[发明专利]一种多智能体轨迹更新迭代学习的点到点跟踪控制方法

说明书

本发明公开了一种多智能体轨迹更新迭代学习的点到点跟踪控制方法，属于控制技术领域。所述方法包括：先构建异构离散多智能体系统的数学模型，将期望位置点看成是由虚拟的领导者生成的，根据多智能体系统的通信拓扑结构确定以领导者为根节点的生成树结构；其次，根据期望点设计一种目标轨迹更新方法，通过更新目标轨迹使得新目标轨迹收敛到系统输出；最后，为跟随者智能体设计基于目标轨迹更新的P型迭代学习方法，实现多智能体系统对期望点完全跟踪。本发明通过上述方法，解决了异构多智能体系统的点到点跟踪控制问题，且系统输出跟踪上新目标轨迹的速度比跟踪固定目标轨迹的速度要快，从而使智能体完成对期望点的跟踪。

技术领域

本发明涉及一种利用基于目标轨迹更新的迭代学习方法解决异构多智能体系统点到点跟踪控制问题，属于控制技术领域。

背景技术

近几十年，随着人工智能、工业技术不断发展，出现了很多规模庞大、结构复杂的控制系统，必须由多个子系统相互通信、合作完成宏观的任务。智能体之间的协调与合作将大大提高个体行为的智能化程度，更好地完成很多单个个体无法完成的工作。时至今日，多智能体协调控制技术已在传感器网络、机器人、交通信号控制等领域得到广泛应用。在实际工业生产中，许多被控系统都是在有限区间上执行重复运动任务，例如指令信号为周期函数的伺服系统、协同绕地球做周期运动的卫星、生产线上完成焊接、搬运等重复性任务的机械臂等。考虑到设备运行过程中产生的磨损以及老化原因，被控系统一般很难得到精准的系统模型，并且对于这类在有限区间上执行重复运动任务的多智能体系统，需要系统输出在整个作业区间上实现对期望轨迹的零误差跟踪。为实现具有重复运动性质的多智能体系统在整个作业区间上对期望轨迹的精准跟踪，迭代学习的思想被引用到多智能体系统的一致性跟踪控制问题中。

在基于迭代学习的多智能体系统一致性的研究中，通常要求系统输出能在整个作业区间上实现全轨迹跟踪。然而，在自动化协调控制生产过程中，系统输出只需要实现在特定时间点跟踪上期望位置点，比如机械臂在执行抓取和放置物件的时候只需要考虑抓取和放置物件时间点上的输出，不需要多加考虑其它时间点上的输出。并且对于一些复杂的工艺流程，由于设备的局限性，数据是无法全部检测出来的，完成对全部数据点的跟踪是有困难的，只能实现对某些可检测出来的位置点进行跟踪。因此，对特定点进行跟踪控制具有重大的研究价值。

当前，关于点到点的跟踪控制研究已经引起了一些学者的关注。实现点到点的跟踪控制的常规方法通常是设计一个通过期望位置点的任意轨迹，从而将点到点的跟踪控制问题转换成对固定目标轨迹的全轨迹跟踪控制问题。对固定目标轨迹的全轨迹跟踪控制是解决点到点的跟踪控制问题的比较简单的方法，但此方法跟踪性能的好坏会与经过期望位置点的固定目标轨迹的选取有关，而选取最优的固定目标轨迹则需要一定的先验知识，这对实现点到点的跟踪控制问题是有一定的局限性的。除此之外，该方法并不能充分利用其它时间点的自由度去解决点到点的跟踪控制问题。为了弥补固定轨迹的点到点跟踪控制方法的不足，有一些学者提出了基于目标轨迹更新的控制方法去解决系统的点到点跟踪控制问题。Son T D,Ahn H S,Moore K L.(Iterative learning control in optimaltracking problems with specified data points.Automatica,2013)利用上一次迭代的目标轨迹与系统输出轨迹的跟踪误差得到当前迭代时的目标轨迹，从而建立起目标轨迹更新函数。安通鉴,刘祥官.(目标轨迹更新的点到点鲁棒迭代学习控制.浙江大学学报,2015)借助插值法提出一种基于目标轨迹更新的迭代学习方法去解决具有初始扰动的点到点跟踪问题，并得出了该算法比固定轨迹的点到点跟踪控制算法的跟踪性能要好的结论。陶洪峰，董晓齐，杨慧中.(参考轨迹更新的点到点迭代学习控制算法优化及应用.控制理论与应用,2016)在目标轨迹更新的迭代学习算法的基础上，引入范数优化去提高算法的跟踪精度和快速性，并分析了系统在无扰动和非重复扰动的收敛性和鲁棒性。当前，关于单个系统的点到点的跟踪控制研究已经引起了一些学者的关注。而针对由多个协同合作的智能体构成的多智能体系统，如何利用迭代学习方法去解决多智能体系统的点到点跟踪控制问题是当前控制领域的一个难题。

发明内容