始状态设计如下迭代学习律：
26、
27、其中l、s为反馈增益矩阵。
28、进一步的，s3具体方法如下：
29、控制器的紧凑式可写为：
30、
31、其中
32、定义1：相量函数f(t)的范数λ定义如下：
33、
34、其中||·||可以是任何通用相量范数，推出下式：
35、
36、假设1：yi,k(t),i＝1,2,…n的α阶输出，期望输出为在区间[0,t]存在yi,d(t)＝y0,d(t)且控制输入满足：
37、
38、假设2：系统的期望输出yd(t)不随着迭代次数增加而改变。
39、收敛性分析如下，首先假设：
40、
41、根据定义1和假设1和假设2最后推出跟踪误差的收敛性。
42、本专利技术有益效果如下：
43、本专利技术相对于现有迭代控制方法，p-型迭代学习控制结合λ范数的控制方法不仅可以加速系统的收敛过程，还可以充分利用分数阶系统的特性帮助系统优化性能指标。
本文档来自技高网...【技术保护点】
1.一种多智能体分数阶线性系统P-型迭代学习控制方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种多智能体分数阶线性系统P-型迭代学习控制方法，其特征在于，S1具体方法如下：
3.根据权利要求2所述的一种多智能体分数阶线性系统P-型迭代学习控制方法，其特征在于，分数阶P型迭代学习控制器设计如下：
4.根据权利要求3所述的一种多智能体分数阶线性系统P-型迭代学习控制方法，其特征在于，S3具体方法如下：
【技术特征摘要】
1.一种多智能体分数阶线性系统p-型迭代学习控制方法，其特征在于，包括步骤如下：
2.根据权利要求1所述的一种多智能体分数阶线性系统p-型迭代学习控制方法，其特征在于，s1具体方法如下：
3.根据权利要...
【专利技术属性】
技术研发人员：吕帅帅，罗成玺，于海滨，蔡文郁，史剑光，彭时林，潘勉，
申请(专利权)人：杭州电子科技大学，
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。