技术领域
[0001] 本
发明涉及一种智能控制技术领域，具体为一种事件驱动策略的多智能体一致性控制方法。
背景技术
[0002] 随着科技的发展，控制系统的规模变得更大，控制任务也变得更加复杂，多智能体系统的协同控制能将大规模任务拆分为多个子任务交由各个智能体分别完成.因此它在
机器人野外搜索，无人机编队，无线
传感器覆盖等方面有着广泛的应用，其中智能体的一致性问题吸引了许多学者的注意，并已取得了很多有价值的研究成果，一致性问题作为协同控制中最重要的分支在现实网络控制中起着至关重要的作用。
[0003] 在过去的几十年里，一致性作为多智能体网络研究的主流问题已经吸引了来自科学和工程各个研究领域内学者的广泛关注。尽管已经有了大量的研究工作，但先前的工作都是基于连续时间的反馈控制技术，这种技术有着一个明显的不可避免的缺点：设计的
控制器需要实时更新，这就要求网络
节点必须配备高性能处理器和高速度通信链路，在许多的现实应用中，网络中的节点向它们的邻居节点发送信息时并不是连续的，而是在一些离散的时间点上，并且，在使用时，通信
频率较高，通信的信息交互量增加，执行器的控制次数也较高，会导致资源的浪费，所以，人们急需一种改进的事件驱动策略的多智能体一致性控制方法来解决上述问题。
发明内容
[0004] 针对
现有技术中网络节点向邻居节点发送信息是在一些离散的时间点上，通信频率较高、会导致资源浪费等不足，本发明要解决的技术问题是提供一种可有效解决控制器需要实时更新的事件驱动策略的多智能体一致性控制方法。
[0005] 本发明采用的技术方案是：
[0006] 本发明一种事件驱动策略的多智能体一致性控制方法，包括以下步骤：
[0007] S1)针对多智能体系统设计事件驱动策略的原始控制函数；
[0008] S2)基于原始控制函数形式，设计智能体控制器间的信息传输指令；
[0009] S3)对事件驱动控制策略下的原始控制函数和信息传输指令，在具有有向拓扑的二阶多智能体一致性问题上，改进控制函数，并进行可行性分析；
[0010] S4)将控制函数与传输指令扩展到具有非线性动态的多智能体系统上进行有效性分析；
[0011] S5)利用智能体及其邻居在事件触发时刻的状态设计自适应方法，分别为系统拓扑中的边自适应方法和节点分配时变权重的自适应方法；
[0012] S6)在智能体控制器之间的
信号传输下，通过事件驱动策略的驱动函数完成对多智能体的一致性控制。
[0013] 步骤S1)中，针对多智能体系统设计事件驱动策略的原始控制函数为：
[0014] S101)设计集中式事件驱动函数作为原始驱动函数形式；
[0015] S102)为多智能体系统中的每一个智能体设计分布式事件驱动函数；
[0016] S103)改进分布式事件驱动函数，使其只依赖于邻居智能体在事件时刻的状态。
[0017] 首先设计一种驱动函数，当该函数满足一定触
发条件时，称作发生了一次事件，只有当事件发生时，智能体的处理器才更新
控制信号，在事件驱动方法中，除了智能体的处理器只在事件时刻更新信号，也只有在事件发生时刻才
采样及传递信号；利用李雅普诺夫函数方法，给出了一阶多智能体系统实现一致的判据；引入分布式事件驱动控制策略，实现多智能体系统的分布式一致性控制。
[0018] 步骤S3)中的可行性分析为：
[0019] S301)设计集中式事件驱动函数，利用李雅普诺夫函数方法，给出具有有向拓扑的二阶多智能体系统实现一致的判据，同时给出一致性控制
算法参数的设计方法；
[0020] S302)为多智能体系统中的每一个智能体设计分布式事件驱动函数，使该驱动函数只需利用邻居的状态信息而非系统中所有智能体的信息，为给出二阶多智能体系统在这种驱动函数控制下实现一致的充分条件，设计合适的李雅普诺夫函数；
[0021] S303)为进一步减少智能体之间的通信次数，改进分布式事件驱动函数，使其只依赖于邻居智能体在事件时刻的状态，在以上三种驱动函数下，任意两次事件之间的时间间隔均具有正下界，排除事件在有限时段内的无限聚集。
[0022] 步骤S4)中的有效性分析为：
[0023] S401)为一阶多智能体和二阶多智能体系统分别设计集中式和分布式两种驱动函数以及对应于这两种驱动方法的基于事件时刻状态的一致性控制算法；
