带领航者的二阶多智能体系统的有限时间一致性
多智能体系统一致性综述
多智能体系统一致性综述一 引言多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。
研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。
多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。
多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。
在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。
所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。
一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。
当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。
因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。
近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。
目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。
下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。
1.1 图论基础多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。
二阶多个体系统控制受限下的无碰撞速度一致性问题
二阶多个体系统控制受限下的无碰撞速度一致性问题史玉石;朱建栋;陈腾【摘要】In this paper, for multi-agent systems with the second-order integrator dynamics, the velocity consensus problem with collision avoidance and amplitude constraint of control is investigated. Using a new energy function, a nonlinear control protocol is proposed. Under some conditions, the following three points are achieved; (I) all the agents' velocity vectors reach agreement asymptotically; (ii) there is no collision among the agents; (iii) the amplitude of control input is bounded by an expected value. These contributions generalize the results on consensus to the case of constrained control.%针对具有二阶积分器动态的多个体网络系统,研究了控制输入幅值受限情况下的无碰撞速度一致性问题.利用所给出的一个新的能量函数,提出了一个非线性控制协议,在一定条件下,实现了如下几点:1.每个个体的速度渐近地趋于一致；2.个体之间没有碰撞发生；3.控制输入的幅值不超过期望的界限.将已有的关于无碰撞速度一致性问题的研究成果推广到了控制输入幅值受限的情形.【期刊名称】《南京师大学报（自然科学版）》【年(卷),期】2011(034)004【总页数】6页(P33-38)【关键词】二阶动态系统;无碰撞;控制受限;速度一致性【作者】史玉石;朱建栋;陈腾【作者单位】南京理工大学紫金学院,江苏南京210046;南京师范大学数学科学学院,江苏南京210046;南京师范大学数学科学学院,江苏南京210046【正文语种】中文【中图分类】O231.1近些年来，关于多个体系统运动的一致性问题引起了相关研究人员的极大关注．比如多个运动的智能机器人［1］、无人驾驶的飞机［2］，每个个体自身都有相同的或相似的动态方程，且不同个体之间可能有信息传递发生．它们各自要完成的任务，就是借助从其他个体那里得到信息，通过控制协议使自身的状态渐近地与其他个体的状态趋于一致．人们所要做的就是利用个体自身的动态方程和个体间信息传递的网络拓扑结构，设计控制输入协议，最终实现群体的一致性．因其广泛的实际应用背景，引起了控制理论界的广泛兴趣，并取得了丰硕的研究成果．关于具有一阶动态的多个体系统的一致性问题，比较早的文献可见［3-5］，文献［3］基于有向图对一致性问题建立了一个理论框架，并考虑了切换拓扑及信息传输时滞问题．针对固定拓扑情形，提出了一个线性控制协议，给出闭环系统实现一致性的一个充分条件，即有向图的强连通性．文献［4］则进一步给出了一致性的充要条件，即在有向图中存在有向生成树．文献［5］也给出了等价的结果．根据牛顿第二定律建立的数学模型往往是二阶动态方程，因此对二阶动态多个体系统的研究更具有实际意义．文献［6，7］较早地关注了这类问题，其中文献［6］提出了一种线性一致性协议，文献［7］提出了带有调节参数的控制协议，指出了闭环系统的一致性不仅与信息传输网络的拓扑结构有关，并且与参数的选择有关，得到实现一致性的一个充分条件．文献［8］则把一致性算法应用到了小车的编队控制中．［9］给出了更一般形式的控制协议，得到了一致性的充要条件，通过选择不同的参数，可得到不同形式的一致性状态．文献［10］在［9］的基础上又提出了加权平均一致性协议，并推广了［9］中的相关结果．此外，针对不同的二阶多个体系统模型，出现了许多优秀的研究成果，比如文献［11］考虑了随机切换拓扑情形，给出了新的一致性条件．在文献［12］中，假定位置信息和速度信息的传递网络拓扑可以是不同的，并给出有界的控制协议，使个体最终位置向量和速度分量各自趋于一致．近年来，群集运动的无碰撞一致性问题受到了研究人员的重视．具有相同动态方程的智能群体，通过所设计的控制协议使得智能群体的运动状态渐近地实现一致性，并且在运动的过程中个体之间没有碰撞发生．Tanner等在［13，14］中利用势场法和力学分析技巧，考虑了基于无向信息传输网络的智能群体群集运动控制问题，既涉及到固定拓扑情形，也包括切换拓扑情形．文献［15］基于结构能量函数和一致性协议提出了无向切换网络的群集运动控制算法，并讨论了避障和跟踪问题．文献［16］则利用一个新的能量函数，设计了一个新的群集运动无碰撞控制协议．需要提出的是，对无碰撞的一致性问题，一般考虑的是无向网络，所设计的控制协议也是非线性的．无碰撞的要求在编队控制中同样存在．在实际应用中，控制输入往往受到幅值或能量方面的限制．研究输入受限下的控制问题也更具有实际意义，这也是多年来控制理论领域的一个研究热点．文献［17］对二阶动态多个体系统提出了一个有界控制输入协议，并对输入上界进行了估计，但文中没有涉及无碰撞的要求．能否借鉴［17］中设计有界控制协议的思想在群集控制中设计输入受限的无碰撞一致性协议呢?本文正是围绕这一问题展开研究．关于这方面的研究成果还未见报道．本文对二阶多个体系统，给出了一种控制受限的控制输入协议．根据控制输入的界值，可以设定控制器中的参数，确定系统初值的范围，保证了控制受限下闭环系统实现速度一致性．文中个体系统的不同状态分量信息传递的网络拓扑结构可以是不同的．其中 ri，vi，ui∈Rm，i∈I，m ≥1．ri为个体i的位置向量，vi为个体i的速度向量，ui为控制输入项．个体间位置向量的信息传递网络为无向图G(A)，速度向量的信息传递网络为无向图G(B)，两者之间的拓扑结构不一定相同，即A≠B．因为G(A)，G(B)都是无向网络拓扑，所以A=［aij］，B=［bij］均是对角线上各元素为0，其余元素不全为0的对称矩阵．设计控制输入ui时，只能利用个体i的自身信息及在信息传递网络中所能直接接收的信息．定义1［16］本文所谓的控制受限的无碰撞速度一致性问题即为设计ui，使得整个闭环的网络系统满足(i)速度渐近实现一致，即|vi(t)-vj(t)|→0，t→∞，∀i，j∈I;(ii)个体之间无碰撞发生，即|ri(t)-rj(t)|≠0，∀t∈［0，+∞)，∀i≠j;(iii)控制受限，即|ui(t)|≤M，t∈［0，+∞)，其中M是控制项的幅值上界．为了设计控制协议，首先引入一个引理:引理函数(其中a，d都是常数)及其导数在x≥0时有如下性1考虑由n个个体构成的多个体系统，每个个体的动态方程为如下二阶积分器质: (I)φ(x)当x=0时有最大值时有最小值0，且 x＞d时，φ(x)＜1．1(II)φ(x)关于x的导数为当x＞ d1时，ψ(x)＞0;当时，ψ(x)有最大值时，ψ(x)有最小值图1为函数及其导数当a=1，d=2，1 x∈［0，20］时的图像．证明 (I)因为，不难看出，当且仅当 x=d1时，φ(x)=0，此时φ(x)值最小．又因为0＜a＜d1，所以当 x＞d1时，0＜x-d1＜x+a，则1．而在［0，d］区间内φ(x)为减函数，1因此当x=0时φ(x)有最大值(II)φ(x)的导数为再对其求导，易知ψ(x)在上为增函数，在上为减函数．因此当有最大值，为当x=0时，ψ(x)有最小值为(III)比较的大小，因为0＜a＜d1，则又因为所以本文中假设位置信息传递和速度信息传递的网络G(A)和G(B)的拓扑结构都是固定的，我们提出如下控制协议其中K1，K2＞0，tanh(·)为双曲正切函数，-1≤tanh(·)≤1．向量的双曲正切函数等于每个对应分量的双曲正切函数组成的向量，即若x=(x1，x2，…，xn)T，则tanh(x)=(tanhx1，tanhx2，…，tanhxn)T．从控制协议的形式看，ui只用到了个体自身的信息及网络中所能接收的信息．下面给出本文的主要结果．定理考虑由n个个体组成的多个体系统，每个个体的动态方程由(1)式表示．设位置信息传递网络G(A)为一个完全图，速度信息传递的网络G(B)为一个连通图．假设每个个体的初始位置满足0＜d1初始速度满足，令取K1=，则在控制协议(3)下，定义1所描绘的控制受限的无碰撞速度一致性问题可解．其中证明由于当 j∉Ni(A)时，aij=0，当 j∉Ni(B)时，bij=0，故由引理可知因为l所以再设计Lyapunov函数易知V≥0，对上函数求导，有根据Lasalle不变集原理，闭环系统的状态将收敛到若˙V=0，可得当bij≠0时，(vi-vj)Ttanh(vi-vj)=0，即vi=vj．又因G(B)为连通图，所以若˙V=0，有综之，对有，即速度向量渐近趋于一致．要证明个体之间没有碰撞发生，只需证对∀t≥0，i，j∈I，|ri(t)-rj(t)|不能为0．下面用反证法证明这一结果．假设在某时刻 t1，有某两个个体i1、i2有碰撞发生，即有 |ri1(t1)-ri2(t1)|=0，则有由引理可知将代入上式得又因为，则由引理可知将代入上式得则由(5)和(7)式可知这与V是非增的单调函数矛盾．因此对于任意时刻t和任两个结点i，j∈I，都不存在|ri(t)-rj(t)|=0的情形，所以个体之间是无碰撞的．定理得证．考虑4个个体的拓扑结构，每个个体有如(1)式的二阶动态系统，若位置信息传递网络拓扑结构和速度信息传递网络拓扑结构如图2所示，它们的赋权邻接矩阵分别为则有 n=4，am=0.9，aM=2.8，aA=11.2，bM=5．若令m=2，即位置分量、速度分量和控制输入均为二维的;再令，即，则有1，即有 d1=1，由定理得l=5 即．取 K2=5，则令初始速度为仿真时间为5，图3为ui的仿真结果．可以看出ui取值严格限制在(-50，50)之间，即满足条件|ui|＜50．随着各个个体速度分量趋于一致后，ui的值趋向于0．图4和图5为个体各状态分量随时间变化的仿真结果．由图可以看出4个个体的速度最终趋于一致，且个体间保持一定的距离，无碰撞发生．本文研究具有二阶动态系统的多个体系统，设计有期望幅值界限的控制协议，使得最终所有个体渐近地取得相同的速度向量，且个体两两之间没有碰撞发生．有向网络拓扑结构下的多个体系统控制受限下的协议设计还有待进一步研究．【相关文献】［1］ Fax J A，Murray R M．Information flow and cooperative control of vehicle formations［J］．