一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法与流程

1.本发明属于机电系统协同控制领域，主要涉及的是一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法。


背景技术：

2.传统采样控制系统的机制是基于时间进行触发的，也就是无论系统的控制状态是否需要改变都会更新系统的控制输入并周期性地应用于被控系统中。事件触发控制是根据设计的触发条件使智能体在必要时进行通信、计算、控制输出等操作。从资源配置的角度来看，事件触发方式比传统时间周期触发方式更科学、合理地利用了系统资源。利用事件触发机制为智能体设计合适的传输和执行频率，可以有效地节省多智能体系统的控制资源、提高控制效率。在实际系统中，执行器的频繁触发会增加智能体的能量消耗并增加相关部件的磨损，从而对智能体的性能产生较大影响。因此，在针对多智能体系统设计控制策略时应充分考虑如何减少系统能量的损耗以及提高部件的使用寿命，从而降低控制成本。目前，在基于事件触发的混合阶多智能体系统一致性控制研究中，研究成果都是基于固定触发阈值来确定系统的触发时间间隔。那么相应地在系统的运行过程中，现有方式无法根据系统的实际运行状态来有效调整事件触发阈值，进而也无法有效调节整个系统的执行和控制效率。因此，现有基于固定触发阈值的事件触发控制方法已经不能满足实际复杂非线性混合机电系统的控制要求。


技术实现要素：

3.本发明的目的是为了解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题，本发明提供了一种带有自适应阈值的混合阶非线性多智能体机电系统事件触发协同控制方法。
4.一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，所述控制方法包括如下步骤：
5.步骤一、建立混合阶多智能体机电系统数学模型：
6.一阶系统
[0007][0008]
二阶系统
[0009][0010]
p
i
、v
i
为第i个智能体的位置和速度，x
i
为第i个智能体的状态向量，f
i
(x
i
)为非线性函数，r
i
为外部扰动，h
i
(x
i
)为非线性时变控制系数，u
i
代表控制量，m
p
为一阶智能体的集合，m2为二阶智能体的集合。
[0011]
步骤二、建立混合阶多智能体机电系统同步跟踪误差：
[0012]
一阶同步跟踪误差
[0013][0014]
二阶同步跟踪误差
[0015][0016]
e
p,i
、e
v,i
分别为第i个智能体的一阶和二阶同步跟踪误差，a
ij
为邻接矩阵，n
i
为智能体i的相邻智能体，b
i
为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
[0017]
步骤三、建立混合阶多智能体机电系统滑模误差：
[0018]
一阶滑模误差
[0019]
γ
i
＝e
p，i
，im
p
ꢀꢀꢀ
(5)
[0020]
二阶滑模误差
[0021]
γ
i
＝e
v,i
κ
i
e
p,i
,i∈m2ꢀꢀꢀ
(6)
[0022]
γ
i
为第i个智能体的滑模误差，κ
i
为滑模系数。
[0023]
步骤四、建立混合阶多智能体机电系统神经网络估计模型：
[0024][0025]
为f
i
(x
i
)的估计值，为权值的估计，ζ
i
(x
i
)为基函数。
[0026]
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
[0027]
一阶事件触发控制律
[0028][0029]
二阶事件触发控制律
[0030][0031]
是事件触发控制量，α
i
＞0，0＜η
i
＜1，|c1|≤1，|c2|≤1，是设计参数，d
i
是i的入度，阈值z
i
＞0，为z
i
的估计值，g＞0是控制增益，是h
i
(x
i
)的估计值，t
k
＞0是采样时间，k∈z

是控制律更新时间。
[0032]
控制律事件触发条件为
[0033][0034][0035]
为事件触发控制误差，在t∈[t
k
,t
k 1
)期间内，控制输入保持为
常值
[0036]
事件触发阈值自适应律为
[0037][0038]
ρ＞0，μ＞0为设计参数，p
i
＞0。
[0039]
神经网络自适应律
[0040][0041]
f
i
＞0，τ＞0是可调增益。
[0042]
控制参数自适应律
[0043][0044]
其中，为h
i
的估计，δ＞0，λ
i
＞0，h
i
为h
i
的下界。
[0045]
本发明的有益效果在于，很好解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电系统事件触发控制的频率、有效节省系统的控制资源。
附图说明
[0046]
图1为具体实施方式一所述的控制方法的流程示意图；
具体实施方式
[0047]
具体实施方式一：结合图1说明本实施方式，本实施方式所述的带有自适应阈值的混合阶非线性系统事件触发协同控制方法，所述控制方法包括如下步骤：
[0048]
步骤一、建立混合阶多智能体机电系统数学模型：
[0049]
一阶系统
[0050][0051]
二阶系统
[0052][0053]
p
i
、v
i
为第i个智能体的位置和速度，x
i
为第i个智能体的状态向量，f
i
(x
i
)为非线性函数，r
i
为外部扰动，h
i
(x
i
)为非线性时变控制系数，u
i
代表控制量，m
p
为一阶智能体的集合，m2为二阶智能体的集合。
[0054]
步骤二、建立混合阶多智能体机电系统同步跟踪误差：
[0055]
一阶同步跟踪误差
[0056][0057]
二阶同步跟踪误差
[0058][0059]
e
p,i
、e
v，i
分别为第i个智能体的一阶和二阶同步跟踪误差，a
ij
为邻接矩阵，n
i
为智能体i的相邻智能体，b
i
为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
[0060]
步骤三、建立混合阶多智能体机电系统滑模误差：
[0061]
一阶滑模误差
[0062]
γ
i
＝e
p,i
,i∈m
p
ꢀꢀꢀ
(5)
[0063]
二阶滑模误差
[0064]
γ
i
＝e
v,i
κ
i
e
p,i
,i∈m2ꢀꢀꢀ
(6)
[0065]
γ
i
为第i个智能体的滑模误差，κ
i
为滑模系数。
[0066]
步骤四、建立混合阶多智能体机电系统神经网络估计模型：
[0067][0068]
为f
i
(x
i
)的估计值，为权值的估计，ζ
i
(x
i
)为基函数。
[0069]
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
[0070]
一阶事件触发控制律
[0071][0072]
二阶事件触发控制律
[0073][0074]
是事件触发控制量，α
i
＞0，0＜η
i
＜1，|c1|≤1，|c2|≤1，是设计参数，d
i
是i的入度，阈值z
i
＞0，为z
i
的估计值，g＞0是控制增益，是h
i
(x
i
)的估计值，t
k
＞0是采样时间，k∈z

是控制律更新时间。
[0075]
控制律事件触发条件为
[0076][0077][0078]
为事件触发控制误差，在t∈[t
k
,t
k 1
)期间内，控制输入保持为常值
[0079]
事件触发阈值自适应律为
[0080][0081]
ρ＞0，μ＞0为设计参数，p
i
＞0。
[0082]
神经网络自适应律
[0083][0084]
f
i
＞0，τ＞0是可调增益。
[0085]
控制参数自适应律
[0086][0087]
其中，为h
i
的估计，δ＞0，λi
i
＞0，h
i
为h
i
的下界。
[0088]
本实施方式效果：
[0089]
很好解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电系统事件触发控制的频率、有效节省系统的控制资源。