初始误差修正的多智能体一致性迭代学习控制

研究了重复运行的分布式多智能体系统在有限时间内的一致性问题。针对具有固定拓扑结构的多智能体系统,在期望轨迹对应的初始状态未知,且系统存在干扰的情况下,引入虚拟领导者技术,提出了一种同时对各智能体的输入和初始状态误差进行迭代修正的分布式学习控制算法。收敛性分析表明,该算法能够消除由于各智能体初始状态和期望轨迹对应的初始状态不同而引起的各智能体输出不能完全跟踪期望轨迹的状况,实现系统在有限时间内的完全跟踪;仿真结果也证明了算法的有效性。     

离散时变多智能体系统有限时间一致性迭代学习控制

针对一类离散时变多智能体系统,通过引入虚拟领导者产生期望轨迹的方法,将虚拟领导者和所有智能体组成固定的拓扑结构,在此基础上,提出一种离散时间迭代学习控制算法.该算法对多智能体系统中的每个智能体都设计一个控制器,各控制器都是利用上一次迭代时,该智能体与虚拟领导者之间的跟踪误差和该智能体与相邻智能体之间的跟踪误差,通过拓扑结构中通信权值的组合不断修正上一次的控制律,从而获得理想控制律.同时,基于范数理论严格证明所提出算法的收敛性,并给出算法在$\lambda$-范数意义下的收敛条件.该算法能够使离散时变多智能体的输出随着迭代次数的增加在有限时间区间内完全跟踪期望轨迹.理论分析和仿真结果都表明了所提出算法的有效性.     

非仿射非线性多智能体系统迭代学习一致跟踪

为了解决非仿射非线性多智能体系统在给定时间区间上一致性完全跟踪问题,基于迭代学习控制方法设计一种分布式一致性跟踪控制算法.首先,由引入的虚拟领导者与所有跟随者组成多智能体系统的通信拓扑,其中虚拟领导者的作用是提供期望轨迹.然后,在只有部分跟随者能够获得领导者信息的条件下,利用每个跟随者及其邻居的跟踪误差构造每个跟随者的迭代学习一致性跟踪控制器.同时采用中值定理将非仿射非线性多智能体系统转化仿射形式,并基于压缩映射方法证明所提算法的收敛性,给出算法的收敛条件.理论分析表明,在智能体的非线性函数未知情况下,利用所提算法可以使非仿射非线性多智能体系统在给定时间区间上随迭代次数增加逐次实现一致性完全跟踪.最后,通过仿真算例进一步验证所提算法的有效性.     

任意初始位置机器人领航跟随型迭代学习编队

针对移动机器人编队形成与队形保持问题,提出了一种适用于任意初始位置条件下的迭代学习编队控制算法。采用领航-跟随型编队法,仅利用领航者的运动轨迹和期望的编队队形推导出跟随者的参考航迹,引入迭代学习控制（Iterative Learning Control,ILC）方法,设计跟随者的控制律,使跟随者随着每次迭代调节自身的线速度和角速度,与领航者一起以期望编队队形工作;引入对初始位置的学习,即同时进行编队队形的学习和编队初始位置的学习。解决了任意初始位置的多移动机器人形成并保持期望编队队形的问题。并在理论上分析了控制算法的可行性,仿真结果验证了控制算法的有效性。     

多机器人编队离散模型及队形控制稳定性分析

针对包含绕心运动情况下的多机器人编队进行离散建模,并利用该模型解决保持队形期望前端始终朝着编队前进方向的控制问题.以控制多机器人编队收敛到期望的队形并镇定到预设运动规律上为目标,定义了一类通信拓扑图,基于该类图提出了一种分布式协同控制算法.给出了该控制算法下编队系统渐进稳定的充分必要条件及反馈控制参数的收敛域.证明了在该充分必要条件下可实现编队收敛到期望的队形和预设运动规律上的目标.仿真实验表明,在该算法控制下多机器人编队较好地收敛到期望队形并按预设规律运动,且过程中始终保持队形期望前端朝着编队前进方向,进而验证了该算法的有效性和正确性.     

DoS攻击下多智能体系统无模型自适应迭代学习跟踪控制EI北大核心CSCD

针对周期性拒绝服务(DoS)攻击下多智能体系统有限时间趋同跟踪控制问题,本文提出了一种无模型自适应迭代学习控制(MFAILC)算法.假设多智能体系统具有固定拓扑结构,并且仅有部分智能体可获取到期望轨迹信息.在多智能体系统数据传输过程中,需要经由对数量化器进行量化处理.首先,使用伪偏导数将智能体系统动态线性化,处理过程中考虑符合伯努利分布的周期性DoS攻击现象,在此基础上设计了MFAILC控制算法,其次,采用压缩映射方法给出了一个在期望意义下保证跟踪误差收敛的充分条件,并在理论上证明了所提算法的收敛性.所提算法只需利用系统的输入输出数据就可完成趋同跟踪任务.最后,仿真结果验证了所提算法的有效性.     

基于固定时间扰动观测器的水面无人艇精确编队控制

在水面无人艇(USV)编队控制中,控制效果易受系统初始状态和内外部扰动的影响.为此,研究一类具有复杂干扰下的USV编队控制问题,结合固定时间扰动观测器提出一种领航-跟随编队控制方法.首先,提出一种基于固定时间滑模的跟踪控制(FTSM-TC)策略,在固定时间内保证领航艇快速跟踪期望轨迹;然后,为处理内外部未知干扰设计固定时间扰动观测器(FTDO),从而保证在固定时间内对编队系统中的未建模动态和外部复杂干扰进行精确辨识.所提出的基于FTDO的编队控制(FTDO-FC)策略,使编队控制系统在固定时间内收敛并保持稳定的期望队形,仿真结果表明,所设计控制方法能够有效解决存在复杂未知扰动情况下的USV编队控制问题,且收敛时间与系统初始状态无关.     