IEEE Trans Automat Control，2004，49(9):1 465-1 476．［2］ Lian Z T，Deshmukh A．Performance prediction of an unmanned airborne vehicle multi-agent systems［J］．European Journal of Operational Research，2006，172(2):680-695．［3］ Saber R O，Murray R M．Consensus problems in networks of agents with switching topology and time delays［J］．IEEE Trans Automat Control，2004，49(9):1 520-1 533．［4］ Ren W，Beard R W．Consensus seeking in multi-agent systems under dynamically changing interaction topologies［J］．IEEE Trans Automat Control，2005，50(5):655-661．［5］ Lin Z Y，Francis B，Maggiore M．Necessary and sufficient graphical conditions for formation control of unicycles［J］．IEEE Trans Automat Control，2005，50(1):121-127．［6］ Xie G M，Wang L．Consensus control for a class of networks of dynamic agents ［J］．International Journal of Robust and Nonlinear Control，2007，17(10/11):941-959．［7］ Ren W，Atkins E．Distributed multi-vehicle coordinated control via local information exchange［J］．International Journal of Robust and Nonlinear Control，2007，17(10/11):1 002-1 033．［8］ Ren W．Consensus strategies for cooperative control of vehicle formations ［J］．IET Control Theory＆ Applications，2007，1(2):505-512．［9］ Zhu J D，Tian Y P，Kuang J．On the general consensus protocol of multi-agent systems with double-integrator systems［J］．Linear Algebra and its Applications，2009，431(5/7):701-715．［10］ Shi Y S，Zhu J D，Chen T．On the general weighted-average protocol of multi-agent systems with double-integrator dynamics［C］//Proc of the 28th Chinese Control Conf．Guilin，2009:4 860-4 865．［11］ Zhang Y．Consensus of multi-agent systems with stochastic switching topology ［C］//Proc of the 27th Chinese Control Conf．Kunming，2008:545-549．［12］ Ren W．On consensus algorithms for double-integrator dynamics［C］//Proc of the 46th IEEE Conf on Decision and Control．New Orleans，2007:2 295-2 300．［13］ Tanner H G，Jadbabaie A，Pappas G J．Stable flocking of mobile agents，PartI:fixed topology［C］//Proc of the 42nd IEEE Conf on Decision and Control．Maui:IEEE Press，2003:2 010-2 015．［14］ Tanner H G，Jadbabaie A，Pappas G J．Stable flocking of mobile agents，PartII:dynamic topology［C］//Proc of the 42nd IEEE Conf on Decision and Control．Maui:IEEE Press，2003:2 016-2 021．［15］ Saber R O，Murray R M．Flocking with obstacle avoidance:cooperation with limited communication in mobile networks［C］//Proc of the 42nd IEEE Conf on Decision and Control．Maui:IEEE Press，2003:2 022-2 028．［16］俞辉，王永骥，程磊．基于有向网络的智能群体群集运动控制［J］．控制理论与应用，2003，24(1):79-83．［17］ Chen Y Y，Tian Y P．A backstepping design for directed formation control of three-coleader agents in the plane［J］．International Journal of Robust and Nonlinear Control，2009，19(7):729-745．。
无人机编队飞行一致性问题仿真
摘要摘要这些年来，随着自动化技术，无线通信技术的发展以及无人机越来越广泛的应用，在航天航空领域，多无人机编队控制是人们的研究热点。
无人机编队问题隶属于多智能体协调控制问题，它的应用很广泛，而单个无人机的应用总是有限的，为了完成更多任务，可以使无人机与无人机之间组成编队，能够通过个体之间的交互进行区域的信息交流来使整体呈现有规则的行动。
所以，凭借无人机编队在空间的分布性，协同执行任务时的并行性以及比较强的容错能力，无人机编队飞行一致性问题值得我们去研究并仿真。
本课题以中等数量的无人机编队为研究对象，基于多智能体一致性研究方法和编队控制理论来研究无人机编队飞行一致性问题。
用到的知识包括一致性理论，编队控制理论，图论以及矩阵论。
首先研究无领航者无人机编队飞行一致性问题，并在解决并仿真该问题以后分析具有领航者无人机编队飞行状态达到一致所满足的条件，并对无人机编队飞行一致性算法进行仿真验证。
关键词：无人机一致性理论编队控制ABSTRACTOver the years, with the automation technology, wireless communication technology and the development of unmanned aerial vehicles more widely used in the aerospace field, multi-UAV formation control people's research focus. UAV formation problem belongs to multi-agent coordination and control issues, ideological coordination between multi-agent control is the result of people's animal and plant populations observed in nature to explore. UAV very broad application, and the application of a single drone is always limited, in order to get more done, you can make between the UAV and UAV fleet composition can be performed by the area of interaction between the individual information AC to make the whole show regular action. So, with the UAV formation distributed in space, the cooperative parallelism and relatively strong fault tolerance to perform a task, the UAV formation flight consistency worthy of our study and emulation.The problem with a moderate number of UAV formation for the study, based on multi-agent methodology and consistency of control theory to study the formation of UAV formation flight consistency. Used knowledge includes theoretical consistency, formation control theory, graph theory and matrix theory. Firstly no leader UAV formation flight consistency and resolve the problem later analysis and simulation with a leader UAV formation flight to reach agreement satisfied the conditions and flight consistency algorithm performed UAV formation simulation.Keywords：UAV Consistency Theory Formation Control目录目录摘要 (1)第一章绪论 (1)1.1 本课题的研究背景以及意义 (1)1.2 研究现状以及发展方向 (2)1.2.1 无人机的编队技术 (2)1.2.2一致性理论的研究 (5)1.2.3一致性在编队控制中的应用 (6)第二章预备知识 (9)2.1图论 (9)2.2 矩阵 (10)2.3一致性理论算法 (12)第三章无领航者无人机编队飞行一致性算法 (13)3.1 问题描述 (13)3.2 模型描述及证明 (13)3.3 实例仿真及分析 (18)第四章有领航者无人机编队飞行一致性算法 (21)4.1 问题描述及模型构建 (21)４.２连续时间协议及证明 (22)4.3 实例仿真及分析 (25)第五章总结与展望 (31)5.1 本文总结 (31)5.2 未来展望 (32)致谢 (33)参考文献 (35)第一章绪论1.1 本课题的研究背景以及意义这些年来，随着自动化技术，无线通信技术的发展以及无人机越来越广泛的应用，在航天航空领域，多无人机编队控制是人们的研究热点。
二阶领导跟随多智能体系统事件触发一致性
