异构多智能体系统分组输出时变编队跟踪控制

空地协同控制是前沿的热点研究之一,以无人机、无人车为代表的空地智能体动力学模型的差异为研究带来了挑战。研究了高阶异构多智能体系统在有向拓扑条件下的分组输出时变编队跟踪控制问题,提出了虚拟领导者、分组领导者以及跟随者组成的三层协同控制架构。虚拟领导者用于规划整个多智能体系统的状态轨迹,分组领导者跟踪虚拟领导者所提供的轨迹信息,并相互协作以实现分组间的协同配合。跟随者跟踪分组领导者的输出并实现期望的输出编队。在有向通信拓扑结构条件下,基于局部邻居间的相对信息、观测器理论和滑模控制理论构造了控制协议,利用Lyapunov稳定性理论证明协议的有效性。数值仿真结果表明提出的方法能够实现无人机、无人车等异构智能体的空地协同,具有较好的工程应用价值。     

多智能体离散时间系统一致性研究

研究了无向连通图条件下带有输入延时的多智能体离散时间系统一致性问题,分析了多智能体系统一致性问题和离散时间系统稳定性之间的本质联系。利用广义Nyquist稳定性判定准则和矩阵特征值相关理论,推导出多智能体离散时间系统在信息交换拓扑为无向连通图且带有输入延时的条件下达到渐近一致的充分条件。仿真结果与理论分析相符,在无向连通图条件下,当输入延时小于或等于该充分条件给出的标准延时,多智能体系统可以达到渐进一致。     

有向切换拓扑下非线性多智能体系统的一致性控制

本文研究有向切换拓扑条件下无领导者的Lur'e型非线性多智能体系统的动态一致性问题.设计了基于协同邻居输出信息的观测器类型的动态一致性算法,可以保证在邻居状态信息未知情况下系统达到一致.利用Laplacian矩阵的特殊性质以及Laplacian矩阵的降维变型形式,提出了一种新的拓扑依赖的多重Lyapunov函数构建方法...     

基于分布式自适应的多智能体容错一致性控制

针对\"领航者-跟随者\"的多智能体编队,由于领航者系统出现故障引起编队通讯中断而不能完成任务的问题,提出了一种基于一致性理论的分布式自适应控制方法,用于解决该问题。首先,以一个位于顶点的智能体作为领航者,其余3个位于同一条线上的智能体作为跟随者,由此所构成的三角形编队作为被控对象。其中,领航者速度方向作为编队的前行方向,跟随者位于领航者之后。其次,基于图论,对智能体局部信息参数进行分布式自适应更新,并设计分布式自适应控制律,用于弥补多智能体编队中领航者故障所造成的影响。同时,根据相邻智能体的局部信息,设计整体分布式自适应容错控制律,进一步通过构建合理的Lyapunov函数,证明所设计控制器的稳定性,以及\"领航者-跟随者\"之间相对横向以及相对纵向的距离误差均收敛于固定常数。最后,仿真验证表明:所提出的自适应控制方法具有良好的鲁棒性,这也为工程实践提供了理论依据。     

执行器饱和的多智能体一致性控制

针对执行器饱和约束下的一类离散多智能体系统,设计了一种基于线性矩阵不等式的一致性控制律,并对线性矩阵不等式解的存在性进行了分析。由于饱和环节的影响,导致多智能体系统的一致性与个体的初始状态有关,不同的控制律所能允许的个体之间的初始偏差的范围不同。为了定量分析控制律所对应的初始偏差范围,引入吸引域的概念对所设计的控制律进行评估,并对控制律参数进行优化以扩大吸引域的范围。最后,通过数值仿真说明了所设计控制律的有效性。     

执行器饱和的多智能体一致性控制

针对执行器饱和约束下的一类离散多智能体系统,设计了一种基于线性矩阵不等式的一致性控制律,并对线性矩阵不等式解的存在性进行了分析。由于饱和环节的影响,导致多智能体系统的一致性与个体的初始状态有关,不同的控制律所能允许的个体之间的初始偏差的范围不同。为了定量分析控制律所对应的初始偏差范围,引入吸引域的概念对所设计的控制律进行评估,并对控制律参数进行优化以扩大吸引域的范围。最后,通过数值仿真说明了所设计控制律的有效性。     

基于强化学习的多智能体系统目标围捕控制

针对多智能体系统目标围捕问题,提出了基于强化学习的目标围捕控制方法。首先,对多智能体系统进行马尔可夫博弈建模,设计能够控制系统到期望围捕状态并满足避障要求的势能函数,将模型控制与强化学习原理结合,利用势能模型引导的改进多智能体强化学习算法进行围捕。其次,在已有势能模型的基础上建立跟踪围捕和环航围捕2种围捕策略。前者通过设计速度势能函数实现多智能体一致跟踪。后者加入虚拟环航点,设计虚拟环航点势能函数实现期望环航。最终,仿真验证了多智能体强化学习围捕控制策略的有效性。     

