具有方向约束的多智能体系统的反一致性研究

研究了具有方向约束的多智能体系统的反一致性问题.首先假设系统中智能体在一维空间服从单向运动.针对一阶积分器模型,给出了一类反一致性协议的设计方法,系统中所有智能体仅仅通过观测其邻近智能体位置状态,自主分布式的决策和协调控制输入,实现了系统中智能体最终静止并在空间中分散,智能体最终状态满足反一致性要求.针对二阶积分器模型,设计了一类包含自身速度测量的反一致性协议,在设计的控制输入下,实现了二阶多智能体系统避碰并最终达到反一致性状态.最后,将系统从一维空间推广到N维空间.假设多智能体系统在N维空间的第k个坐标轴方向受方向约束,针对一阶积分器模型和二阶积分器模型,给出了一类反一致性协议设计方法.在设计的控制输入下,实现了系统在N维空间最终达到反一致状态.最后,采用Python语言,利用数值仿真例子校验了理论结果的正确性.     

基于多模态滑模的快速非奇异终端滑模控制

根据多模态滑模概念,提出了一种快速非奇异终端滑模控制方法(FNTSM,Fast Nonsingular Terminal Sliding Mode),实现了非奇异终端滑模控制的全局快速收敛.多模态滑模通过设计分段切换函数,实现多个滑动模态.FNTSM的切换函数由线性滑模的切换函数和非奇异终端滑模的切换函数连接而成.当系统状态远离平衡点时,系统运行于线性滑动模态;当系统状态靠近平衡点时,系统运行于非奇异终端滑动模态.设计了切换型控制律,保证了系统的到达时间和滑动时间都是有限的.数值仿真表明:FNTSM控制与非奇异终端滑模控制、线性滑模控制相比具有快速性优点.      

固定时间收敛的三维制导控制一体化设计

针对终端角度约束、状态约束和控制受限问题,在三维空间内,提出一种固定时间收敛的导弹制导控制一体化设计方法。构建了带终端角度约束的制导控制系统三通道全耦合设计模型,采用固定时间收敛的滑模干扰观测器对一体化设计模型中的未知干扰进行估计和补偿。基于固定时间稳定性理论、终端滑模控制和反演控制方法等对制导控制系统进行一体化设计,并采用二阶指令滤波器对系统状态及控制指令进行约束。对所提方法的固定时间收敛特性进行证明,并给出具体的收敛时间表达式。通过导弹六自由度仿真,验证了所提方法的有效性和优越性。     

基于固定时间的二阶智能体分布式优化算法

对有界扰动下二阶多智能系统的分布式凸优化问题进行了研究。分布式优化问题旨在通过智能体间信息交互实现全局成本函数一致最优。基于固定时间理论，提出一种在固定时间内收敛到最优解的算法。为防止智能体泄露局部成本函数的梯度信息，当邻居成本函数二阶导差值有界时，通过平均一致性在固定时间内利用跟踪技术实现平均梯度信息获取。设计一种自适应算法以避免上述全局信息的假设。进一步地，引入符号函数项实现算法对智能体外部有界扰动的自适应抑制。最后给出收敛性证明和仿真案例。     

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题，提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束，建立集群的动态交互图，通过引入二维网格状态特征编码的方法，构建维度不变的智能体观测空间；采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构，分别设计策略网络和价值网络的状态空间和动作空间，定义收益函数；构建编队集结仿真环境，经过训练，所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中，均能成功实现快速集结，其灵活性和鲁棒性得到验证。     

A multi-satellite co-tracking method for a single space target based on adaptive distributed spherical simplex information-weighted consensus filter

A multi-satellite co-tracking method for a single non-cooperative target is proposed to extend the arc of observation as well as to improve the accuracy of tracking. Firstly, the motion of the target is considered to be affected by J2 perturbation, and the model of multi-satellite co-tracking a single space target is designed with only measured angles. Then, a multi-satellite co-tracking method for a single space target based on an adaptive distributed spherical simplex information-weighted consensus filter (ADSSICF) is proposed. The spherical simplex is used to reduce the computational cost of the information filter, and to improve the efficiency of tracking. The angle-only measurement equation is linearized by the statistical linear regression method, and linearization errors are compensated for by updating measurement noise. By designing an adaptive consensus algorithm, only a small number of iterations are needed to achieve network consensus, to improve the convergence speed of the consensus algorithm, and prove the stability of ADSSICF. Finally, a simulation of four low-orbit satellites tracking a single space target is established. The focus of this paper is on the real-time performance and tracking accuracy of the multi-satellite co-tracking a single space target with angle-only based on ADSSICF. The performance of ADSSICF is verified from three indicators: the consensus and convergence of algorithm, the accuracy of state estimation.     

仿射非线性系统的二阶滑模控制律研究

分析现有滑模控制算法特别是二阶滑模控制算法在抑制抖动和鲁棒性等方面所存在的问题,以仿射非线性系统为对象,针对近似时间最优的二阶滑模控制律收敛速度慢和抖振较大的问题,提出改进控制算法,通过设计适当的约束条件和修正滑模趋近加速度,提高了二阶滑模的响应速度,并在不损失鲁棒性的前提下削弱了抖振的频率和幅度.以单摆模型为例,分别对该算法和二阶Lyapunov函数法以及一阶指数趋近法进行仿真研究,仿真结果表明该算法适用于具有不确定性的非线性系统,并在削抖和快速响应方面具有相对优势.     