第31卷第1期2021年3月湖南工程学院学报Journal of Hunan Institute of EngineeringVol.31.No.1March 2021罗毅平，蔡聪，肖星，林国汉（湖南工程学院电气与信息工程学院，湘潭411104）摘要：针对一类时滞二阶多智能体系统领导跟随模型，研究了在无向拓扑结构下一类二阶多智能体系统领导跟随一致性控制问题.考虑系统内部非线性因素，在给定事件触发策略的条件下，设计了与时滞相关的控制器，通过矩阵不等式等分析技术，利用lyapunov-krasovskii 稳定性定理得到了该系统实现一致性的充分条件.最后，在仿真阶段验证了控制器设计的合理性.关键词：事件触发；二阶多智能体系统；一致性；输入时滞；非线性中图分类号：TP13∶TP18文献标识码：A文章编号：1671-119X （2021）01-0001-07收稿日期：2020-09-26项目基金：国家自然科学基金资助项目（11972156）；湖南省自然科学基金资助项目（2017JJ4004）；湖南省研究生科研创新项目（CX20190958）；湖南省教育厅科研资助项目（19A117）.作者简介：罗毅平（1966-），男，博士，教授，研究方向：复杂网络、多智能体系统.二阶领导跟随多智能体系统事件触发一致性0前言多智能体系统一致性在许多领域有着广泛的应用，如电网［1］、无人机编队［2-3］、生物系统［4］等领域.由于其通信成本低、效率高，受到了大量科研人员的关注，成为了控制领域的研究热点.大量科研人员投入到智能体的研究热潮中，并通过不同的角度、不同的模型充分地研究一阶多智能体系统，并获得了许多成果［5-7］.然而在上述成果中，考虑的都是一阶智能体系统.但在实际应用中，大多数都是二阶甚至高阶系统，仅仅考虑位移一致性是远远不够的，特别是同时受位置和速度控制的智能体，比如编队控制中的无人机，必须同时保证智能体的位移和速度一致，才能精确地保证状态一致.Ren 等［8］也指出二阶智能体系统与一阶系统不同，生成树的存在并不是二阶智能体系统实现一致的充要条件.由此表明，将一阶一致性算法简单地应用在二阶系统上是不合适的，换句话说，从一阶系统扩展到二阶系统，并不是在一阶模型上的简单延伸，因此，研究二阶系统是非常有挑战性的，也是很有必要的.近年来，已有许多学者对二阶多智能系统的一致性控制进行了研究［9-12］，研究内容主要围绕一致性算法展开，一般来说，二阶智能一致性算法分为无领导跟随一致性算法和只有一个领导者的领导跟随一致性算法.例如文献［9-10］，就是通过无领导跟随一致性算法解决了二阶系统达成一致性问题.文献［11-12］讨论了在一个领导者的情况下，跟随者在控制协议作用下追踪领导者，最后与领导者状态达成一致.需要注意的是在上述文献中都是基于多智能体系统是线性的前提下进行研究的.然而，在智能体系统模型中各个智能体内部诸因素之间更多地呈现出一种非线性关系，如在无人机编队控制系统中，各个无人机内部因素肯定是一个非线性因素.因此，研究带有非线性因素的智能体系统是非常有实际意义的.为了解决非线性因素对一致性问题带来的影响，Li 等［13］利用Lipschitz 公式对非线性因素进行线性化处理，最后得出多智能体系统达成二阶一致的充分条件，在Li 的基础上，Wang 等［14］研究了非均匀扰动的二阶非线性系统的一致性问题，提出线性化处理的前提，并不再要求非线性函数满足任何全局Lipschitz 条件，这也大大弱化了线性化处理的要求.这样，线性化处理很快地被湖南工程学院学报2021年引入到多智能体系统控制中，并迅速地产生了大量研究成果.然而，上述研究成果都没有考虑系统中的时延.由于智能体之间需要相互通信，这样智能体之间的信息传输就不可避免的产生时间延迟.时延的产生必将影响系统的稳定性和控制性能.目前，已有许多论文研究了带有时滞的多智能体系统一致性控制问题，如Li等［15］研究离散系统中的步长和时滞参数一致性，给出了系统达成一致的参数集，并证明了该研究结果也适用于具有输入时滞的系统中.需要指出的是，以上分析带有时滞的多智能体一致性控制的文献中，都只是关注一阶系统的一致性.涉及时延二阶系统中的一致性控制这方面的研究很少.Ma等［16］研究在不确定时滞下，二阶智能体系统鲁棒一致性，但仅限于非领导跟随模型.目前，具有时滞的二阶智能体系统仍有许多问题需要更深入地研究.在研究智能体通信时滞的同时，还需要考虑智能体之间信息传输的通道信道容量，由于通信资源是有限的，所以每个智能体与相邻智能体之间的通信不可能一直持续.为了节约通信成本，许多科学家提出采样数据控制.传统的采样系统是通过预先设定采样周期，同步触发控制器更新［17-18］，由于其设计的便利性，得到了广泛应用.传统的采样控制设计重点在于采样周期取值，若采样的周期过短，则会造成通信资源大量浪费，并且产生数据冗余，阻塞信道.相反，周期设定过长，系统的控制性能将大大降低.因此时间触发通信系统的采样周期设定是保守的，资源利用率较低.为了提高通信资源利用率，提出事件触发通信方式来提高通信资源利用率，并减少通信负担［19-20］.不同于时间触发方案，事件触发不需要预先设定触发周期，而是设定一个系统可承受的误差阈值，一旦智能体的局部误差超过这一阈值，控制器才进行更新.这样大大减少了通信资源损耗，并有效地缓解通信通道的阻塞，同时又保证了控制性能.近年来科研人员对事件触发机制进行了充分的研究，并迅速产生大量的成果［21-24］.Liu等［21］基于无向拓扑结构下，提出事件触发机制，研究了一阶系统的平均一致性.Yang等［22］则研究了高阶系统下基于观测器的领导跟踪输出一致性问题，并同时考虑事件触发方案.在二阶系统中，Xie等［23］分别通过集中式事件触发策略和分散式事件触发策略对二阶领导跟随系统的一致性问题进行了研究，然而，Xie等人并没有考虑系统时滞和系统的非线性因素，而现实应用系统中，往往这二者都同时存在，然而在现有的二阶一致性文献中，几乎都没有将二者同时考虑在内，现有的方法可能无法同时处理系统中的时滞与非线性项.受上述启发，本文研究一类同时具有输入时滞和非线性动力学因素的二阶多智能体系统的事件触发一致性控制问题，本文的贡献有三个方面：首先，本文研究的是一类二阶领导跟随模型，在考虑了系统固有的非线性动力学因素基础上，同时考虑输入时滞对系统的影响.其次，针对具有输入时滞和非线性因素的二阶领导跟随模型，获得了实现事件触发策略下该系统一致性的充分条件，并排除了Zeno行为，有效地降低了通信成本.最后，在仿真结果中验证了领导者的加速度设定的大小对系统稳定性产生影响.1预备知识与系统描述1.1图论知识由N个智能体和1个领导者构成的无向拓扑连通图，其中-G=G⋃{0}，其中{}0相当于领导者，而G={V,E}表示N个跟随者所构成的拓扑图，V= {1,2,⋯,N}称为顶点集，如果节点i与j之间存在一条边，则称为i,j相邻.边集E={(i,j)∈V×V;i,j相邻}. A=[]a ij N×N是N个多智能体的邻接矩阵，若i,j相邻，则a ij>0，反之，a ij=0.如果(i,j)∈E，则可以称j 是i的邻居.第i节点的邻居集可以用N i= {j∈V|(j,i)∈E,j≠i}表示.此外我们定义一个度矩阵为D=dig{d1,d2,⋯,d N}.如果领导者{}0能够连接到i，则d i>0，反之，d i<0，其中d i=∑j∈N ia ij，并且定义拉普拉斯矩阵L=D-A.为了方便问题描述，给出以下定义：R n和R n×m 分别代表n维实数矩阵和n×m实数矩阵，I和0分2第1期别表示为合适维度的单位矩阵和零矩阵.1N 表示所有元素为1的列向量，sup 表示最小上确界.1.2系统问题描述领导者的动力学行为：{ẋ0(t )=v 0(t )v̇0(t )=p (t )+f (v 0(t ),t ) （1）跟随者的动力学行为：{ẋi (t )=v i (t )v̇i (t )=u i (t ) + p (t )+f (v i (t ),t ) （2）其中t ∈(-τ,+∞)，x i (t )，v i (t )∈R N ，分别代表跟随多智能体i 的位置、速度状态量.x 0(t )、v 0(t )分别代表领导者的位置、速度状态量.p (t ) ∈R N 代表智能体i 的驱动函数以及u i (t )∈R N代表智能体i 的控制输入.f (v i (t ),t )、f (v 0(t ),t )代表跟随者智能体i 的动力学特性的连续可微非线性向量函数和领导者的动态输入.定义1二阶领导跟随系统如果满足下列条件就说明该系统（1）（2）达到一致性.lim x →∞x i (t )- x 0(t )=0lim x →∞v i(t )- v 0(t )=0i =1,2,⋯,N引理1对于任意具有合适维度的向量x ,y 以及合适维度的对称正定矩阵Z ，都具有下列不等式：±x T y ≤x T Zx +y T Z -1y引理2具有合适维度的矩阵A 、B 、C 、D ，利用克罗内克积公式，可以得到：（1）(A +B )⊗C =A ⊗C +B ⊗C （2）(A ⊗B )T =A T ⊗B T（3）(A ⊗B )(C ⊗D )=(AC )⊗(BD )引理3舒尔定理：下列对称线性不等式：éëêùûús (x )z (x )z T (x )c (x )>0等价于下列式子：s (x )>0,c (x )-z T(x )s -1(x )z (x )>0c (x )>0,s (x )-z (x )c -1(x )z T (x )>0假设1非线性函数f (v i (t ),t )是连续可微的向量函数，存在一个正的标量ρ，使得满足下列不等式：||f (v i(t ),t )-f (v j(t ),t )≤ρ||v i(t )-v j(t )2主要结果在本篇文章中，将通过设计合适的控制器以及提出集中式事件触发机制来解决在无向连接拓扑图下的二阶领导跟随系统（1）（2）的一致性问题.2.1集中式事件触发控制策略在假设控制器输入时滞为固定常时滞下，提出集中式事件触发策略，智能体在满足事件触发条件时触发通信采样，一般来说，事件触发条件是一个包含全局状态测量误差阈值的不等式，当实际测量误差超过这一阈值便触发控制器更新.其触发函数具体表达式在式（6）中给出.为了解决系统（1）（2）的一致性问题，设计的控制器目的为了解决控制输入常时滞与智能体内部的非线性因素的影响，其具体控制协议如（3）式：u i (t )=κ(∑j ∈Niaij(x j (t k -τ)-x i (t k -τ)+v j (t k -τ)-v i (t k -τ))-b i (x i (t k -τ)-x j (t k -τ)+v i (t k -τ)-v 0(t k -τ)))∀t ∈[t k ，t k +1) （3）其中，κ代表控制增益，且κ>0，τ为大于0的常数，代表控制器输入时滞，a ij >0为智能体i ，j 相连的耦合强度，b i >0以及j ∈N i .t k ,t k +1分别代表第k 次、第k +1触发时刻.T k =t k +1-t k 代表的是采样周期，当t ∈[t k ,t k +1)，每个智能体i 在这一期间广播其状态x i (t k )、x 0(t k )、v i (t k )和x 0(t k )，即在两次相邻触发时刻之间，系统的控制输入保持不变.将（3）式中控制器带入(2)式，设ξi (t )=x i (t )-x 0(t )，ηi (t )=v i (t )-v 0(t ).e 1(t )=ξ(t k )-ξ(t ),e 2(t )=η(t k )-η(t )，其中误差量e 1(t )，e 2(t )∈R N .将误差量代入，并令e (t )=[]e T 1(t ),e T2(t )T，再设置y (t )为[]ξT(t ),ηT (t )T，所以我们得到：ẏ(t )=Cy (t )+Fy (t -τ)+He (t -τ)+F ˉ （4）其中对应的矩阵表达式如下：C =éëêùûú0I N 00F =éëêùûú00-κ(L +B )-κ(L +B )H =éëêùûú00-κ(L +B )-κ(L +B )F ˉ=éëêùûú0f -1N ⊗f 0罗毅平，等：二阶领导跟随多智能体系统事件触发一致性3湖南工程学院学报2021年2.2事件触发机制触发函数：g (t ,e (t ))=e T (t )Qe (t )-k 1∗y T (t )M 1y (t ) -k 2∗y T (t -τ)M 2y (t -τ)-k 3∗e T (t -τ)M 3e (t -τ) （5）触发条件为：g (t ,e (t ))=0（6）在式（5）（6）中，其中k 1、k 2、k 3都是大于0的常数，Q 、M 1、M 2、M 3为合适维度的矩阵.在式（6）中的集中式触发条件，实际上是设定了一个全局状态误差阈值e (t )，也称为系统（1）（2）在一致性下所能忍耐的最大误差值，一旦系统误差超过此值，系统一致性便会被破坏，为了维持系统一致性的稳定，此刻事件机制会迅速触发控制器（3）更新输入，此刻测量误差将重置为0.