1.一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于，包括如下步骤：
步骤1、建立传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的多智能体系统状态空间模型；
步骤2、建立无人驾驶系统中领导者智能体的状态空间模型；
步骤3、构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的领导‑跟随编队协议；
步骤4、构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统中每个跟随者的滤波器；
步骤5、构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的增广系统；
步骤6、引入传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的领导‑跟随编队性能指标；
步骤7、引入传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的L1性能指标；
步骤8、设计传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统成功编队的条件；
步骤9、传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统成功编队验证过程。
2.根据权利要求1所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤1中传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的多智能体系统状态空间模型的构造，形式如下：
其中，i＝1,2,...,N表示无人驾驶系统中智能体的个数； 和
分别是t时刻无人驾驶系统中第i个智能体的状态、控制输入和测量输出；
分别是t时刻无人驾驶系统中第i个智能体可能发生的传感器故障和执行器故
障； 是t时刻无人驾驶系统中第i个智能体可能遭受的外部干扰，属于l1[0,∞)；A，B，C，D1，D2是已知的系统矩阵， 分别表示n维、m维、q维列向量， 表示d维非负列向量。
3.根据权利要求2所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤2建立无人驾驶系统中领导者智能体的状态空间模型，其构建形式如下：
y0(t)＝C0x0(t),
其中， 和 分别是无人驾驶系统中领导者智能体的状态、
控制输入和测量输出；A0，B0，C0是已知的系统矩阵。
4.根据权利要求3所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤3中构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的领导‑跟随编队协议，其构建形式如下：
其中， 是编队协议的目标向量。
和 是编队协议的增
益矩阵。
5.根据权利要求4所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤4中构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统中每个跟随者的滤波器，其构建形式如下：
其中， 和 分别是滤波器的状态、测量输出和残差信号，
是传感器故障的估计状态，矩阵 和
是滤波器增益矩阵。
6.根据权利要求5所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤5中构建传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的增广系统，其构建形式如下：
其中，e1(t)＝x0(t)‑xv，
0n*nN表
示n行nN列且元素全为0的矩阵，0Nq*n表示Nq行n列且元素全为0的矩阵，0Nq*nN表示Nq行nN列且元素全为0的矩阵，0nN*nN表示nN行nN列且元素全为0的矩阵，0nN*n表示nN行n列且元素全为
0的矩阵，0nN*mN表示nN行mN列且元素全为0的矩阵，0n*mN表示n行mN列且元素全为0的矩阵，IN表示N行N列且元素全为1的单位阵， 表示 的转置，e1(t)表示领导者与目标向量之间的误差，e2i(t)表示观测误差，e3i(t)表示观测器与领导者之间的误差，e4i(t)表示传感器和执行器之间的误差，e2(t)表示由e21(t)到e2N(t)组成的向量，e3(t)表示由e31(t)到e3N(t)组成的向量，e4(t)表示由e41(t)到e4N(t)组成的向量， 表示由r1(t)到rN(t)组成的向量， 由e1(t),e2(t),e3(t),e4(t)组成的向量， 表示克罗内克积。
7.根据权利要求6所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤6中引入传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的领导‑跟随编队性能指标，其形式如下：
考虑受到传感器故障、执行器故障以及外部干扰的无人驾驶系统，如果满足以下条件，则无人驾驶系统成功编队。
8.根据权利要求7所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤7中引入传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统的L1性能指标，其形式如下：
对于零初始条件下的给定正标量κ和d(t)∈L1[0,∞)，如果以下不等式成立，则称传感器故障、执行器故障以及外部干扰多重混杂不确定环境下无人驾驶系统满足L1增益性能：
(1)当外部扰动d(t)＝0时传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统成功编队；
(2)
其中r(t)表示残差信号。
9.根据权利要求8所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤8中设计传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统成功编队的条件如下：
设计常数κ＞0，k1＞1，k2＞0，k3＞0， ι1＞0，ι2＞0，ι3＞0，ι4＞0，q11＜0，q12＜0，q1 3＜0 ， 向 量
和 向量
使得
对任意i∈N成立，那么在滤波器增益矩阵
下，无人驾驶系统在传感器故障、执行器故障以及外部干扰多重混杂不确定下达到一致性编队，其中，v1表示Lyapunov函数中的向量， 分别表示组成
增益矩阵 的向量，q11，q12，q13是常数，表示向量。
10.根据权利要求9所述的一种无人驾驶系统领导‑跟随编队的故障诊断方法，其特征在于：步骤9中传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统成功编队验证过程如下：
步骤9.1、构造一个余正Lyapunov函数 并计算其导数，则有
其中，
步骤9.2、通过 则有
步骤9.3、结合步骤9.1和9.2可以得出
步骤9.4、通过 可得
步骤9.5、结合 滤波器增益矩阵、步骤9.1、
9.2以及9.3，显然有
步骤9.6、结合 以及
并通过使用与9.5类似的方法，有
步骤9.7、结合步骤9.1、9.4、9.5和9.6，可得
步骤9.8、通过
以及滤波器增益矩阵，不难得出
步骤9.9、联立
和步骤
9.8，则有
步骤9.10、考虑系统的L1性能，令d(t)≠0， 和va＝0，容易得到
步骤9.11、通过步骤8中的条件，可得
步骤9.12、结合步骤9.10和9.11，则有
步骤9.13、由Dynkin公式和步骤9.12的零条件，可得
不难得出结论，传感器故障、执行器故障以及外部干扰多重混杂不确定下无人驾驶系统可以成功编队，并满足给定的L1性能指标。