《电子技术应用》
您所在的位置:首页 > 模拟设计 > 设计应用 > 基于障碍Lyapunov函数的多智能体系统误差约束同步
基于障碍Lyapunov函数的多智能体系统误差约束同步
《信息技术与网络安全》2020年第6期
吴慕兰
中国科学技术大学 自动化系,安徽 合肥230026
摘要: 带误差约束的多智能体同步除了要求多智能体的状态同步以外,同时还要求同步误差受给定的界约束。针对期望实现误差约束的未知非线性领航-追随者多智能体系统,提出了一种分布式神经自适应同步控制方法。首先利用神经网络近似智能体动力学方程中的未知非线性项,提出了一种新的分布式障碍Lyapunov函数来限制同步误差,然后根据所提出的障碍Lyapunov函数,通过稳定性分析推导出分布式自适应控制律。最后给出了一个仿真实例,验证了利用所提出的控制律可以实现同步误差约束。
中图分类号: TP273
文献标识码: A
DOI: 10.19358/j.issn.2096-5133.2020.06.014
引用格式: 吴慕兰. 基于障碍Lyapunov函数的多智能体系统误差约束同步[J].信息技术与网络安全,2020,39(6):73-79.

Synchronization of multi-agent systems with error constraints based on barrier Lyapunov function
Wu Mulan
Department of Automation,University of Science and Technology of China,Hefei 230026,China
Abstract: Synchronization of multi-agent systems with error constraints requires that the states of agents synchronize, meanwhile the synchronization error is required to be confined by a predefined bound. This paper proposes a distributed neuro-adaptive control for synchronization of the leader-follower multi-agent systems with error constraints, where both the leader and the followers are governed by unknown nonlinear dynamics. To solve the problem of synchronization error constraints, neural networks are employed to approximate the unknown nonlinearities of the system dynamics, and a novel distributed barrier Lyapunov function (DBLF) is developed to confine the synchronization errors. Then distributed neuro-adaptive control protocols are derived based on the Lyapunov stability analysis, in which the Lyapunov function is defined in terms of the proposed DBLF. A simulation example is finally provided to verify that the synchronization error constraints can be realized by employing the proposed control protocols.
Key words : multi-agent systems;synchronization error constraints;adaptive control;neural network;barrier Lyapunov function

近年来,多智能体系统由于在编队控制、无线传感器、机器人协作装备等领域的广泛应用而受到越来越多的关注。作为多智能体系统研究中的基础问题,同步指所有智能体在某些变量例如位置或速度上达到一致的动态过程。目前存在的有关同步问题的工作主要分为两类:一类是无领航者的同步问题[1],一类是领航-追随者同步问题[2],并且其中大多数工作是关于线性系统的。但是在实际情况中系统不可避免地会出现各种非线性和不确定性项,因此未知非线性多智能体系统的同步已成为一个研究的热点。

由于神经网络方法[3-4]具有可以从样本集学习复杂映射的能力,其可以在线学习对未知非线性动力学系统的识别。基于神经网络固有的非线性逼近能力和内在的自适应学习特征,原始的控制问题常常可以转化为神经网络自适应控制问题[5-6]。这类控制策略能保证系统的一致性误差最终可以稳定在一个较小的界内,其大小取决于模型中的一些显式参数和未知但有界的项,然而并没有系统的方法去计算这些上界,因此无法去准确地评估最终的稳定状态性能。同时,不确定性使得控制过程中误差的收敛速度也难以准确地评估。实际控制过程中,希望系统在各项参数设计好后满足给定的稳态性能和瞬态性能,即系统的误差最终收敛到给定的较小的界内,同时收敛的速度不小于给定的值。KATSOUKIS T等通过使用预设性能控制的方法来实现这一同步误差约束[7],其最终目标是使得每个智能体的同步误差严格地在预设区域内演化。关键思想是通过转换后的同步误差将每个智能体的约束误差放宽为不受约束的误差,但是转换后的误差会增加需要处理的变量的数量且控制效果不稳定。

本文采用障碍Lyapunov函数方法[8]解决误差约束问题从而避免引入转换误差,设计了新的分布式障碍Lyapunov用以研究多智能体系统问题,实验结果表明同步误差能够被严格限制在预设范围内演化。



本文详细内容请下载http://www.chinaaet.com/resource/share/2000003206

作者信息:

吴慕兰

(中国科学技术大学 自动化系,安徽 合肥230026)


此内容为AET网站原创,未经授权禁止转载。