定理1对于无向连通拓扑下的二阶多智能体系统（1）（2），如果存在正定对称矩阵P ,R ,Q ,W 和矩阵M 1,M 2,M 3，使得下列线性矩阵不等式成立，当触发函数（5）在满足触发条件（6）下将触发控制器（3）更新，该系统达成一致性.J =éëêêùûúúJ 11J 12J 13∗J 22J 23∗∗J 33<0 （7）J 11=C T P +PC +R +τC T WC -τ-1W +PR -1P +τC T WQ -1WC +ρR +ρW +τρQ +2τρP +k 1∗M 1J 12=τC T WF +τ-1W +PF J 13=PH +τC T WHJ 22=-R -τ-1W +τF T WF +τF T WP -1WF +k 2∗M 2J 23=τF T WHJ 33=-Q +τH T WH +τH T WP -1WH +k 3∗M 3上式子中k 1,k 2,k 3均大于0，当g (e (t ),t )渐近于0时，所有跟随者的控制器将会被触发，每个多智能体的控制输入将会被更新.证明：对于闭环系统（4），构造李雅普诺夫函数如下：v (t )=y T (t )Py (t )+∫t -τty T(s )Ry (s )d s +∫t -τt eT(s )Qe (s )d s +∫-τ∫t +θtẏT(s )Wy ̇(s )d s d θ（8）对时间t 求导后再根据Jensen 不等式可得：v̇(t )≤y ̇T (t )Py (t )+y T (t )Py ̇(t )+y (t )Ry (t )-y (t -τ)Ry (t -τ)+e T (t )Qe (t )-e T (t -τ)Qe (t -τ)+τẏT (t )Wy ̇(t )-τ-1(y (t )-y (t -τ))T ∗W ∗(y (t )-y (t -τ)) （9）将（4）式代入（9）式后，根据引理1，并通过假设1和引理2中的克罗内克积公式可以将带有||Fˉ的式子进行转化，最后为了方便计算，设定δ(t )=[]y T (t )y T (t -τ)e T (t -τ)T，化简写成矩阵形式：v̇(t )≤δT (t )J ˉδ(t )+ e T (t )Qe (t )（10）其中J ˉ=éëêêêêùûúúúúJˉ11J 12J 13∗J ˉ22J 23∗∗J ˉ33Jˉ11=C T P +PC +R +τC T WC -τ-1W +PR -1P +τC T WQ -1WC +ρR +ρW +τρQ +2τρPJˉ22=-R -τ-1W +F T WF +τF T WP -1WF Jˉ33=-Q +τH T WH +τH T WP -1WH 在t ∈(t i k ,t i k +1)时，我们可知：e T (t )Qe (t )<k 1∗y T (t )M 1y (t )+k 2∗y T (t -τ)M 2y (t -τ)+k 3∗e T (t -τ)M 3e (t -τ)（11）根据式（11）可以得到v ̇(t )≤δT (t )Jδ(t )≤0，因此闭环系统（4）渐近稳定一致，这也意味着跟随者智能体位移，速度状态与领导者的差值在全局状态误差阈值e (t )范围内，即满足定义1中lim x →∞x i (t )- x 0(t )=0，lim x →∞v i (t )- v 0(t )=0.证明成立.另外需要注意的，除了保证系统（1）（2）在控制器（3）下达成一致性外，还需要确保在时间轴上没有事件的累积点，即没有Zeno 行为，这点可以通过严格采样周期T k 来保证，以下给出定理2.定理2对于二阶多智能体系统（1）（2），假设无向拓扑图论G 是连通的，在任意初始条件下，控制协议（3）与集中式事件触发策略（5）（6）渐进解决了多智能体系统的一致性问题，另外，通过式（12）计算采样周期的最小值，闭环系统不会出现Zeno 行为.θˉ≥{p 1 y (t )+p 2 y (t -τ)+p 3 e (t -τ)}×{ C μ1+ F μ2+ H ε1+ Fˉ}-1（12）4第1期证明如下：我们从触发函数（6）中可以得到：e (t )≤p 1 y (t )+p 2 y (t -τ)+p 3e (t -τ)（13）其中：p 1=λmax (M 3/Q )，p 2=λmax (M 2/Q )，p 3=λmax (M 3/Q )从（5）式中，我们可以得到 ẏ(t )≤ C y (t )+ F y (t -τ)+H e (t -τ)+ Fˉ（14）为了得到采样区间的正下界，计算了t >t k 时的测量误差e (t )的上界，又因为测量误差e ̇(t )<-y ̇(t )， e (t )≤-∫t kt y ̇(t )d s .所以：e (t )≤(t -t k){ C y (t )+ F y (t -τ)+H e (t -τ)+ Fˉ}（15）定义2：μ1=sup t ≥0 y (t )，μ2=sup t ≥0 y (t -τ)，ε1=sup t ≥0 e (t -τ).上式（15）可以变成：e (t )≤(t -t k ){ C μ1+ F μ2+ H ε1+Fˉ}（17）联立式（13）、式（16）可以得到：t -t k ≥{p 1 y (t )+p 2 y (t -τ)+p 3 e (t -τ)}*{ C μ1+ F μ2+ H ε1+ Fˉ}-1（18）3数值仿真在本章节中，主要通过数值仿真来验证该集中式事件触发协议的有效性.该仿真研究的是由1个领导者和5个跟随者构成的多智能体系统，其智能体系统拉普拉斯矩阵L 和局部度B 如下所示.系统的无向拓扑图如图1所示，其中0代表领导者，数字1~5代表跟随者智能体.L =éëêêêêêêêêùûúúúúúúúú5-30-20-33000006-4-2-20-49-300-2-35B =éëêêêêêêêêùûúúúúúúúú200000300000200000200图1智能体系统的无向连接拓扑图为了验证系统（1）（2）在控制协议（3）作用下能够达成一致性，我们设定智能体的初始状态，各智能体的位移分别：x 0(t )=1.2683 ,x 1(t )=2.7346,x 2(t )=-2.432,x 3,(t )=4.8951,x 4(t )=7.1191,x 5(t )=-4.732.各智能体速度分别为：v 0(t )=-2.71,v 1(t )=0.7329,v 2(t )=-3.1691, v 3(t )=4.112,v 4(t )=2.7316,v 5(t )=-8.511对于系统中的非线性参数，我们设定为f (v i (t ),t )=sin(10t )-0.12v i (t )，输入时滞τ=0.01.系统中领导者的加速度p (t )=0.2t sin(10t ).控制器参数k =7.68，定理1中的参数k 1=k 2=k 3=9.4.其仿真图如图2~图5所示.通过仿真验证了本文思路的可行性.Time(sec)Time （sec ）456图2智能体位移状态变化图罗毅平，等：二阶领导跟随多智能体系统事件触发一致性5湖南工程学院学报2021年图3智能体速度状态变化图图4测量误差范数 e (t )变化Time(sec)Time （sec ）456图5事件触发时间间隔图4结束语本文研究的是一类二阶多智能体领导跟随一致性控制问题，给出了该系统达成一致性的充分条件.该系统同时考虑了输入时滞和存在非线性因素的情况，基于李雅普诺夫稳定性理论与矩阵不等式设计了与时滞相关的控制器，并利用事件触发机制，有效地降低了通信成本，提高了资源利用率和系统的控制性能.最后数值仿真验证了该方法的可行性，然而考虑到每个智能体在执行任务供给的能量有限，如何权衡能量的消耗与性能的优化是我们下一步需要进行研究和解决的问题.参考文献［1］Mengchen Z ，Ning W ，Meijuan W ，et al .Design of Self-adaption Protection Scheme for Micro-grid Based on Multi-agent ［J ］.Journal of Yanshan University ，2019.［2］Neto AMDS ，Romero RAF .A Decentralized Approachto Drone Formation Based on Leader-Follower Technique ［C ］//2019Latin American Robotics Symposium （LARS ），2019Brazilian Symposium on Robotics （SBR ）and 2019Workshop on Robotics in Education （WRE ）.2019.DOI ：10.1109/LARS-SBR-WRE48964.2019.00069.［3］Li X ，Er MJ ，Yang G ，et al .Bearing-Based FormationManoeuvre Control of Nonholonomic Multi-agent Sys-tems ［J ］.International Journal of Systems Ence ，2019，50（3）：1-10.［4］Kaur G ，Burroughs AM ，Iyer LM ，et al .Highly-Regulat-ed ，Diversifying NTP-based Biological Conflict Systems with Implications for Emergence of Multicellularity ［J ］.eLife Ences ，2020，9.［5］Wang H ，Yu W ，Wen G ，et al .Fixed-Time Consensus ofNonlinear Multi-Agent Systems with General Directed Topologies ［J ］.IEEE Transactions on Circuits and Sys-tems II:Express Briefs ，2019，66（9）：1587-1591.［6］Hu T ，He Z ，Zhang X ，et al .Leader-Following Consensusof Fractional-or der Multi-agent Systems Based on Event-Triggered Control ［J ］.Nonlinear Dynamics ，2020，99（3）：2219-2232.［7］Sinha A ，Mishra R K .Consensus in First Order NonlinearHeterogeneous Multi-agent Systems with Event-Based Sliding Mode Control ［J ］.International Journal of Con-trol ，2020，93（4）：858-871.［8］Ren W ，Beard R W .Consensus Seeking in Multiagent Sys-tems Under Dynamically Changing Interaction Topologies ［J ］.IEEE Transactions on Automatic Control ，2005，50（5）：655-661.6第1期［9］Ge S Y，Zhou Y J，Jiang G P，et al.Prescribed-Time Leader-Following Consensus Tracking Control for Second-Order Multi-Agent Systems［C］//2019Chinese Automa-tion Congress（CAC）.2019.DOI：10.1109/CAC48633.2019.8996401.［10］Guo W，Jinhu L，Chen S，et al.Second-Order Tracking Control for Leader-Follower Multi-Agent Flocking in Di-rected Graphs with Switching Topology［J］.Systems&Control Letters，2011，60（12）：1051-1058.［11］Liu K，Ji Z，Ren W.Necessary and Sufficient Condi-tions for Consensus of Second-Order Multiagent Sys-tems Under Directed Topologies Without Global GainDependency［J］.IEEE Transactions on Cybernetics，2017，47（8）：2089-2098.