并联DC-DC变换器系统的固定时间分布式协同控制

针对负载为超级电容的并联DC-DC变换器系统,为了在固定时间内实现电流输出均衡目标,提出固定时间分布式协同控制方法.将耦合子系统之间的通信拓扑,利用无向图进行刻画.借助输入输出反馈线性化技术,将并联DC-DC变换器系统的电流均衡控制设计难题转化为固定时间内一阶多智能体系统的一致性跟踪问题.借助符号函数、拉普拉斯矩阵、牵制增益矩阵,基于最近邻原则,设计参数可调的固定时间电流均衡分布式协同控制律.利用李亚谱诺夫函数严格证明整个闭环系统的稳定性,并推导出收敛时间的上界.所提出的固定时间电流均衡分布式协同控制方法,可以克服有限时间协同控制方法对初始状态依赖性强的缺点,同时改善了系统的收敛性.借助仿真,验证了所提出方法的有效性和可行性.     

一种有源钳位反激式超级电容均压方法

串联超级电容组中单体间的电压不均衡会造成超级电容使用寿命缩短以及系统能效降低。针对传统反激式电压均衡电路开关管电压应力大、功率损耗大等问题,介绍了一种基于有源钳位的反激变换器串联超级电容储能组高效电压均衡方法。有源钳位电路实现了零电压开关,大大降低了功率损耗。分析了电路电压均衡原理及均压实现方法。对3个超级电容单体串联组成的串联储能系统进行了仿真和试验验证,结果证明了该电压均衡方法的可行性及有效性。     

具有执行器故障的不确定多智能体系统自适应动态面控制

本文研究了一类具有输入量化、未建模动态和执行器故障的非线性多智能体系统的一致跟踪问题.引入一个可量测的动态信号消除未建模动态对系统的影响.利用Young’s不等式和高斯函数的性质,有效地处理了多智能体邻居节点在设计的第一步中对子系统的耦合作用.通过将滞回量化器表示为具有有界系数和有界扰动的输入线性函数,并利用动态面控制方法,提出一种自适应神经网络动态面控制方案,简化了控制器的设计,保证了闭环系统的所有信号都是半全局一致终结有界的,所有跟随者都能实现期望的一致性.最后,仿真结果验证了所提出的自适应控制策略的有效性.     

切换拓扑下非线性多智能体系统自适应神经网络一致性

本文研究一类具有未知控制系数的非线性多智能体系统自适应神经网络分布式控制策略.首先,针对切换拓扑下具有未知控制系数的非线性多智能体系统一致性问题,提出一类自适应神经网络一致性控制算法.其中,采用神经网络函数逼近方法解决系统中的不确定性问题,并设计一项自适应光滑项处理有界扰动和神经网络函数逼近误差.随后,证明了切换拓扑下具有未知控制系数的非线性多智能体系统的一致性,并保证了闭环系统的有界性.此外,本文把相关的一致性算法扩展到了一般有向图含有一个有向生成树的情形.最后,通过仿真实例验证了本文所提算法的有效性.     

基于自调节有限时间预设性能函数的多智能体系统动态面状态约束量化控制

针对一类非线性多智能体系统,构建一种基于自调节有限时间预设性能函数的动态面状态约束量化控制策略.所提出控制方法的主要特点为:1)将自调节有限时间预设性能函数与屏障Lyapunov函数相结合对多智能体系统的状态进行约束,使得构建出的约束函数能够根据系统当前跟踪误差自行调节自身参数而无需人为干预; 2)通过使用动态面控制方法,避免传统反步控制方法的“微分爆炸”现象,并设计滤波补偿函数消除因引入动态面方法而产生的滤波误差和信号振荡的问题; 3)使用RBF神经网络逼近系统中未知非线性的同时,引入量化器以减轻系统的通讯负担,且所构建量化控制方法仅需量化器具有扇形有界性质即可.稳定性分析表明,闭环系统内所有信号均为半全局一致有界的.仿真环节验证了所提出控制策略的有效性.     

