[发明专利]基于模糊逻辑系统的非线性多智能体的自适应控制方法及装置

说明书

本发明提供了一种基于模糊逻辑系统的非线性多智能体的自适应控制方法，该方法具体包括：构建各个智能体之间相互作用关系的拓扑结构图；以各个智能体为该拓扑结构图中的节点；使用模糊逻辑系统获取各个智能体未知的动力特性，其包括各个智能体未知的非线性动力特性及系统状态信息；通过反步法构建各阶子系统的李雅普诺夫函数，求其各阶虚拟控制信号和自适应律；构建各个智能体有限时间趋同的控制器和对应的自适应律。其针对实际系统中存在异构的非线性因素的情况，采用带有异构的未知非线性动力特性的多智能体系统，避免不能实现闭环系统在有限时间内收敛到相同状态的问题，确保在有限时间内达到趋同的一种效果。其采用分布式架构，控制方法简单。

技术领域

本发明涉及分布式控制领域，具体的涉及一种基于模糊逻辑系统的非线性多智能体的自适应控制方法及装置。

背景技术

多智能体系统(MASs)分布式协同由于其在多机器人编队、无人飞行器、智能电网等方面具有很多潜在的应用而广受研究。协同行为研究的关键点在于对分布式局部相互作用所引起的全局变化的分析和控制，其中，趋同控制即智能体通过在各自邻域内的局部相互作用来达到一致的目标状态，是协同控制的一个基本问题。趋同问题的研究往往分为两种策略，无领导趋同和领导跟踪趋同，领导跟踪趋同策略存在一个实际存在或者是虚拟的领导者来影响跟随者的行为；而对于无领导策略，智能体间的协调不只是依赖于一个单独个体，每个智能体都对整体的行为产生影响。这两种策略可以根据实际需要灵活选择。

关于多智能体系统趋同，当前已有许多有效的控制方案来实现。考虑到控制策略的实用性，趋同速度十分重要，快速的收敛才能达成实用的效果，而代数连通性可以量化一般的线性多智能体在特定的控制策略下的收敛时间。因此，为了获取更快的收敛速度，控制方法通常为设计带有更大代数连通性的相互作用拓扑。

目前人们提出了一种基于最优顶点位置配置的方法，该方法使用加权网络来量化任意两个相邻智能体之间的相互作用强度，并通过最大化相互作用图的代数连通度的函数，进而获取较好的趋同速率。之后发展出一种半正定凸规划技术来最大化代数连通度的方法。通过大量的数值模拟研究发现小世界网络下的智能体相互作用可以获得更大的代数连通度，进而可以实现较快的趋同。在调制线性多智能体系统收敛速度过程中也发现在自冶智能体分层网络中加入一个反向链路，其同步能力可以解析证明。但以上的方法都是通过选择相互作用拓扑特定的网络结构来实现更高的趋同速率，但更为重要的是更好效果的控制方法的设计。另外，尽管可以通过最大化相互作用图的拉普拉斯矩阵的代数连通度来提升趋同速率，但在实际的系统中往往需要系统达到全局趋同的时间是有限的，进而使系统获得快速的收敛速率、更好的鲁棒性和更好的抗干扰能力。

大多数已有的研究注重于多智能体系统的渐进趋同控制，通过考虑指标、收敛率设计了许多有效的一般线性多智能体控制方案，但渐进趋同控制并不能保证闭环系统在有限时间内收敛到相同状态。目前现有的有限时间趋同控制方法大多要求系统的动力学特性是线性的，或者是系统的非线性特性是可以线性化的。这样的条件在实际的系统中非常严苛，实际的系统中存在大量的非线性因素，甚至这些非线性因素是未知的或者存在异构的非线性子系统，因此大多数的已有方法不能够在实际的控制系统中使用。

为此，针对上述所述需求，设计一种方法/装置，用于解决实际系统中由于存在异构的非线性因素，从而导致渐进趋同控制并不能保证闭环系统在有限时间内收敛到相同状态的问题。成为一种迫切需求。因此，一种基于模糊逻辑系统和自适应方法的非线性异构严格反馈多智能体系统有限时间趋同的控制方法，具有很大挑战，但确实成为了目前技术人员的创新设计理念。

发明内容

为克服现有技术的缺陷，本发明的目的在于提供一种基于模糊逻辑系统的非线性多智能体的自适应控制方法及装置，其针对多智能体系统有限时间趋同技术，解决了现有技术中，由于实际系统中存在异构的非线性因素，从而导致渐进趋同控制并不能保证闭环系统在有限时间内收敛到相同状态的问题；实现了一组带有异构的未知非线性动力特性的多智能体系统在有限时间内达到趋同的一种效果。