[发明专利]一种基于自适应动态规划的分布式最优协同容错控制方法

权利要求书

1.一种基于自适应动态规划的分布式最优协同容错控制方法，其特征在于，包括以下步骤：

(1)基于图论,通过智能体之间的通讯链接,构建多智能体系统的通讯拓扑；

(2)基于一致性理论，建立局部领域一致性误差方程；

(3)推导无故障情况下的分布式最优协同控制律；

(4)执行分布式最优协同控制律；

(5)推导分布式最优协同容错控制律；

所述步骤(2)包括以下步骤：

(21)用以下仿射非线性动力学描述非线性多智能体系统中跟随节点的模型：

其中，表示智能体v_i的状态向量，表示x_i(t)对时间的一阶导数，表示智能体v_i的控制输入向量，分别为智能体v_i的系统状态函数和输入函数，表示智能体v_i的未知执行器故障，代表列向量，上标n表示维数，表示n×m维矩阵；

(22)定义智能体v_i的局部领域一致性误差为e_i：

将式(2)对时间求导得到：

其中，代表一致性误差e_i对时间的一阶导数，矩阵元素为节点v_i的入度，

步骤(3)所述分布式最优协同控制律为：

其中，上标*表示变量的最优值，上标-1表示求逆运算，上标T表示对矩阵求转置，R_ii0为预先设定的正定对称矩阵，代表性能指标函数J_i(e_i)对一致性误差e_i的偏导数；

所述步骤(4)包括以下步骤：

(41)根据神经网络逼近方法，设计评价网络近似智能体v_i的最优性能指标函数

其中，表示的近似形式，为评价网络近似权值向量，σ_i(e_i)为评价网络激活函数向量；

(42)基于上式得到智能体v_i的近似分布式最优协同控制律为：

其中，R_ii0为预先设定的正定对称矩阵，为激活函数σ_i(e_i)对误差状态e_i的偏导数，即，设计更新律为：

其中，表示对时间的导数，λ_i表示权值学习率，F_1i和F_2i代表设计参数，神经网络输出误差Q_i(e_i)≥0是关于协同一致性误差e_i的半正定矩阵；

步骤(5)所述最优协同容错控制律为：

其中，为故障补偿，i＝1,...N，设计故障补偿更新率为：

其中，R_ii为预先设定的正定对称矩阵，为故障补偿对时间的导数，β表示故障补偿学习率。

2.根基权利要求1所述的一种基于自适应动态规划的分布式最优协同容错控制方法，其特征在于，所述步骤(1)包括以下步骤：

(11)用有向图表示多智能体系统的通讯拓扑：

G＝(V,E,A)

其中，V＝{v₀,v₁,v₂,...v_N}表示所有的智能体，v₀代表领导节点，v_i代表第i个跟随节点，i＝1,...N，E＝{(v_i,v_j):v_i,v_j∈V}表示跟随节点之间的通讯链接集合，E中元素(v_i,v_j)代表节点v_j能够直接获得节点v_i传递的信息，i,j＝1,...N，加权邻接矩阵如果(v_i,v_j)∈E，则a_ij＝1，反之，a_ij＝0；

(12)定义拉普拉斯矩阵：

其中，l_ij代表第i行第j列的矩阵元素，L的表达式为L＝D-A，为入度矩阵，矩阵元素为节点v_i的入度。