具有规定性能的多智能体动态事件触发编队控制

针对多智能体系统编队控制过程中面临的性能约束、输入饱和、通信资源受限等问题,研究一类具有规定性能的高阶非仿射多智能体系统编队控制问题,提出一种有限时间动态事件触发编队控制策略。首先利用反步法设计控制律,并引入微分跟踪技术解决“计算爆炸”问题,有效避免对复杂虚拟控制律的求导过程;其次采用模糊逻辑系统估计系统内部的不确定性,通过设计性能函数和饱和补偿系统使得多智能体满足规定瞬态性能并防止输入饱和所带来的影响;随后为了解决通信资源受限的问题,构造一个具有动态阈值的自适应事件触发协议,有效减少控制器与执行器之间的通信量;最后利用李雅普诺夫稳定性理论分析闭环系统的稳定性,保证编队误差将渐近收敛至0且系统中所有信号均有界。采用含有1个领导者和5个跟随者的多智能体模型进行仿真验证,结果表明,在该有限时间动态事件触发编队控制策略下,多智能体系统最终形成以领导者为圆心、跟随者都在圆上的编队队形,且编队误差在规定的范围内演化。     

超级电容负载的耦合并联充电系统无源分布式协同控制

储能式轻轨车辆采用超级电容作为动力源,其并联充电系统每个充电机不可避免的存在着线路不对称、元器件老化及工艺误差等因素,使得输出电流不均衡.本文将并联充电系统的电流均衡问题抽象成一类非线性耦合动态互联系统的输出同步问题,结合系统的无源性,根据最近邻原则,借助饱和函数,设计了保证控制输入有界的输出同步控制器.利用子系统存储...     

非连续混合自时延多智能体系统的饱和分布式控制

研究一类非连续混合自时延多智能体系统的全局指数一致性问题.首先,利用具有时变控制增益的分布式负反馈控制器实现智能体之间状态信息交互.考虑到实际系统运行环境与节省控制成本,增设外部饱和环节将控制信号幅值限制在一个合理的范围内,从而提出利用高斯误差函数以及微分中值定理来近似模拟饱和效应,以此降低控制信号的不平滑度.随后,利用Filippov微分包含理论和测度选择定理将多智能体系统的非线性动力学函数映射为Filippov集值函数,再通过广义Halanay不等式和Lyapunov稳定性定理给出该多智能体系统的指数一致性判定条件及其最大容许时延.最后,通过数值仿真验证所提出控制策略的有效性.     

具有容性负载的直流微电网系统分布式协同控制

针对一类具有容性负载的直流微电网系统, 提出了分布式协同控制方法. 具有容性负载的直流微电网是一类耦合动态互联非线性网络化系统, 可将DC-DC变换器在信息层视为智能体, 在每个子系统模块中, 引入容性负载电压观测器, 耦合并联非线性系统负载均衡控制设计问题可解耦成一阶积分器多智能体系统的输出一致性跟踪问题. 基于最近邻原则, 通过在控制器中引入比例、积分环节, 设计了增益可调的分布式协同PI控制律, 当有向图满足至少含有一棵生成树的条件下, 通过子系统间的局部交互, 可以实现负载均衡的目标. 通过分析增广系统矩阵的特征值证明了整个闭环系统的稳定性. 仿真和实验说明了所提出的控制方法的有效性及可行性.     

电动汽车混合电源系统及其能量管理策略研究

对蓄电池-超级电容混合电源的研究,是电动汽车研究领域中的热点.针对电动汽车续驶里程短,蓄电池寿命较短等问题,对电动汽车电源系统的控制策略进行研究.为了合理的控制两者的功率输出,使电动汽车更高效的运行,详细分析电动汽车混合电源系统运行模式,利用蓄电池能量密度较高,超级电容功率密度较高的特点,提出功率电流控制超级电容和双闭环控制蓄电池相结合的混合功率分配策略.在MATLAB/simulink仿真环境下对电动汽车混合电源以及所提出的控制策略仿真,仿真结果表明:超级电容电流能够准确跟随大功率需求时的参考电流,超级电容起到了辅助电源的作用,减少了蓄电池大电流冲击以及充放电次数,所提出的控制策略能合理分配蓄电池和超级电容的出力.     