多机器人主—从行星式编队控制

研究了二阶积分器描述的多机器人主—从行星式编队控制问题,提出了将多机器人编队分解为每个机器人对各自具有时变速度的虚拟机器人的跟踪控制,使得每个机器人相对于虚拟机器人的位置与速度跟踪误差收敛为零且彼此不相碰撞,此时编队系统收敛到理想队形.在统一的算法框架下,分别实现了跟随者以领航者为中心的公转运动编队(revolution formation,RF)模式和跟随者与领航者保持期望距离、期望速度的编队(desiredformation,DF)模式.公转运动编队(RF)模式适用于异构多机器人系统的环境探索任务;保持期望距离、期望速度的编队(DF)模式适用于自主水下机器人(AUV)、无人机(UAV)等合作与协调任务.应用李亚普诺夫稳定性理论对控制算法的稳定性进行了分析,并通过计算机仿真验证了该方法的有效性.     

输出饱和多智能体系统的迭代学习趋同跟踪控制

针对带有输出饱和的多智能体系统有限时间趋同跟踪控制问题,提出了一种分布式迭代学习控制算法.首先假设多智能体系统具有固定拓扑结构,且仅有部分智能体可获取到期望轨迹信息.基于输出约束条件构造一致性跟踪误差,在此基础上设计了P型迭代学习控制率.然后采用压缩映射方法给出了一个算法收敛的充分条件,并在理论上证明了跟踪误差的收敛性.最后,将理论结果推广至具有随机切换拓扑结构的多智能体系统中.仿真结果验证了所提出算法的有效性.     

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。     

单向通信拓扑领航者动态未知线性多智能体系统的协同迭代学习控制（英文）

This paper considers the cooperative tracking of linear multi-agent systems with a dynamic leader whose input information is unavailable to any followers. Cooperative iterative learning controllers, based on the relative state information of neighboring agents, are proposed for tracking the dynamic leader over directed communication topologies. Stability and convergence of the proposed controllers are established using Lyapunov-Krasovskii functionals. Furthermore, this result is extended to the output feedback case where only the output information of each agent can be obtained. A local observer is constructed to estimate the unmeasurable states. Then, cooperative iterative learning controllers, based on the relative observed states of neighboring agents,are devised. For both cases, it is shown that the multi-agent systems whose communication topologies contain a spanning tree can reach synchronization with the dynamic leader, and meanwhile identify the unknown input of the dynamic leader using distributed iterative learning laws. An illustrative example is provided to verify the proposed control schemes.     

单向通信拓扑领航者动态未知线性多智能体系统的协同迭代学习控制

研究单向通信拓扑领航者动态未知线性多智能体系统的协同跟踪问题.基于邻居的相对状态信息,设计了分布式迭代学习控制律实现对领航者的协同跟踪控制,采用Lyapunov-Krasovskii函数分析闭环系统的稳定性与收敛性.进而,将状态反馈结论拓展到输出反馈,通过构造局部观测器估计不可量测的状态信息,采用估计的相对状态信息设计了分布式迭代学习控制器.对于以上两种情形,多智能体系统在通讯拓扑含有生成树的条件下能够实现与领航者的状态同步,同时,所设计的分布式迭代学习律能够对领航者未知输入进行精确估计.仿真实例验证了所提方法的有效性.     

Distributed adaptive fuzzy iterative learning control of coordination problems for higher order multi-agent systems

In this paper, the adaptive fuzzy iterative learning control scheme is proposed for coordination problems of Mth order (M ≥ 2) distributed multi-agent systems. Every follower agent has a higher order integrator with unknown nonlinear dynamics and input disturbance. The dynamics of the leader are a higher order nonlinear systems and only available to a portion of the follower agents. With distributed initial state learning, the unified distributed protocols combined time-domain and iteration-domain adaptive laws guarantee that the follower agents track the leader uniformly on [0, T]. Then, the proposed algorithm extends to achieve the formation control. A numerical example and a multiple robotic system are provided to demonstrate the performance of the proposed approach.     

一类具有控制时滞非线性系统在任意初值下的开环PD型迭代学习控制

在迭代学习控制理论的收敛性分析中,常见的初始条件是迭代初值与期望初值一致,或者迭代初值固定,给出了一类含控制时滞非线性时变系统在任意初值条件下采用开环PD型迭代学习控制算法时的收敛条件.迭代学习采用控制输入与初值同时学习的算法,其中控制输入利用了给定超前法,该算法解决了控制时滞和初值问题.运用算子理论证明了收敛条件,给出了间歇非线性控制时滞过程仿真实例,研究结果说明了该算法的有效性.     

迭代学习控制在氯乙烯聚合反应中的应用

由于氯乙烯聚合反应釜是一个具有纯滞后时间长、时间常数大的,且很难建立精确数学模型的被控对象,因此本文提出一种新的控制方案,即采用控制输入和系统初态同时进行学习的闭环PD型迭代学习控制,给出了该算法谱半径形式的收敛条件,并利用算子理论证明了系统在任意初态条件下经过逐次迭代后,其输出能够完全跟踪期望轨迹。仿真结果表明了该算法的有效性。