[发明专利]观测器下的多智能体系统故障评估及容错一致性控制算法

摘要

本发明公开了一种基于观测器的多智能体系统故障上限评估以及容错一致性控制算法。通过构造一个合适的观测器提出了一种关于执行器故障因子的上限估计的自适应算法，这个算法的提出可以有效的对执行器故障因子的上限进行准确的估计。对于执行器故障带来的影响，通过利用智能体之间的相对状态信息和故障上限的评估值设计一种容错控制律，该容错控制律可以使得多智能体系统在故障和外界扰动同时作用下也能实现一致性目标，能有效的避免多智能体系统因执行器故障而导致的一致性目标任务不能完成的情况。本发明用于一类含有执行器故障和外界扰动的多智能体系统的一致性实现控制问题。

主权项

1.一种基于观测器的多智能体系统故障上限评估以及容错一致性控制算法，其特征在于：通过构造一个合适的观测器提出了一种关于执行器故障因子的上限估计的自适应算法，这个算法的提出可以有效的对执行器故障因子的上限进行准确的估计。对于执行器故障带来的影响，通过利用智能体之间的相对状态信息和故障上限的评估值设计一种容错控制律，该容错控制律可以使得多智能体系统在故障和外界扰动同时作用下也能实现一致性目标，能有效的避免多智能体系统因执行器故障而导致的一致性目标任务不能完成的情况。本发明用于一类含有执行器故障和外界扰动的多智能体系统的一致性实现控制问题，包括如下具体步骤：步骤1)确定算法所适应的多智能体系统模型参数，具体步骤可以分为以下几步：步骤1.1)确定带有外界扰动的第i个跟随智能体的状态空间模型如下式(1)所示：这里xi(t)∈Rm，yi(t)∈Rq，ui(t)∈Rp分别表示第i个跟随智能体的状态变量、输出变量以及输入变量。f(xi)∈Rm表示满足利普希茨连续条件的外界扰动，其中l是利普希茨常数。A，B，C，D均是具有适当维数的实数矩阵。对于发生故障的执行器模型，可以用下式(2)表示：这里ρ_i(t)表示执行器失效因子。为了方便算法设计，给定故障因子ρ_i(t)一个上限满足下面不等式(3)步骤1.2)确定带有外界扰动的领导智能体的状态空间模型如(4)所示：这里x₀(t)∈R^m，y₀(t)∈R^q，u₀(t)∈R^p分别表示领导智能体的状态变量、输出变量以及输入变量。并且，对于领航者的输入变量u₀(t)，满足这里是一个正的常数。步骤2)确定多智能体系统的通信拓扑结构：考虑到多智能体系统是由1个领导者和n个跟随者组成。因此，我们利用有向图去描述多智能体之间的通信连接关系。这里表示图中节点的集合。表示图中有向边的集合。对于跟随者之间的交流拓扑结构，我们用G＝{v，ε}来表示。让表示有向图G的权重矩阵。在这里如果智能体i能够收到来自智能体j的信息，那么a_ij＝1(i≠j)。否则，a_ij＝0。定义节点i的邻节点为N_i＝{j∈v|(i，j)∈ε，i≠j}。因此，图G的拉普拉斯矩阵L＝(l_ij)∈R^n×n被定义为l_ij＝‑a_ij，(j≠i)，我们用去代表领导者与跟随者之间的通讯交流关系，如果智能体i能够直接收到领导者的信息，那么d_i＞0，否则d_i＝0。步骤3)构造观测器以及设计故障上限估计的自适应律，具体步骤如下：步骤3.1)首先为每个跟随智能体构造如式(5)所示的状态观测器。这里和分别表示系统的状态变量x_i(t)和输出变量y_i(t)的估计值。矩阵E是后来将被设计的观测器矩阵。定义和分别表示状态估计误差和输出估计误差。我们让以及作为ξ_i的估计值。步骤3.2)设计执行器故障上限平方的自适应变化率如式(6)所示：这里εi和ηi均是正的常数并且在后来的步骤中将被设计。因此，根据式(1)和式(5)，我们可以得到状态估计误差的动态方程如下：对于故障上限平方的估计误差的动态方程存在以下关系：步骤3.3)存在正定实矩阵P和具有合适维数的矩阵K，以及一个正数ε满足下面的不等式关系E＝P‑1K  (9)则系统状态估计误差以及故障上限平方估计误差在自适应律式(6)下最终一致有界。即以及其中ε＝max{ε_i}，(i＝1，...，n)。因为α_i和β_i均是可调参数，所以我们可以将估计误差调整到极小的值。步骤4)设计容错控制算法，具体步骤可以分为以下几部分：步骤4.1)我们为第i个跟随智能体定义相对输出误差信息如下：让e_i＝x_i‑x₀，我们可以得到式(11)的简洁形式如下所示步骤4.2)根据MATLAB中的LMI工具箱计算正定矩阵M满足下面不等式其中λ_max(·)表示一个矩阵的最大特征值。步骤4.3)计算矩阵R满足RC＝‑BTM。步骤4.4)选取正数则为每个跟随者智能体设计如式(14)所示的容错一致性控制算法。其中通过理论推导可以得到(1)和(4)组成的多智能体系统在容错控制律(14)下能够实现执行器故障情况下的一致性。