有界扰动下异质车辆队列分布式鲁棒经济预测控制

针对有界扰动下异质车辆队列节能与稳定分布式协同控制问题,提出一种新的分布式鲁棒经济模型预测控制(economic model predictive control, EMPC)策略.首先采用不确定误差模型描述有界扰动下异质车辆队列纵向行驶动态特性,再应用tube思想对系统约束进行紧缩设计,补偿有界扰动对系统造成的不确定性.其次,采用局部车辆行驶能耗模型描述车辆队列分布式经济性能优化的有限时域最优控制问题,并利用传统跟踪性能指标设计附加稳定收缩约束函数.进一步,基于系统收缩原理,建立车辆队列闭环系统关于有界扰动的输入-状态稳定性条件.最后,通过与车辆队列传统分布式鲁棒模型预测控制策略的数值仿真对比结果验证了所提出策略的有效性和优越性.     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

拓扑切换下IT2 T-S模糊非线性多智能体系统全局逆最优控制

针对连续非线性多智能体系统的全局最优协同控制问题,本文提出了模糊输出反馈和逆最优方法的分布式一致性最优控制律和相应的控制策略.首先,通过一种区间2型T-S (interval type 2 Takagi-Sugeno IT2 T-S)模糊模型将非线性系统等价转化为线性系统.其次,基于逆最优方法设计了全局最优协同控制律和相应的模糊输出反馈控制策略,智能体间仅仅通过局部通信,即可实现拓扑切换下非线性多智能体系统的二次性能全局最优控制,且系统的收敛速度大大提高.基于局部稳定性理论给出了全局逆最优控制的充要条件.最后,通过MATLAB算例验证所提方法的正确性和可行性.     

Cooperative control with distributed gain adaptation and connectivity estimation for directed networks

This paper addresses the problem of how to achieve superior performance by adaptively and distributively adjusting control gains of a cooperative control system. It is shown that according to distributed observations of changing network topologies and on the basis of online estimation of network connectivity, cooperative controls with adaptive gains can be synthesized to making the time derivative of the cooperative control Lyapunov function more negative and hence to improve stability and convergence of the overall system. For undirected networks, the proposed adaptive design reduces to improving the Fiedler eigenvalue (algebraic connectivity) as well as other eigenvalues. On the other hand, connectivity of a directed network is characterized by the property of the first left eigenvector(s) associated with its dominant eigenvalue, and in this paper, a distributed high‐gain observer design is proposed for each of the networked systems to utilize the same communication network among the systems. It is shown that even in the presence of transmission delays, the distributed estimators converge fast to the first left eigenvector(s) of the network. In addition, the expected consensus value(s) of the overall cooperative system under control is also estimated in a distributive manner. Rigorous analysis is carried out on estimation convergence and observer gain selection. It is shown that the proposed estimation and adaptive control designs are fully distributed, have guaranteed performance for all possible varying topologies as long as their dwelling times are bounded away from zero, and are robust with respect to excessively fast topology changes. Simulation results are included to demonstrate effectiveness of the proposed estimation and control schemes. Copyright © 2012 John Wiley & Sons, Ltd.     

