近些年來,多智能體協(xié)同控制已經(jīng)成為控制理論領(lǐng)域的重要研究主題。其主要關(guān)注點(diǎn)在于,在信息交互下所有個(gè)體如何去進(jìn)行協(xié)同合作以實(shí)現(xiàn)控制目標(biāo)。作為協(xié)同控制的核心問題,多智能體分布式采樣控制吸引了大量研究者的關(guān)注。每個(gè)個(gè)體裝配的傳感器如何采樣來更新控制器以實(shí)現(xiàn)控制目標(biāo),這是其中的技術(shù)關(guān)鍵。本文主要研究基于相對(duì)狀態(tài)測(cè)量的分布式采樣控制理論,提出了基于時(shí)間觸發(fā)、事件驅(qū)動(dòng)和自驅(qū)動(dòng)分布式采樣控制策略,探討在不同的采樣機(jī)制下的多智能體系統(tǒng)動(dòng)力學(xué)行為分析。主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:基于相對(duì)位置測(cè)量的任意采樣分布式控制協(xié)議,我們研究了二階多智能體系統(tǒng)在領(lǐng)導(dǎo)-跟隨者拓?fù)湎碌膭?dòng)力學(xué)行為,將一致性和包圍控制統(tǒng)一到了同樣的框架下。本文分別進(jìn)行了網(wǎng)絡(luò)具有單個(gè)領(lǐng)導(dǎo)者情況下的一致性分析和具有多個(gè)領(lǐng)導(dǎo)者情況下的包圍控制分析,并基于Hermite-Biehler定理將理論推廣到有向任意弱連通拓?fù)�。�?yán)格的數(shù)學(xué)證明確保了所提出的控制策略能使系統(tǒng)在不同的拓?fù)溥B接下分別達(dá)到不同的控制目標(biāo),在這樣的策略中采樣時(shí)間間隔的大小可以任意選擇。這可以適用于采樣抖動(dòng)、數(shù)據(jù)丟包等帶來實(shí)際信息采樣交互周期發(fā)生變化的場(chǎng)景,這拓展了傳統(tǒng)的時(shí)間觸發(fā)分布式采樣控制理論,使其具有更廣泛的適應(yīng)性�；诮M合式相對(duì)狀態(tài)測(cè)量的事件驅(qū)動(dòng)和自驅(qū)動(dòng)采樣控制協(xié)議和算法,我們提出了具有較低系統(tǒng)資源消耗的新策略來調(diào)度控制器和傳感器,以解決一階和二階多智能體系統(tǒng)的一致性問題。所提出的事件驅(qū)動(dòng)策略要求每個(gè)智能體集中處理所有關(guān)聯(lián)的相對(duì)狀態(tài)信息,通過所設(shè)計(jì)的觸發(fā)條件來判定是否進(jìn)行控制器更新。相比周期采樣控制,這種算法能大大降低控制器更新次數(shù),從而節(jié)約系統(tǒng)資源。所提出的自驅(qū)動(dòng)采樣控制協(xié)議則進(jìn)一步避免了傳感器周期檢測(cè)相對(duì)狀態(tài)信息的要求,確保其只在事件觸發(fā)時(shí)刻進(jìn)行采樣,這進(jìn)一步降低了傳感器的負(fù)載,利用計(jì)算的復(fù)雜度提升換取了傳感器負(fù)載的降低。組合相對(duì)狀態(tài)測(cè)量的事件驅(qū)動(dòng)和自驅(qū)動(dòng)采樣控制,對(duì)控制器和傳感器的不同調(diào)度方式,適應(yīng)于各類資源可利用程度不同的場(chǎng)景,都降低了系統(tǒng)資源消耗�；诜蛛x式相對(duì)狀態(tài)測(cè)量的邊事件驅(qū)動(dòng)和邊自驅(qū)動(dòng)采樣控制協(xié)議和算法,我們提出了不同于上面組合式方案的新策略來調(diào)度控制器和傳感器,以解決耦合調(diào)和振子的同步控制問題。所提出的邊事件驅(qū)動(dòng)控制協(xié)議和算法中,不同信息邊之間互不影響的單獨(dú)判定事件驅(qū)動(dòng)觸發(fā)條件。相比于組合相對(duì)狀態(tài)測(cè)量,這是一種不同的傳感器和控制器的調(diào)度方式,適應(yīng)于傳感器資源可利用程度不同的其他場(chǎng)景。所提出的異步觸發(fā)邊事件驅(qū)動(dòng)方案,可以使得信息邊兩端控制器被異步更新。進(jìn)一步考慮時(shí)滯的影響,為了確保參數(shù)選擇的自由度,我們提出了同步觸發(fā)的邊事件驅(qū)動(dòng)方案,使得信息邊兩端控制器在每次事件時(shí)刻被同步更新。相比于周期采樣控制,這能降低控制器更新次數(shù)。為了減少傳感器采樣次數(shù),本文提出了兩種同步觸發(fā)的邊自驅(qū)動(dòng)分布式采樣控制算法,其對(duì)傳感器和控制器不同的調(diào)度方式,均可以保證二者觸發(fā)采樣的次數(shù)減少?gòu)亩?jié)約系統(tǒng)資源�；谙鄬�(duì)狀態(tài)測(cè)量的積分型邊事件驅(qū)動(dòng)和邊自驅(qū)動(dòng)采樣控制協(xié)議和算法,我們提出了具有較寬松觸發(fā)條件的新策略來調(diào)度控制器和傳感器,以解決一類非線性多智能體系統(tǒng)的同步控制問題。在所提出的事件觸發(fā)條件中,只需要在給定的積分時(shí)間區(qū)間內(nèi)測(cè)量誤差的累積小于給定的觸發(fā)條件即可,這放松了對(duì)測(cè)量誤差的要求,比非積分型的傳統(tǒng)事件驅(qū)動(dòng)方案的事件觸發(fā)頻率更低,更節(jié)約系統(tǒng)資源。而且所給出的觸發(fā)條件包含狀態(tài)信息和指數(shù)函數(shù)項(xiàng),是一種狀態(tài)依賴和時(shí)間依賴相結(jié)合的混合觸發(fā)方案,這能有效的確保系統(tǒng)不發(fā)生Zeno行為。為了進(jìn)一步降低傳感器測(cè)量相對(duì)狀態(tài)的負(fù)載,本文進(jìn)一步設(shè)計(jì)了積分型邊自驅(qū)動(dòng)采樣控制算法,從而使得控制器和傳感器都零星的執(zhí)行操作,進(jìn)一步節(jié)約傳感器采樣的資源消耗。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2019