带攻击角度约束的自适应终端滑模导引律

针对某些导弹在对目标进行打击时需要满足零脱靶量和攻击角度约束的要求,首先基于终端滑模控制和有限时间控制理论,改进了一种快速收敛的非奇异终端滑模函数,用于设计滑模面,结合自适应指数趋近律,提出了一种自适应非奇异终端滑模控制方法,解决了传统终端滑模控制中存在的奇异问题,并使状态变量在有限时间内快速收敛到平衡点。然后将所提方法用于导引律的设计,提出了一种带攻击角度约束的自适应非奇异和有限时间收敛导引律,实现了导弹对脱靶量和攻击角度约束的要求;采用有限时间控制理论对该导引律的收敛特性进行了分析,证明了制导系统状态的全局有限时间快速收敛特性。与传统的非奇异终端滑模导引律相比,本文所提导引律能够在更短的时间内以更小的脱靶量和更高精度的攻击角度对目标实施打击。最后进行了大量的对比仿真实验,仿真结果验证了所提导引律的有效性。      

高动态电动伺服系统多模复合控制技术

针对未知扰动下电动伺服系统高动态响应与高精度控制难题,在建立电动伺服系统特征模型基础上,提出一种基于时间最优控制与滑模控制结合的多模复合控制算法。该方法通过开展基于电动伺服系统精准动力学模型与环境特性的特征建模分析,详细阐述了时间最优控制算法与滑模控制算法的设计方法及其适用区间,并进行系统仿真验证。仿真结果表明：本文提出的多模复合控制算法能有效提升电动伺服系统动态响应速度与稳态精度,实现了未知扰动下高动态高可靠地稳定运行。     

Decentralized formation pose estimation for spacecraft swarms

For spacecraft swarms, the multi-agent localization algorithm must scale well with the number of spacecraft and adapt to time-varying communication and relative sensing networks. In this paper, we present a decentralized, scalable algorithm for swarm localization, called the Decentralized Pose Estimation (DPE) algorithm. The DPE considers both communication and relative sensing graphs and defines an observable local formation. Each spacecraft jointly localizes its local subset of spacecraft using direct and communicated measurements. Since the algorithm is local, the algorithm complexity does not grow with the number of spacecraft in the swarm. As part of the DPE, we present the Swarm Reference Frame Estimation (SRFE) algorithm, a distributed consensus algorithm to co-estimate a common Local-Vertical, Local-Horizontal (LVLH) frame. The DPE combined with the SRFE provides a scalable, fully-decentralized navigation solution that can be used for swarm control and motion planning. Numerical simulations and experiments using Caltech’s robotic spacecraft simulators are presented to validate the effectiveness and scalability of the DPE algorithm.     

二阶多智能体系统自抗扰编队跟踪与避撞控制

在多智能体编队的目标跟踪任务中,智能体受环境中的障碍物的遮挡作用会丢失目标,而外部扰动会影响系统的时变编队跟踪的控制效果。为此,研究了这两种因素同时存在情况下的二阶多智能体系统时变编队跟踪和避撞控制。采用基于目标跟踪优先级的切换拓扑控制策略以实现在障碍物遮挡环境中对目标的持续跟踪,根据自抗扰理论设计包含扰动补偿项的编队跟踪控制器。首先,基于一致性方法提出切换拓扑下自抗扰时变编队跟踪控制协议,并给出一种基于跟踪微分器的编队指令生成方法;其次,设计了求解控制参数的算法并给出协议作用下系统的稳定性分析和证明;然后,基于人工势场法设计避撞控制协议;最后,提出障碍物遮挡环境下自抗扰时变编队跟踪控制协议。仿真实验结果表明:所设计的控制协议在上述两种因素存在时仍具有良好的控制效果。      

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

基于事件触发的多机编队目标跟踪控制

为解决多机编队目标跟踪过程中存在的机间通信和控制更新频繁的问题，提出了一种具有事件触发机制的多机编队目标跟踪控制算法。首先，给出了一种具有事件触发策略的编队队形描述与目标跟踪一体化算法，简化了算法设计的复杂度，并使触发机制的工作过程更加直观；其次，给出了分布式目标跟踪控制律，并仅利用状态估计信息设计了事件触发函数，使无人机间通信与控制更新问题转换为判别触发函数的取值问题，同时设计了最小触发间隔系数，避免了可能存在的"Zeno行为"；最后，以编队不同的运动模式对算法进行了仿真验证。研究结果表明:所提算法能使无人机编队在机间通信与控制更新次数明显减少的情况下跟踪上目标。      

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

Adaptive neural network control of nonlinear systems with unknown dynamics

In this study, an adaptive neural network control approach is proposed to achieve accurate and robust control of nonlinear systems with unknown dynamics, wherein the neural network is innovatively used to learn the inverse problem of system dynamics with guaranteed convergence. This study focuses on the following three contributions. First, the considered system is transformed into a multi-integrator system using an input–output linearization technique, and an extended state observation technique is used to identify the transformed states. Second, an iterative control learning algorithm is proposed to achieve the neural network training, and stability analysis is given to prove that the network’s predictions converge to ideal control inputs with guaranteed convergence. Third, an adaptive neural network controller is developed by combining the trained network and a proportional-integral controller, and the long-standing challenge of model-based methods for control determination of unknown dynamics is resolved. Simulation results of a virtual control mission and an aerospace altitude tracking mission are provided to substantiate the effectiveness of the proposed techniques and illustrate the adaptability and robustness of the proposed controller.