［12］Zheng D，Zhang H，Andrew Zhang J，et al.Consensus of the Second-order Multi-Agent Systems Under Asyn-chronous Switching with a Controller Fault［J］.Interna-tional Journal of Control Automation&Systems，2019，17（1）：136-144.［13］Li H，Liao X，Chen G.Leader-Following Finite-Time Consensus in Second-order Multi-Agent Networks withNonlinear Dynamics［J］.International Journal of Con-trol Automation and Systems，2013，11（2）：422-426.［14］Wang C，Ji H.Robust Consensus Tracking for a Class of Heterogeneous Second-Order Nonlinear Multi-AgentSystems［J］.International Journal of Robust&Nonlin-ear Control，2015，25（17）：3367-3383.［15］Li X，Liu J C，Li X G.Consensus of First-Order Dis-crete-time Multi-Agent Systems with Time Delays［J］.Journal of the Franklin Institute，2019，356（10）：5315-5331.［16］Ma D，Tian R，Zulfiqar A，et al.Bounds on Delay Con-sensus Margin of Second-Order Multi-Agent SystemsWith Robust Position and Velocity Feedback Protocol［J］.IEEE Transactions on Automatic Control，2019，64（9）：3780-3787.［17］Yan X S，Wang Q L，Sun C Y，Self-triggered Consensus Control for Linear Multi-Agent Systems With Input Sat-uration［J］.自动化学报英文版，2020，15（1）：150-157.［18］Duan G，Xiao F，Wang L.Hybrid Event-and Time-Trig-gered Control for Double-Integrator Heterogeneous Net-works［J］.Ence China（Information ences），2019，62（2）：73-84.［19］Cameron，Nowzari，et al.Event-Triggered Communica-tion and Control of Networked Systems for Multi-agentConsensus［J］.Automatica，2019，105（105）：1-27.［20］Zhang A，Zhou D，Yang P，et al.Event-Triggered Fi-nite-time Consensus with Fully Continuous Communica-tion Free for Second-Order Multi-Agent Systems［J］.In-ternational Journal of Control Automation&Systems，2019，17（4）：836-846.［21］Liu Z，Chen Z，Yuan Z.Event-Triggered Average-Con-sensus of Multi-Agent System with Weighted and DirectTopology［J］.Journal of Systems Science&Complexi-ty，2012，25（5）：845-855.［22］Yang Q，Li J，Wang B.Leader-Following Output Con-sensus for High-order Nonlinear Multi-agent Systems byDistributed Event-triggered Strategy Via Sampled DataInformation［J］.IEEE Access，2018，7：70799-70810.［23］Xie D，Yuan D，Lu J，et al.Consensus Control of Sec-ond-order Leader-Follower Multi-agent Systems withEvent-Triggered Strategy［J］.Transactions of the Insti-tute of Measurement and Control，2013，35（4）：426-436.Event-triggered Consensus of Second-order Leader-followerMulti-agent SystemLUO Yi-ping，CAI Cong，XIAO Xing，LIN Guo-han（College of Electrical and Information Engineering，Hunan Institute of Engineering，Xiangtan411104，China）Abstract：The problem of leader-following consensus control for a class of second-order multi-agent system in undirected topology is studied.A delay-related controller is designed for the leader-following model of a class of second-order multi-agent system with delay，considering the internal nonlinear factors of the system and under the condition of given event triggering strategy.Through matrix inequality and other analysis tech-niques，sufficient conditions for the consistency of the system are obtained by using lyapunov-KrasovskII sta-bility theorem.Finally，the rationality of controller design is verified in the simulation stage.Keywords：event-triggered；second-order multi-agent system；consensus；time-delay；nonlinear罗毅平，等：二阶领导跟随多智能体系统事件触发一致性7。
多智能体系统一致性与复杂网络同步控制研究
多智能体系统一致性与复杂网络同步控制研究多智能体系统一致性与复杂网络同步控制研究是最近几年来非常热门的研究领域之一。
这个领域的研究主要考虑如何在多智能体系统中实现一致性或复杂网络同步控制，以进一步提高多智能体系统的性能和稳定性。
在这篇文章中，我们将介绍多智能体系统一致性与复杂网络同步控制的概念和应用，以及相关的研究成果。
一、多智能体系统一致性的概念与应用多智能体系统是由多个智能体组成的集合体，每个智能体都可以感知和与其他智能体交互。
而多智能体系统的一致性，则是指多个智能体在系统中具有相同的行为或状态，包括位置、速度、角度等。
一致性在多智能体协同控制、功率系统调度、无线传感器网络等领域都有着广泛的应用。
在多智能体系统中，当智能体之间的通讯或行为出现差异或偏差时，就会导致系统中出现不一致的现象。
为了实现多智能体一致性，研究者们提出了许多不同的控制算法和方法，包括基于分布式控制的一致性方法、基于图论的控制方法以及基于协同点控制的方法等。
其中，基于分布式控制的一致性方法是最为常见和重要的方法之一。
这种方法利用智能体之间的信息交换来实现一致性。
例如，在分布式控制算法中，每个智能体的控制器只依赖于相邻智能体发来的信息，通过控制输入对自身状态进行调整，从而实现整个系统的一致性，这种方法就称为基于局部信息交换的分布式一致性控制。
除此之外，还有一些其他的控制方法也被广泛应用于多智能体系统的一致性控制中。
比如，在无线传感器网络中，基于时序协议的一致性控制方法不仅能够提高网络节点间的信息交互速度，而且还能够避免网络中的数据冲突问题。
二、复杂网络同步控制的概念与应用与多智能体系统一致性控制类似，复杂网络同步控制也是一种协同控制方法。
同时，复杂网络同步控制也是针对网络系统中的一致性问题展开研究的。
复杂网络同步控制的概念是指，在一个复杂网络中，网络中的节点能够在同一时刻达到相同的状态，从而实现整个网络的同步控制。
例如，在物理网络、信息网络、通信网络等领域都有着复杂网络同步控制的应用。
多智能体系统一致性问题概述
多智能体系统的研究内容和方法
理论体系
多智能体系统的研究需要建立完善的理论体系，包括智能体的感知 与决策、智能体的通信与协调、智能体的学习与优化等方面。
算法设计
多智能体系统的算法设计是关键，需要设计高效的算法以实现智能 体的自主决策和协同工作。
实验验证
多智能体系统的研究需要进行实验验证，通过实际应用和测试来评估 系统的性能和效果。
意义
解决多智能体系统一致性问题有助于提高系统的协同性能，增强系统的可靠性和鲁棒性，为实际应用提供理论支 持和技术指导。
研究现状和发展趋势
研究现状
目前，多智能体系统一致性问题已经得到了广泛关注，国内外学者在理论研究和算法设 计方面取得了一系列成果。常见的算法包括基于线性系统的协议设计、基于优化理论的
研究局限性和不足之处
现有的研究成果主要集中在理论层面，实际应用中仍存在诸多挑战，如通 信延迟、节点故障和能量限制等。
对于复杂环境和动态变化的情况，现有的一致性算法可能无法保证系统的 稳定性和性能。
在实际应用中，多智能体系统的一致性问题还需要考虑安全性和隐私保护 等方面的问题，这些方面在现有研究中尚未得到充分关注。
一致性问题的分类
• 总结词：一致性问题可以根据不同的分类标准进行分类，如按照一致性的目标 、一致性的程度、一致性的实现方式等。
• 详细描述：根据一致性的目标，可以将一致性问题分为目标一致性和状态一致 性。目标一致性是指多个智能体在某一特定目标上达成一致，而状态一致性是 指多个智能体在某一特定状态上达成一致。根据一致性的程度，可以将一致性 问题分为强一致性和弱一致性。强一致性是指多个智能体在某一特定目标或状 态上完全一致，而弱一致性则是指多个智能体在某一特定目标或状态上基本一 致，但不一定完全相同。根据一致性的实现方式，可以将一致性问题分为分布 式一致性和集中式一致性。分布式一致性是指多个智能体通过各自的信息交互 和协作实现一致性，而集中式一致性则是指通过一个中心节点来协调多个智能 体的行为实现一致性。
一致性归纳
E[ (k 1) 2 (k)]
rs sup (k )0,kZ
2
(k) 2
2
2020/5/1
27
二阶随机网络的一致性
定理：ra rs , 且如果 rs 1, 多智能体网络几乎处处
收敛到一致
E[‖( (k 1)‖22 ‖ (k)‖2 ) | (k)] (1 rs )‖ (k)‖22
2020/5/1
28
二阶随机网络的一致性
定理: 二阶离散随机网络的逐步收敛因子是
rs r @[M T (HH T )M L%e ]
其中 (g) 表示矩阵的谱半径.
nn
Le E(L)
pij Bij
i1 j i, j 1
M In E Le F , Bij wijei (ei e j )T ,
[2] Peng Lin, Yinming Jia, Lin Li, “Distributed robust H∞ consensus control in directed networks of agents with time-delay,” Systems & Control Letters, 2008.