基于分布式一致性的无人机编队控制方法

多无人机系统中,系统状态的一致性是实现多无人机协同控制的基础,针对多无人机中存在的三维空间编队控制问题,提出一种分布式一致性的无人机编队协同控制方法。在主机-从机组成的多无人机系统的基础上,引入分布式结构,设计无人机控制系统模型并建立无人机编队协同机制。根据协同机制设计基于一致性算法的协同编队控制器、基于匈牙利算法的任务分配策略以及避障策略。分别在简易模拟器和基于ROS-Gazebo的实景模拟器中仿真验证了协同控制方法的有效性。结果表明：无人机群能够有效地完成协同编队任务,并且可以通过调整层次结构进行有效编队重构。     

分布式航天器编队约定时间姿轨耦合协同控制

针对具有参数不确定性、外部扰动和预设性能需求的航天器编队约定时间姿轨耦合控制问题, 本文基于预设性能控制方法提出了一种低复杂度的约定时间编队姿轨耦合协同控制器, 使得航天器在设定时间内形成编队, 且编队误差满足预设的各种性能指标. 首先, 通过结合有限时间稳定概念引入一种约定时间性能函数, 其系统稳定时间可以由使用者任意设定; 然后, 把约定时间性能函数与预设性能控制方法结合起来, 提出了不依赖航天器质量和转动惯量等信息的约定时间编队协同控制器, 保证了编队状态量的收敛性能和收敛时间, 并使用李雅普诺夫理论证明了其稳定性. 最后, 通过仿真验证了该控制方案的有效性     

多伺服电机智能化协调容错轨迹跟踪控制系统设计

针对一类具有执行器、传感器故障的多伺服电机控制系统,设计了相应的多伺服电机智能化协调容错轨迹跟踪控制系统.首先,提出了一种新结构的分布式中间估计器,修改了其设计结构,提高了估计方案的可行性.其次,通过在线强化学习估计策略,可以显著提高估计性能,其核心是自适应切换机制与源故障模式定位功能块的集成,并根据估计值设计了协调容错轨迹跟踪控制器.同时,设计了可视化人机交互操作界面,可将伺服电机的实时位置、速度、相应的位置、速度估计值及控制性能等信息反馈至监控中心.操作人员可随时调节伺服输入,完成任务调整,可有效提升系统实用性.多伺服电机控制系统的实验结果验证了所提方法的有效性及优越性.     

Optimal control of distributed multiagent systems with finite-time group flocking

The flocking of multiple intelligent agents, inspired by the swarm behavior of natural phenomena, has been widely used in the engineering fields such as in unmanned aerial vehicle (UAV) and robots system. However, the performance of the system (such as response time, network throughput, and resource utilization) may be greatly affected while the intelligent agents are engaged in cooperative work. Therefore, it is concerned to accomplish the distributed cooperation while ensuring the optimal performance of the intelligent system. In this paper, we investigated the optimal control problem of distributed multiagent systems (MASs) with finite-time group flocking movement. Specifically, we propose two optimal group flocking algorithms of MASs with single-integrator model and double-integrator model. Then, we study the group consensus of distributed MASs by using modern control theory and finite-time convergence theory, where the proposed optimal control algorithms can drive MASs to achieve the group convergence in finite-time while minimizing the performance index of the intelligence system. Finally, experimental simulation shows that MASs can keep the minimum energy function under the effect of optimal control algorithm, while the intelligent agents can follow the optimal trajectory to achieve group flocking in finite time.     

Composite nonlinear feedback control for cooperative output regulation of linear multi-agent systems by a distributed dynamic compensator

This paper investigates the cooperative output regulation problem of linear multi-agent systems with a linear exogenous system (exo-system). The network topology is described by a directed graph which contains a directed spanning tree with the exo-system as the root. Aiming at improving the transient performance of the multi-agent systems, a dynamic control law is developed by the composite nonlinear feedback (CNF) control technique. In particular, a distributed dynamic compensator independent of the interaction on the compensator states of agents among the network, is adopted. The solvability condition for the cooperative output regulation problem is obtained using the small-gain theory, which will not be destroyed by adding the nonlinear feedback part of the CNF control law. It is also shown that in the case with the exo-system not diverging exponentially, the small-gain condition can be guaranteed using the low-gain design. Finally, simulation results illustrate that the proposed CNF control law improves the transient performance for the cooperative output regulation of linear multi-agent systems.