基于事件触发和动态量化的多智能体系统H∞一致性控制方法
本发明属于多智能体协同控制,具体涉及一种基于事件触发和动态量化的多智能体系统h∞一致性控制方法。
背景技术:
1、一致性控制是多智能体系统分布式控制研究中最基本、最核心的问题,其主要研究如何基于邻居智能体间的局部状态信息,设计合适的分布式一致性协议,使得系统中所有智能体的状态达到一致。目前,针对多智能体系统的一致性控制研究大多采用连续通信或周期性采样,难以有效降低通信频率。
2、在智能体之间的信息传输过程中,为了节约网络资源并进一步降低通信频率,事件触发机制与动态量化方法被引入一致性协议的设计中,并成为一致性控制领域的重要研究方向。事件触发机制能够有效减少智能体之间的通信次数,降低控制器的更新频率,从而减轻网络带宽的压力,节约通信资源;然而,受限于网络带宽,多智能体系统中的信息传输通常需要经过量化处理,而信息的量化过程会对系统的性能和稳定性产生影响。尽管已有部分研究引入了事件触发机制和动态量化方法,但在h∞性能框架下,现有方法往往需要递推求解线性矩阵不等式来设计控制器,当系统维数较高时,这一过程会带来沉重的计算负担。此外,现有方法难以保证一致性误差的稳态性能,还会出现h∞性能指标发散的问题。
技术实现思路
1、本发明的目的在于提出一种基于事件触发和动态量化的多智能体系统h∞一致性控制方法,通过设计积分型事件触发机制、动态量化机制、零阶保持策略构建多智能体系统增广状态模型,设计稳定性判据并求解控制器参数,进而得到h∞一致性控制律,以在降低通信频率的同时实现多智能体系统h∞一致性控制。
2、为了实现上述目的,本发明采用如下技术方案:
3、基于事件触发和动态量化的多智能体系统h∞一致性控制方法,包括如下步骤:
4、步骤1. 建立多智能体系统的状态空间模型,包括状态方程与测量方程;
5、步骤2. 设计基于事件触发和动态量化的多智能体系统h∞一致性控制器,其具体过程为:
6、首先针对多智能体之间的信息交互过程,设计积分型事件触发机制,当量测误差的平方和大于事件触发通信阈值时,智能体向邻居节点发送数据;
7、同时引入动态量化机制对触发时刻智能体向邻居节点发送的数据进行量化压缩,并结合零阶保持策略对智能体接收到的数据进行更新与保持,构建控制器的实际输入信号;
8、然后计算智能体的状态偏差,并构建多智能体系统增广状态模型;
9、最后建立稳定性判据并求解控制器参数,将得到的控制器参数部署至各智能体控制器中,得到h∞一致性控制律;
10、步骤3. 利用步骤2设计的基于事件触发和动态量化的多智能体系统h∞一致性控制器实现多智能体系统h∞一致性控制。
11、此外,在上述基于事件触发和动态量化的多智能体系统h∞一致性控制方法的基础上,本发明还提出了一种与之对应的基于事件触发和动态量化的多智能体系统h∞一致性控制系统,其采用如下技术方案:
12、基于事件触发和动态量化的多智能体系统h∞一致性控制系统,包括如下模块:
13、模型建立模块,用于建立多智能体系统的状态空间模型,包括状态方程与测量方程;
14、控制器设计模块,用于设计基于事件触发和动态量化的多智能体系统h∞一致性控制器,其具体过程为:
15、首先针对多智能体之间的信息交互过程,设计积分型事件触发机制,当量测误差的平方和大于事件触发通信阈值时,智能体向邻居节点发送数据;
16、同时引入动态量化机制对触发时刻智能体向邻居节点发送的数据进行量化压缩,并结合零阶保持策略对智能体接收到的数据进行更新与保持,构建控制器的实际输入信号;
17、然后计算智能体的状态偏差,并构建多智能体系统增广状态模型;
18、最后求解控制器参数,将得到的控制器参数部署至各智能体控制器中,得到h∞一致性控制律;
19、以及多智能体系统h∞一致性控制模块,用于利用设计的基于事件触发和动态量化的多智能体系统h∞一致性控制器实现多智能体系统h∞一致性控制。
20、本发明具有如下优点:
21、如上所述,本发明提出了一种基于事件触发和动态量化的多智能体系统h∞一致性控制方法,该方法首先采用状态空间模型对多智能体系统进行统一建模,将系统状态演化、量测输出以及智能体间的信息交互过程纳入统一分析框架,从而使本发明能够适用于具有外部扰动和网络通信约束的线性多智能体系统,具有较好的通用性和工程应用价值。进一步地,本发明设计了一种积分型事件触发机制,在传统事件触发策略仅利用当前时刻误差大小判断是否触发通信的基础上,引入量测误差的平方和,对一段时间内误差的累积变化情况进行综合评估,当量测误差的平方和达到预设事件触发通信阈值时才执行信息发送;该设计不仅能够避免因瞬时噪声或局部扰动引起的频繁触发,而且能够在保证控制性能的前提下显著降低智能体之间的数据传输次数,减少了网络资源占用,提高了通信效率。同时,本发明引入动态量化机制对触发传输的数据进行处理;与传统固定量化精度方法相比,本发明设计的动态量化机制通过引入缩放函数对传输信号进行预处理,在保证量化范围能够覆盖系统状态变化范围的同时降低了量化误差对控制性能的影响;在系统初始阶段,适当选择的缩放因子能够避免由于状态幅值较大导致的量化饱和;随着系统状态逐渐趋于一致,量化误差对闭环系统性能的影响得到有效抑制;该动态量化机制在减少通信资源消耗的同时保证了状态信息传输的有效性和准确性。在此基础上,本发明结合事件触发通信机制、动态量化机制以及零阶保持策略,构建了控制器实际输入信号模型,使各智能体在通信非连续和量化误差存在的条件下仍能够获得有效的邻居状态信息,避免了因多节点频繁通信造成的数据拥塞和信息冲突,提高了网络通信系统的运行稳定性。此外,本发明基于状态偏差构造多智能体系统增广状态模型,将事件触发误差、量化误差、离散时间延迟以及外部扰动统一纳入系统分析框架,并结合h∞一致性控制协议建立lyapunov稳定性条件,进一步将系统h∞一致性控制问题转化为线性矩阵不等式求解问题;通过求解线性矩阵不等式即可获得满足一致性要求的控制器参数,避免了复杂非线性优化过程,降低了控制器设计和在线计算的复杂度,提高了算法的实时性。最后,本发明通过离线求解一组线性矩阵不等式获得控制器参数,并将其直接应用于在线控制过程;在线运行阶段无需进行复杂迭代计算,仅需利用实时接收到的量化信息完成控制输入更新,保证了系统在通信受限、存在扰动及量化误差的情况下,各智能体状态仍能够逐步收敛至一致,同时保证了在事件触发机制下,各智能体的量测误差的平方和在两次触发之间始终不超过事件触发通信阈值,且系统在外部扰动和量化误差影响下仍能保持h∞性能指标,实现了高效、稳定且鲁棒的多智能体h∞一致性控制。
1.一种基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤1中,
3.根据权利要求2所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,积分型事件触发机制具体为:
4.根据权利要求3所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,动态量化机制具体为:
5.根据权利要求4所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,零阶保持策略具体为:
6.根据权利要求5所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,构建多智能体系统增广状态模型的具体过程为:
7.根据权利要求6所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,建立稳定性判据如下:
8.根据权利要求7所述的基于事件触发和动态量化的多智能体系统h∞一致性控制方法,其特征在于,所述步骤2中,求解控制器参数的具体过程为:
9.一种基于事件触发和动态量化的多智能体系统h∞一致性控制系统,其特征在于,包括如下模块:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com