基于事件触发的异构多智能体最优包含控制

针对异构多智能体系统的输出包含控制问题,提出一种基于边的事件触发最优控制协议,保证所有跟随者的输出能进入到由领航者的输出所形成的凸包中。同时,使系统达到最优性能,最小化控制代价。考虑到不是所有的跟随者都可获得领航者的信息,提出一种基于边的分布式事件触发观测器,估计领航者输出形成的凸包内点的轨迹。设计加权代价函数评价包含控制的性能,并将输出包含问题转化为最优状态反馈控制设计问题。利用贝尔曼方程和黎卡提方程,给出异构多智能体系统最优输出包含控制的参数设计。选择不同类型的机器人构成多智能体系统,验证算法的有效性。     

基于相对方位信息和单间距测量的多智能体编队协同控制

由多个载体组成的多智能体系统对复杂环境具有更高的适应性,能够完成传统单个载体无法完成的任务。针对多智能体编队集结与队形移动跟踪问题,提出了一种改进的多智能体编队协同控制新算法。首先,以拒止环境下跟随智能体仅能通过光学传感器测量相对方位信息为任务背景,针对\"领导者——第一跟随者\"结构的多智能体编队,提出了基于相对方位信息与单间距测量的控制器,使得第一跟随者智能体可以追随移动的领导者智能体,并且可以通过改变与领导者智能体的间距对编队整体队形进行缩放控制。其次,提出一种了改进的分布式控制律,使得其他跟随者智能体可以仅通过两个相对方位信息完成编队飞行。然后,根据Lyapunov第二方法,构建了系统的能量函数,验证了所提出算法的稳定性。最后,通过数值仿真实验对所提算法进行了验证。仿真结果表明,基于该控制律多智能体系统能够完成编队集结、队形缩放和编队飞行的任务。     

Agent仿真中具有先验知识的混合学习算法与混合结构模型

强化学习是一种有效的机器学习方法,是无监督学习,通过不断地和环境交互得到外部环境评价信号,选择合适的动作。Q学习是一种典型的强化学习,其学习效率较低,尤其是当状态空间和决策空间较大时。为提高Q学习学习效率和收敛速度,采用具有先验知识的Q学习算法,利用模糊综合决策方法处理专家经验和环境信息得到Q学习的先验知识,对Q学习的初始状态进行优化;针对Agent个体学习与群体学习各自的不足,提出了采用混合学习算法,将个体学习与群体学习有效结合起来,提高了Agent的个体性能及系统整体的智能水平;同时为满足复杂适应性需求,采用Agent混合结构模型,在该模型中构造了基于知识的协调控制器,通过它来协调慎思式过程和反应式过程。     

多导弹系统协同攻击机动目标分布式制导律

基于增强型比例导引律和分布式网络同步理论,设计了一类攻击机动目标的多导弹系统分布式协同制导律。该制导律由各导弹本地制导律和分布式协同导引策略两部分组成:本地制导律为增强型比例导引律,进一步利用代数图论和非线性系统一致性理论,得到基于邻接个体信息交互的分布式协同制导律,实现多导弹对目标的同时协同攻击;该分布式协同制导律仅需视距内各相邻导弹间互相传输各自的状态信息,算法具有较低的通信代价和较好的可扩展性。最后给出了相关数值仿真算例,仿真结果验证了算法的有效性。     

结构动力系统的最优控制问题

由结构动力系统的微分方程建立起了动力系统控制的数学模型, 然后基于计算结构力学与最优控制的模拟关系, 用结构力学中的子结构消元法求解了Riccati方程, 从而确定了动力系统的最优控制律。数值例题说明了文中方法的有效性。      

异构多导弹系统自适应分布式协同制导

针对异构多导弹系统的分布式协同制导问题,在传统比例导引律的基础上设计出一类领航跟随分布式协同制导律。运用代数图论、分布式网络同步原理以及非线性系统一致性理论,领弹采用基于固定系数的比例导引律,从弹采用基于可变系数的参数自适应比例导引律。该领航-跟随分布式自适应协同制导律可使领弹和从弹实现对目标的同时攻击,且各相邻导弹间仅传输各自的可测状态信息,算法具有较低的通信代价和较好的可扩展性。最后给出了相关数值仿真算例,仿真结果验证了控制算法的有效性。     

基于自由权矩阵的时变时延线性群系统编队控制

研究了基于自由权矩阵方法的时变时延线性群系统编队控制问题。首先,基于一致性理论,设计了具有时变时延的线性群系统编队控制协议。其次,通过变量代换,将时延条件下的线性群系统编队控制问题转化为时延系统的镇定问题。构造Lyapunov-Krasovskii函数,并利用自由权矩阵方法对时延系统的镇定问题进行分析,得到了保守性较小的线性矩阵不等式（LMI）判据,并求解出时延上界和编队控制器增益。最后,通过仿真实验,验证了方法的有效性。