[0024] S402)通过设计合适的李雅普诺夫函数方法给出多智能体系统实现一致的充分判据以及控制算法参数需满足的条件；
[0025] S403)最后通过分析事件之间的时间间隔排除事件在有限时段内的无限聚集。
[0026] 步骤S5)中，边分配时变权重的自适应方法和系统拓扑中的节点分配时变权重的自适应方法，是通过与分布式事件驱动策略相结合，控制算法的参数与智能体在事件时刻的状态进行动态调节，利用李雅普诺夫函数方法和Barbalat’s引理，给出这两种自适应事件驱动方法下系统实现一致的充分判据，最后证明任意两次事件之间的时间间隔具有正下界，排除事件在有限时段内的无限聚集。
[0027] 步骤S3)中的一致性，具体协议算法如下：
[0028] xi(t)＝Axi(t)+Bui(t)，i＝1，2…，N；
[0029] xi(t)∈Rn和ui(t)∈Rp分别表示每个智能体的状态和控制输入；A∈Rn×p和B∈Rn×p为常数矩阵；
[0030] 对于每个智能体i，控制器只需在起始事件激发时刻点处触动，得到如下公式：
[0031]
[0032]
[0033] 式中：K1，K2∈Rp×n为控制增益矩阵， 表示智能体i的事件驱动时间序列。
[0034] 本发明具有以下有益效果及优点：
[0035] 1.本发明结构科学合理，使用安全方便，通过设计与时间指数相关的集中式驱动函数和与智能体状态相关的集中式驱动函数，进一步减少智能体之间的通信次数，改进了分布式驱动函数以避免邻居间的连续通信，降低了通信的频率，减少了多智能体之间的信息交互量，同时，减少了控制器的执行次数，加快了对事件驱动策略的多智能体一致性的控制效率。
[0036] 2.本发明为一个改进的事件触发机制，在该机制中，事件判断仅仅依赖于邻居节点的测量状态而不是实时状态，这就使得驱动更新次数和通信负载相比之前的事件触发机制会进一步减少，本发明很好的解决了连续时间反馈问题，并且在多智能体网络的牵引一致性控制中实现了减少通信量的目的。
附图说明
[0038] 图2为本发明方法中事件驱动控制策略在具有有向拓扑的二阶多智能体系统一致性问题上的可行性控制的流程图；
[0039] 图3为本发明方法中事件驱动控制方法在具有非线性动态的多智能体系统一致性问题上的有效性控制的流程图。
具体实施方式
[0040] 下面结合
说明书附图对本发明作进一步阐述。
[0041] 如图1所示，本发明一种事件驱动策略的多智能体一致性控制方法，包括以下步骤：
[0042] S1)针对多智能体系统设计事件驱动策略的原始控制函数；
[0043] S2)基于原始控制函数形式，设计智能体控制器间的信息传输指令；
[0044] S3)对事件驱动控制策略下的原始控制函数和信息传输指令，在具有有向拓扑的二阶多智能体一致性问题上，改进控制函数，并进行可行性分析；
[0045] S4)将控制函数与传输指令扩展到具有非线性动态的多智能体系统上进行有效性分析；
[0046] S5)利用智能体及其邻居在事件触发时刻的状态设计自适应方法，分别为系统拓扑中的边自适应方法和节点分配时变权重的自适应方法；
[0047] S6)在智能体控制器之间的
信号传输下，通过事件驱动策略的驱动函数完成对多智能体的一致性控制。
[0048] 如图2所示，步骤S1)中，针对多智能体系统设计事件驱动策略的原始控制函数为：
[0049] S101)设计集中式事件驱动函数做为原始驱动函数形式；
[0050] S102)为多智能体系统中的每一个智能体设计分布式事件驱动函数；
[0051] S103)改进分布式事件驱动函数，使其只依赖于邻居智能体在事件时刻的状态。
[0052] 步骤S3)中的可行性分析为：
[0053] S301)设计集中式事件驱动函数，利用李雅普诺夫函数方法，给出具有有向拓扑的二阶多智能体系统实现一致的判据，同时给出一致性控制算法参数的设计方法；
[0054] S302)为多智能体系统中的每一个智能体设计分布式事件驱动函数，使该驱动函数只需利用邻居的状态信息而非系统中所有智能体的信息，为给出二阶多智能体系统在这种驱动函数控制下实现一致的充分条件，设计合适的李雅普诺夫函数；