2020/5/1
5
一致性问题
网络的节点表示智能体或个体
a ji
网络的边表示通讯或相互作用关系
xi(t) 表示第 i 个智能体的状态
ui(t) 一致性协议 (consensus protocol)
一致性： || xi xj || 0, as t .
node
Multi-agent Network
,
t
2020/5/1
16
二阶一致性协议
n
ui aij (xi x j ) (vi v j ) j 1 0 ：控制增益
带有领航者的多智能体系统的一致性控制
关 键词 ： 多 智 能 体 系统 ； 领 航 者 ；一 致 性 ；时 变 时 延 ；动 态拓 扑 文献标 识码 ： Ａ 中图分 类 号 ： ＴＰ １ ３
Ｃｏ ｎｓ ｅ ｎｓ ｕ ｓ Ｃｏ ｎｔ ｒ ｏ ｌ ｏｆ Ｍ ｕｌ ｔ ｉ — Ａｇ ｅ ｎｔ Ｓ ｙ ｓ ｔ ｅ ｍｓ ｗｉ ｔ ｈ ａ Ｌｅ ａ ｄｅ ｒ
Ｔｈ ｅ ｃ ｏ ｎ ｓ ｅ ｎ ｓ ｕ ｓ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｉ ｓ ｐ ｅ ｒ ｆ ｏ ｒ ｍｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ Ｌ ｙ ａ ｐ ｕ ｎ ｏ ｖ － Ｋｒ ａ ｓ ｏ ｖ ｓ ｋ ｉ ｉ ｆ ｕ ｎ ｃ ｔ ｉ ｏ ｎ ａ ｌ ，ａ ｎ ｄ ｓ ｕ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｔ
卫 摘 设 形 证 不 要 各 等 设 ， 设 智 计 ： 式 对 计 能 方 基 体 法 案 于 的 系 ， 动 邻 得 统 有 接 到 态 存 效 拓 信 使 在 性 扑 各 息 时 。 有 的 个 变 领 分 智 输 航 散 能 入 者 控 体 时 的 制 与 延 多 策 领 ， 移 分 略 航 动 别 。 者 针 智 基 达 对 能 于 到 体 有 李 一 二 向 亚 致 阶 普 网 的 络 诺 系 充 拓 统 夫 分 的 扑 稳 条 一 为 定 件 性 致 固 。 性 定 理 最 进 后 和 论 行 动 及 通 研 线 过 态 仿 究 两 性 种 矩 。 真 假 情 验 阵
多智能体系统协调控制一致性问题研究
多智能体系统协调控制一致性问题研究摘要：本文首先给出了多智能体系统协调控制一致性问题的发展情况，介绍了解决一致性问题的主要原理和适用范围，对一致性协议进行了总结，对一致性问题研究的主要领域进行了简单的概括。
文章最后对多智能体系统未来的发展方向进行了探讨和分析，提出几个具有理论和实践意义的研究方向。
关键词：分布式人工智能；多智能体系统；协调控制；一致性问题1. 引言多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。
研究多智能体系统的主要目的就是期望功能相对简单的智能体之间进行分布式合作协调控制，最终完成复杂任务。
多智能体系统由于其健壮、可靠、高效、可扩展等特性，在计算机网络、机器人、电力系统、交通控制、社会仿真、虚拟现实、军事等方面有着广泛应用［1-3］。
智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。
在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，主要是研究如何基于多智能体系统中个体之间有限的信息交换，来设计的算法，使得所有的智能体的状态达到某同一状态的问题。
一致性协议问题作为智能体之间相互作用、传递信息的规则，它描述了每个智能体和与其相邻的智能体的信息交换过程。
近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，一致性问题作为智能体之间合作协调的基础，受到越来越多研究者的关注，成为系统与控制领域的一个重要研究课题。
2. 多智能体系统协调控制中一致性问题阐述2.1图论基础知识图论和矩阵论是一致性问题研究分析中非常重要的工具，很自然的会想到用图论相关知识来表示多智能体相互间传递信息的过程。
如果用G = (V ,E)来表示一个图，其中V表示非空顶点的集合，E V2表示节点对组成的边的集合。
假设集合V中共有n个节点，切编号为i・口2,..., n?。
多智能体系统一致性若干问题的研究
多智能体系统一致性若干问题的研究一、概述在现代科技飞速发展的今天，多智能体系统已成为机器人协作、无人机编队、智能交通等领域中的研究热点。
这类系统由多个智能体组成，每个智能体具备自主决策和协同工作的能力，通过相互间的信息交互和协调，以实现共同的目标。
而在多智能体系统的运作过程中，如何实现各智能体之间的一致性，成为了关键的问题之一。
多智能体系统一致性问题的研究，主要关注如何通过设计合适的分布式控制算法，使得系统中的各个智能体在局部信息交互的基础上，能够实现状态或行为的趋于一致。
这一问题的研究不仅有助于提高系统的协同性能，增强系统的可靠性和鲁棒性，同时也为实际应用提供了理论支持和技术指导。
近年来，随着人工智能技术的不断进步，多智能体系统一致性问题的研究取得了显著的成果。
研究者们提出了各种算法和技术，如基于线性系统的协议设计、基于优化理论的方法、基于博弈论的策略等，以应对不同场景下的一致性需求。
尽管取得了一些进展，但多智能体系统一致性问题仍然面临着诸多挑战。
多智能体系统的复杂性和动态性使得一致性的实现变得尤为困难。
系统中的智能体可能受到各种因素的影响，如通信延迟、噪声干扰、环境变化等，这些因素都可能对一致性的实现产生不利影响。
随着系统规模的扩大，如何设计高效的分布式控制算法，以保证系统的一致性和稳定性，也是一个亟待解决的问题。
本文旨在深入探讨多智能体系统一致性的若干问题，分析现有算法和技术的优缺点，提出新的解决方案和改进措施。
通过本文的研究，我们期望能够为多智能体系统一致性的实现提供更加有效的理论支持和实践指导，推动该领域的研究和应用不断向前发展。
1. 多智能体系统的定义与特点多智能体系统（MultiAgent System, MAS）是由多个具备一定自主性和交互能力的智能体所组成的集合，这些智能体通过相互之间的信息交换和协作，共同解决复杂的问题或完成特定的任务。
每个智能体都可以视为一个独立的计算实体，具备感知、推理、决策和行动的能力，能够在系统中独立操作或与其他智能体进行协同工作。
多智能体系统一致性问题概述
多智能体系统一致 性问题的研究方法
基于模型的方法：通过建立模型来描述多智能体系统的行为和特性 基于实验的方法：通过实验来观察和验证多智能体系统的一致性问题 基于仿真的方法：通过仿真来模拟多智能体系统的行为和特性 基于数据分析的方法：通过对多智能体系统的数据进行分析来研究其一致性问题
设计实验方案：确 定实验目的、实验 对象、实验条件等
组成：多智能体系统由多个智能体、环 境、任务和通信网络组成。
智能体：智能体是具有自主决策和执行 能力的实体可以是机器人、无人机、无 人车等。
环境：环境是智能体所处的物理或虚拟 空间可以是现实世界、虚拟世界或混合 世界。
任务：任务是智能体需要完成的目标或 需求可以是导航、搜索、救援等。
通信网络：通信网络是智能体之间进行 信息交换的媒介可以是有线网络、无线 网络或混合网络。
直接交互：智 能体之间直接 进行信息交换
间接交互：智 能体通过第三 方进行信息交
换
协同交互：多 个智能体共同 完成一项任务
竞争交互：多 个智能体竞争 完成一项任务
合作交互：多 个智能体合作 完成一项任务
混合交互：智 能体之间采用 多种交互方式
智能体：具有自主决策和执行能力的实体 行为：智能体根据环境信息和自身状态做出的动作或决策 决策：智能体根据目标和约束条件选择最优策略或行动方案 学习：智能体通过与环境的交互不断学习和改进其行为和决策
一致性问题
解决方案：采 用多智能体系 统一致性算法 提高机器人协 作效率和稳定
性
结论与展望
多智能体系统一致性 问题的研究现状
存在的问题和挑战
研究成果和创新点
未来研究方向和展望
智能体系统的统一性研究：如何实现不同智能体系统之间的统一和协调
《现代控制理论》中状态能控性问题教学模式探索——从理论到应用
《现代控制理论》中状态能控性问题教学模式探索——从理论到应用作者：文/ 王晓玲周映江刘波来源：《时代汽车》 2020年第13期王晓玲1 周映江1 刘波21. 南京邮电大学自动化学院人工智能学院江苏省南京市2100032. 中央民族大学信息工程学院北京市100081摘要：系统的状态能控性是现代控制理论教学中的重点，怎样深入地、直观地教授状态能控性这一知识点，是自动控制原理与现代控制理论课程中的难点。