【中圖分類】：TP13
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 多智能體系統(tǒng)時(shí)間觸發(fā)控制研究進(jìn)展
        1.2.2 多智能體系統(tǒng)事件驅(qū)動(dòng)采樣控制研究進(jìn)展
        1.2.3 多智能體系統(tǒng)自驅(qū)動(dòng)采樣控制研究進(jìn)展
    1.3 本文主要研究?jī)?nèi)容
        1.3.1 研究動(dòng)機(jī)
        1.3.2 研究?jī)?nèi)容
        1.3.3 控制策略的性能評(píng)價(jià)
    1.4 預(yù)備知識(shí)
        1.4.1 符號(hào)說明
        1.4.2 圖論和矩陣的基本概念
        1.4.3 常用的定義和引理
第2章 相對(duì)位置任意采樣的多智能體系統(tǒng)協(xié)同控制
    2.1 引言
    2.2 問題描述和預(yù)備知識(shí)
        2.2.1 問題描述
        2.2.2 預(yù)備知識(shí)
    2.3 收斂性分析
        2.3.1 單個(gè)具有雙向連通邊的領(lǐng)導(dǎo)者子群組情況
        2.3.2 多個(gè)具有雙向連通邊的領(lǐng)導(dǎo)者子群組情況
        2.3.3 弱連通拓?fù)淝闆r
    2.4 仿真算例
    2.5 本章小結(jié)
第3章 組合式相對(duì)狀態(tài)測(cè)量的事件驅(qū)動(dòng)和自驅(qū)動(dòng)分布式采樣控制
    3.1 引言
    3.2 一階積分器網(wǎng)絡(luò)事件驅(qū)動(dòng)和量化自驅(qū)動(dòng)采樣控制
        3.2.1 問題描述
        3.2.2 事件驅(qū)動(dòng)采樣控制策略
        3.2.3 量化自驅(qū)動(dòng)采樣控制策略
        3.2.4 仿真算例
    3.3 一階積分器時(shí)滯網(wǎng)絡(luò)的量化自驅(qū)動(dòng)采樣控制
        3.3.1 問題描述
        3.3.2 時(shí)滯和量化設(shè)定下的事件驅(qū)動(dòng)條件
        3.3.3 具有時(shí)滯的量化自驅(qū)動(dòng)采樣控策略
        3.3.4 仿真算例
    3.4 二階積分器網(wǎng)絡(luò)的事件驅(qū)動(dòng)和自驅(qū)動(dòng)采樣控制
        3.4.1 問題描述
        3.4.2 事件驅(qū)動(dòng)采樣控制策略
        3.4.3 自驅(qū)動(dòng)采樣控制策略
        3.4.4 仿真算例
    3.5 本章小結(jié)
第4章 分離式相對(duì)狀態(tài)測(cè)量的邊事件驅(qū)動(dòng)和邊自驅(qū)動(dòng)分布式采樣控制
    4.1 引言
    4.2 耦合調(diào)和振子網(wǎng)絡(luò)的異步邊事件驅(qū)動(dòng)采樣控制
        4.2.1 問題描述
        4.2.2 邊事件驅(qū)動(dòng)控制策略
        4.2.3 仿真算例
    4.3 耦合調(diào)和振子時(shí)滯網(wǎng)絡(luò)的同步邊事件驅(qū)動(dòng)和邊自驅(qū)動(dòng)采樣控制
        4.3.1 問題描述
        4.3.2 邊事件驅(qū)動(dòng)采樣控制策略
        4.3.3 邊自驅(qū)動(dòng)采樣控制策略
        4.3.4 仿真算例
    4.4 本章小結(jié)
第5章 相對(duì)狀態(tài)測(cè)量的積分型邊事件驅(qū)動(dòng)和邊自驅(qū)動(dòng)分布式采樣控制
    5.1 引言
    5.2 問題描述與預(yù)備知識(shí)
        5.2.1 問題描述
        5.2.2 預(yù)備知識(shí)
    5.3 主要結(jié)果
        5.3.1 積分型邊事件驅(qū)動(dòng)采樣控制策略
        5.3.2 積分型邊自驅(qū)動(dòng)采樣控制策略
    5.4 仿真算例
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡(jiǎn)歷

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 楊大鵬;多智能體系統(tǒng)的事件驅(qū)動(dòng)一致性控制與多Lagrangian系統(tǒng)的分布式協(xié)同[D];北京理工大學(xué);2015年

本文編號(hào)：2828803