[0055] S303)为进一步减少智能体之间的通信次数，改进分布式事件驱动函数，使其只依赖于邻居智能体在事件时刻的状态，在以上三种驱动函数下，任意两次事件之间的时间间隔均具有正下界，排除事件在有限时段内的无限聚集。
[0056] 步骤S3)中的一致性，具体协议算法如下：
[0057] xi(t)＝Axi(t)+Bui(t)，i＝1，2…，N；
[0058] xi(t)∈Rn和ui(t)∈Rp分别表示每个智能体的状态和控制输入；A∈Rn×p和B∈Rn×p为常数矩阵；
[0059] 对于每个智能体i，控制器只需在起始事件激发时刻点处触动，得到如下公式：
[0060]
[0061]
[0062] 式中：K1，K2∈Rp×n为控制增益矩阵， 表示智能体i的事件驱动时间序列。
[0063] 如图3所示，步骤S4)中的有效性分析为：
[0064] S401)为一阶多智能体和二阶多智能体系统分别设计集中式和分布式两种驱动函数以及对应于这两种驱动方法的基于事件时刻状态的一致性控制算法；
[0065] S402)通过设计合适的李雅普诺夫函数方法给出多智能体系统实现一致的充分判据以及控制算法参数需满足的条件；
[0066] S403)最后通过分析事件之间的时间间隔排除事件在有限时段内的无限聚集。
[0067] 步骤S5)中，边分配时变权重的自适应方法和系统拓扑中的节点分配时变权重的自适应方法，是通过与分布式事件驱动策略相结合，控制算法的参数与智能体在事件时刻的状态进行动态调节，利用李雅普诺夫函数方法和Barbalat’s引理，给出这两种自适应事件驱动方法下系统实现一致的充分判据，最后证明任意两次事件之间的时间间隔具有正下界，排除事件在有限时段内的无限聚集。
[0068] 本
实施例中，首先设计一种驱动函数，当该函数满足触发条件时，称作发生了一次事件，只有当事件发生时，智能体的处理器才更新控制信号，在事件驱动方法中，除了智能体的处理器只在事件时刻更新信号，也只有在事件发生时刻才采样及传递信号；利用李雅普诺夫函数方法，给出了一阶多智能体系统实现一致的判据；引入分布式事件驱动控制策略，实现多智能体系统的分布式一致性控制。
[0069] 本发明方法首先设计集中式事件驱动函数，利用李雅普诺夫函数方法，给出具有有向拓扑的二阶多智能体系统实现一致的判据，同时给出了一致性控制算法参数的设计方法；其次，为多智能体系统中的每一个智能体设计了分布式事件驱动函数，使该驱动函数只需要利用邻居的状态信息而非系统中所有智能体的信息，为给出二阶多智能体系统在这种驱动函数控制下实现一致的充分条件，设计合适的李雅普诺夫函数；最后，为进一步减少智能体之间的通信次数，改进了分布式事件驱动函数使其只依赖于邻居智能体在事件时刻的状态，在以上三种驱动函数下，任意两次事件之间的时间间隔均具有正下界，排除了事件在有限时段内的无限聚集。
[0070] 步骤S2)设计了多智能体控制器，并对多智能体控制器之间的通信传输指令进行设计，使多智能体之间可以进行高效的信息传递。
[0071] 步骤S4中)，针对具有无向连通拓扑的一阶多智能体系统和二阶多智能体系统分别进行了研究讨论，为一阶多智能体和二阶多智能体系统分别设计集中式和分布式两种驱动函数和对应于这两种驱动方法的基于事件时刻状态的一致性控制算法，假设智能体动态中的非线性项满足Lipschitz条件，通过设计合适的李雅普诺夫函数方法给出多智能体系统实现一致的充分判据以及控制算法参数需满足的条件，最后通过分析事件之间的时间间隔排除了事件在有限时段内的无限聚集。
[0072] 本发明算法结构科学合理，使用安全方便，通过设计与时间指数相关的集中式驱动函数和与智能体状态相关的集中式驱动函数，进一步减少智能体之间的通信次数，改进了分布式驱动函数以避免邻居间的连续通信，降低了通信的频率，减少了多智能体之间的信息交互量，同时，减少了控制器的执行次数，加快了对事件驱动策略的多智能体一致性的控制效率，所提出的这个方案是一个改进的事件触发机制，在该机制中，事件判断仅仅依赖于邻居节点的测量状态而不是实时状态，这就使得驱动更新次数和通信负载相比之前的事件触发机制会进一步减少，通过这个技术改进，我们很好的解决了连续时间反馈问题，并且在多智能体网络的牵引一致性控制中实现了减少通信量的目的。