本文通过引入多智能体系统的状态能控性的应用实例来促进学生对系统可控性概念的理解，进而提高教学质量，提高学生学习的兴趣和应用能力。
关键词：现代控制理论状态能控性教学探讨1 现代控制理论中状态能控性的教学现状《现代控制理论》是高等工科学校自动化、电气工程、测控技术以及智能电网等专业的一门专业课，涉及本科生、硕士生、博士生。
该课程以线性代数与高等数学等知识为理论基础，以自动控制原理为专业基础，具有较强的理论性和专业性，其教学工作包括理论讲授和仿真实验。
能控性（controllability）由匈牙利裔美籍数学家卡尔曼（R.E.Kalman）于20 世纪60 年代首次提出[1]，是现代控制理论中的一个重要的基本问题，在许多研究领域中起到关键性的作用，成为现代控制理论中的重要概念，是该门课程中的一个重要教学内容。
为了与文献[2] 中的结构能控性的概念区分开来，这里我们所说的能控性都是指状态能控性（statecontrollability）。
对于一个连续时间的线性时不变系统，其状态方程为[3，4]：x（t）=Ax（t）+Bu（t），t ∈ J （1）其中，x（t）为n 维状态，u（t）为P维输入，J 为时间定义区间，A 和B 分别为n×n 和n×p 的矩阵。
对系统（1）和指定初始时刻t 0 ∈ J，如果存在一个时刻t 1 ∈ J，t 1＞t 0，以及一个无约束容许控制u（t），t ∈［t 0，t 1］，使得系统状态由x（t 0）=x 0 转移到x（t 1）=0，那么我们称一个非零状态x 0 在时刻t 0 为能控的[3-5]。
具有时滞的二阶多智能体系统的一致性分析
ｃ ｏ ｉ ｎ ｙ ｉ ，ａ ｓ ｆ ｃ ｅ ｔ ｎ ｅ ｅ ｓ ｒ ｏ ｄ ｔ ｎ ｉ ｄ ｒ ｅ ｈ ｔ ｌａ ｅ ｔ ｒａ ｈ ｃ ｎ ｅ ｓ ｓｏ ｈ ｉ ｓａｅ ｎ ｙ ｄ ｍａｎ ａ ａ ｓｓ ｕｆ ｉｎ ｄ ｎ ｃ ｓａ ｙ ｃ ｎ ｉ ｏ ｓ ｅ ｖ ｄ ｔ ａ ｇ ｎ ｓ ｅ ｃ ｏ ｓ ｎ ｕ ｎ ｔ ｅｒ ｔｔｓａ ｄ ｌ ｉ ａ ｉ ｉ ｌ ａ
ｔ ｅ ｌｒ ｅ ｔｔｌｒ ｂ ｅ ｄ ｌｙ ｉ ｉｅ ｏ ｄ ｐ ｎ ｎ ｔ ｅ ｅｇ ｎ ａｕ ｓ ｏ ａ ｌｃａ ｔ ｃ ｓ ｏ ｅｆ ｅ ｏ ｏｏ ｙ ｉ ａｌ ｈ ａｇ ｓ ｅａ ｌ ｅ ａ ｓｇｖ ｎ ｔ ｅ ｅ ｄ ｏ ｉｅ ｖ ｌｅ ｆＬ ｐａ ｉｎ ｍａｒ ｅ ｆｔ ｘ ｄ ｔｐ ｌｇ ．Ｆ ｎ ｙ ａ ｏ ｈ ｉ ｈ ｉ ｌ ｓｍｕ ａ ｉｎ ｅ ａ ｌ ｓｐ ｏ ｉ ｅ ｏ ｓ ｏ ｈ ｆ ｃ ｉｅ ｅ ｓ ｏ ｕ ｈ ｏ ｅｉａ ｅ ｕ ｔ． ｉ ｌｔ ｘ ｍｐ ｅ ｉ ｒ ｖ ｄ ｄ ｔ ｈ ｗ ｔ ｅ ｅ ｅ ｔ ｎ ｓ ｆｏ ｒｔ ｅ ｒｔ ｌｒｓ ｌ ｏ ｖ ｃ ｓ ＫＥＹＷ ＯＲＤＳ： ｅ ｏ ｄ ｏ ｄ ｒａ ｅ ｔ ｙ ｔｍｓ ｏ ｓ ｎ ｕ ｒ ｂ ｅ Ｓ ｃ ｎ － ｒ ｅ ｎ ｓｓ ｓｅ ；Ｃ ｎ ｅ ｓ ｓ ｐ ｏ ｌ ｍ；Ｆ ｘ ｄ ｔｐ ｌｇ ｇ ｉ ｅ ｏ ｏ ｏ ｙ；Ｄｉ ｃｅ ｒ ｐ ｒ ｔｄ ｇ ａ ｈ；Ｔ ｍｅ ｄ ｌ ｙ ｅ ｉ — ｅａ
二阶多智能体系统的有限时间收敛的一致性控制
Ａｂ ｔ ａ ｔ ｓ ｒ ｃ ：Ｔｈ ｓｐ ｐ ｒ ｓ ｄ ｅ ｈ ｅ ｏ ｄ ｏ ｄ ｒｍ ｕ ｔ—ａ ｅ ｔ ｓ ｓｅ ｉ ｈ ｉ ｉｅ ｉ ｅ ａ ａｌｂ ｅ ｔ ｅ ｌ ｅ ｔ ｅ ｉ ａ ｅ ｔ ｉ ｓｔ ｅ ｓ ｃ ｎ ｒ ｅ ｌ ｉ ｇ ｎ ｙ ｔ ｍ ｎ ｔ ｅ ｌ ｔ ｄ ｔ ｖ ｉ ｌ ｏ ｒ ａｉ ｈ ｕ ｍ ｍ ａ ｚ
０ 引言
个跟随者，其中的每一个智能体都是一个二阶系
统。网络的拓扑图为固定的无 向强连通图。其中 近几年来 ，随着计算机技术 、网络技术和通 领导者和跟随者的动力学表达式如下 ： 信技术 的迅速发展，人们对基于多智能体系统的
二阶多智能体系统的有限时间包容一致性控制
Vol. 27 No. 12Dec. 2020第27卷第12期2020年12月电光与控制Electronics Optics & Control 引用格式:崔艳，薛奇.二阶多智能体系统的有限时间包容一致性控制[J].电光与控制,2020, 27(12):26-31,73. CUI Y, XUE Q. Finite-timecontainment consensus control for second-order multi-agent systems [ J ]. Electronics Optics & Control, 2020, 27( 12) ：26-31, 73.二阶多智能体系统的有限时间包容一致性控制崔艳，薛奇（山西师范大学，山西临汾041000）摘 要：针对多智能体系统的有限时间包容控制只是将跟随者控制在领导者的凸包内，没有对跟随者实现一致性控制 的问题，提出一种分段函数形式的有限时间收敛的包容一致性控制算法;另外，考虑到速度信息未知情况，设计了速度观测器用来估计速度信息，并通过李雅普诺夫第二定理和齐次性有限时间稳定性定理分别证明了领导者能对跟随者实现 有限时间包容控制，且跟随者能够实现有限时间一致。
最后通过大量的数值仿真证明了控制算法的有效性。
关键词：多智能体系统；分段函数；包容一致性；速度观测器；有限时间中图分类号：TP13 文献标志码：A doi ：10.3969/j. issn. 1671 -637X.2020.12.006Finite-Time Containment Consensus Control forSecond-Order Multi-agent SystemsCUI Yan, XUE Qi(Shanxi Normal University, Linfen 041000, China)Abstract : The finite-time containment control for multi-agent systems only enables the followers be in theleaders convex hull, which does not realize the consensus control of the followers. To solve the problem, a containment consensus control algorithm in the form of piecewise function with finite-time convergence isproposed. In addition, in view of the unknown velocity information, a velocity observer is designed to estimatethe velocity infonnation. Through Lyapunov^ second theorem and homogeneous finite-time stability theorem, it is proved that the leaders can realize finite-time containment control of the followers and the followers can achieve finite-time consensus. Finally, the effectiveness of the control algorithm is proved by a large numberof numerical simulations.Key words : multi-agent system ； piecewise function ；o 引言近年来，由于多智能体系统在编队控制m 、智能交通0、足球机器人⑷等方面的广泛应用,多智能体一致 性问题，尤其是有限时间一致性问题越来越引起研究者的关注。
联合连通条件下的二阶多智能体系统有限时间一致性控制.
aij(t)ϕ2(sig(vj − vi)α2 ),
(2)
j ∈Ni (t)
其中: xi(t) ∈ Rm表示第i个智能体在t时刻的位置,
vi(t) ∈ Rm表 示 速 度, ui(t) ∈ Rm表 示 控 制 输 入,
aij(t)表示智能体i与j在t时刻的连接权值, Ni(t)表
示t时刻智能体i的邻域, ϕl是一个连续的奇函数满
系统的一致性问题.
基于现有文献对联合连通条件下带有leader的有 限时间一致性问题研究, 本文研究了联合连通条件下
无leader的有限时间一致性问题, 由于拓扑不连通, 不 能直接利用全局平均值作为虚拟领导者, 因此利用矩
阵变换转化为局部连通分支的有限时间一致性问题, 证明了给出的有限时间一致性协议能够保证系统在
从以上文献研究可知, 虽然拓扑是时变的, 但需保 证时变拓扑是连通的或者是强连通. 但实际中, 由于 系统通信有限、环境干扰等因素, 时变拓扑并不能保 证是时刻连通的. 因此, 本文研究联合连通拓扑, 也就 是在拓扑可能是不连通的情况下的有限时间一致性 问题. 所谓联合连通是指对于一系列具有相同点集的
1 引言(Introduction)
近年来, 随着计算机、网络和通信技术的发展, 多 智能体系统协调控制已广泛应用于众多领域, 如无线 传感器网络[1]、移动机器人编队任务[2]、集群航天器 深空探测[3]等. 因此, 多智能体系统协调控制的研究 具有十分重要的理论和实践意义. 一致性问题作为协 调控制中最基本的问题之一,受到了各领域研究人员 的广泛关注. 所谓一致性是指在多智能体系统中, 所 有智能体最终状态能够趋于一致.
(中南大学 信息科学与工程学院, 湖南 长沙 410083)
摘要: 针对时变动态拓扑下无 leader 的二阶多智能体系统有限时间一致性控制问题, 本文给出有限时间一致性协 议, 并对所提出的一致性协议进行理论分析. 基于图论、Lyapunov稳定性理论、同次性理论和积分不等式方法, 证明 了当通信拓扑为联合连通时, 有限时间一致性协议可保证系统在有限时间达到一致. 最后给出仿真结果, 验证了理 论的有效性.
撤稿:带领航者的二阶多智能体系统的有限时间一致性
撤稿：带领航者的二阶多智能体系统的有限时间一致性
李智超
【期刊名称】《统计学与应用》
【年(卷),期】2016(005)003
【摘要】撤稿声明:“带领航者的二阶多智能体系统的有限时间一致性”一文刊登在2016年9月出版的《统计学与应用》2016年第5卷第3期第246-262页上。
因作者疏忽,文章部分内容有待进一步确认。
根据国际出版流程,编委会现决定撤除
此稿件,并对此撤稿带来的不便致以歉意。
【总页数】19页(P246-262)
【作者】李智超
【作者单位】[1]北京工商大学理学院数学系,北京
【正文语种】中文
【中图分类】TP1
【相关文献】
1.具有切换拓扑的二阶多智能体网络系统的有限时间一致性 [J], 林建龙;高文华;吴微;高勇
2.联合连通条件下的二阶多智能体系统有限时间一致性控制 [J], 王芳;陈鑫;何勇;
吴敏
3.二阶多智能体系统参数自适应的有限时间一致性算法 [J], 崔艳; 李庆华
4.具有通信时延的二阶多智能体系统有限时间一致性跟踪控制 [J], 崔艳;李庆华
5.二阶多智能体系统的有限时间包容一致性控制 [J], 崔艳;薛奇
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2. 预备知识
2.1. 图论
图论是研究多智能体行为方式的重要工具。对于一个多智能体系统，每个智能体都可看作是一个节 点，相邻智能体之间的信息传递关系都可看作是一条边，因此我们可以很方便的运用有向图或无向图来 模拟多智能体系统的通信关系。 其中 V = {v1 , v2 , , vn } 表示图 G 的顶点集， 顶点 vi 表示第 i 个智能体， 称 G = V , E , A 为一个加权有向图， 如果是无向图则表示智能体 j 和智能体 i 之间能够接收 ( v , v ) 表示智能体 j 能够接收到智能体 i 发来的信息。
{
}
如果一个图中有一个节点到其它任意一个节点都有一条有向路径,则称此图包含有 点 v1 到 vk 的一条有向路径。 向生成树。一个图称作是强连通的，如果任意两个不同的节点之间都有一条有向路径。对于无向图，如果任 意的两个节点之间都有一条路径，那么此图称作是连通的。
n× n = A aij ∈ R 称为图 G 的权重邻接矩阵，其中 aij ≥ 0 。如果 j ∈ N i ，即图 G 中含有有向边 v j , vi ， 则邻接矩阵 A 中 aij > 0 ，否则 aij = 0 。此外，由于不考虑自环，我们假设对于 ∀i ∈ 1, 2, , N 有 aii = 0 。
T
是正定的。
2.2. 代数
定理2.2.1. [3]正定矩阵一定是非奇异的。
Ax + Bu ，引入坐标变换矩阵 P ，且 det P ≠ 0 ，则变换后的系统 定理 2.2.2. [4]设状态空间方程为= x
与原系统有相同的特征多项式和特征值，即通过非退化线性替换后，系统稳定性保持不变。
2.3. 稳定性理论
i j
E ⊆ V × V 表示图 G 的边集， A 表示权重邻接矩阵。记图 G 的一条有向边为一个有向对 ( vi , v j ) ∈ E ，有向边
到彼此的状态信息。智能体 j 是智能体 i 的一个邻居当且仅当智能体 i 能够接收到智能体 j 发送的信息。将第
j ∈ V | ( v j , vi ) ∈ E 。一列有序边 ( v1 , v2 ) , ( v2 , v3 ) , , ( vk −1 , vk ) 叫做顶 i 个智能体的所有邻居集合记为 N i =
李智超
收稿日期：2016年8月30日；录用日期：2016年9月13日；发布日期：2016年9月20日
摘
要
近年来，随着分布式网络和多智能体系统的广泛应用，协调控制问题成为了相关领域的研究热点。本文 研究了带领航者的二阶多智能体系统的有限时间一致性问题。首先，基于包含完整位置和速度信息的状 态反馈，提出了一类非线性有限时间控制协议。其次，在含有生成树的固定无向网络拓扑结构下，利用 Lyapunov稳定性理论和齐次性理论， 证明了该控制协议能够使系统中的各智能体在有限时间内与领航者 的状态达到一致。然后，在上述协议的基础上进行了拓展。基于只包含位置信息的动态输出反馈，给出 了相应的控制协议，并证明了其有限时间一致性。最后，利用Matlab分别对以上两种协议进行了数值仿 真，证明了结论的有效性。
Open Access
Abstract
In recent years, with the wide application of distributed networks and multi-agent systems, coordination and control problems have become a hot spot of research in related fields. In this paper, the finite-time consensus problems for leader-following second-order multi-agent systems are studied. Firstly, a class of nonlinear finite-time tracking control protocol is proposed, based on state feedbacks containing full information of position and velocity. Secondly, under the fixed and undirected network topology containing a spanning tree, with the help of Lyapunov stability theory and homogeneity theory, we prove that the control protocol enables each agent in the system to reach an agreement with the leader in finite time. Then, we expand the current protocol. Based on the dynamic output feedback with only relative position information, we propose the corresponding control protocol and prove its finite-time consistency. Finally, using Matlab to simulate the two kind of protocol, we prove the effectiveness of our results.
n
( x ) 为半负定；3) 除 如果存在一个标量函数 V ( x ) 具有一阶偏导数，并且满足：1) V ( x ) 为正定；2) V ( x ) 不恒为零；那么原点平衡状态是渐近稳定的。如果进一步还有当 x → ∞ 时， 去 x = 0 外，对 x ≠ 0 ，V V ( x ) → ∞ ，则系统是大范围渐近稳定的。
Finite-Time Consensus for Leader-Following Second-Order Multi-Agent Systems
Zhichao Li
Department of Mathematics, School of Science, Beijing Technology and Business University, Beijing Received: Aug. 30th, 2016; accepted: Sep. 13th, 2016; published: Sep. 20th, 2016 Copyright © 2016 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
关键词
二阶多智能体，有限时间一致，领航者，Lyapunov稳定性，齐次理论
1. 引言
近年来，随着分布式网络和多智能体系统的广泛应用，协调控制问题成为了相关领域的研究热点。 一致性作为协调控制的基础，具有很强的现实意义和理论价值。然而，关于有限时间一致性问题，大多 数文献仅仅局限于一阶多智能系统，对于二阶或更高阶的系统却很少有涉及。文献[1]提出了一类二阶 多智能体有限时间跟踪控制协议， 本文仿照其方法对原文的控制协议进行了推广， 使之具有更强适的用性。
−a , j≠i ij 其它元为零的对角矩阵。即有 L = lij ， lij = N a , j = i 。对于无向图 G ，其的拉普拉斯矩阵 L 为一 ∑ j =1 ij 个对称矩阵。 定理 2.1.1. [2]如果 G = {V , E , A} 是一个无向连通图， 那么图 G 的拉普拉斯矩阵 L ( A ) 是一个对称半正
定矩阵， L ( A ) 有 n 个实特征值，它们以如下的升序排列：= 0 λ1 ( L ) < λ2 ( L ) ≤ ≤ λn ( L = ) λmax 。 定理 2.1.2. [2]若无向图连通，对于向量 b = [b1 , b2 , , bn ] ， bi ≥ 0 ， b ≠ 0 ，那么矩阵 L ( A ) + diag ( b )
N N
(
)
deg in ( i ) = deg out ( i ) ， ∀i ∈ 1, 2, , N 。显然，无向图是一个平衡图。
= D − A ；其中度矩阵 D = diag {d1 , d 2 , , d n } 是对角元为 di = deg in ( i ) , 图 G 的拉普拉斯矩阵定义为 L
x0 < δ ⇒ lim x ( t ) = 0
t →∞
248
李智超
( x, t ) < 0 V
且连续，则称系统(2-1)的平衡点 x = 0 是稳定的。 定理 2.3.2. 设系统的状态方程为
= f ( x ) ， f ( 0 ) = 0 ， x ( 0 ) = x0 ， x ∈ R x
Keywords
Second-Order Multi-Agent, Finite-Time Consensus, Leader, Lyapunov Stability, Homogeneity Theory
带领航者的二阶多智能体系统的有限时间 一致性
李智超
北京工商大学理学院数学系，北京
文章引用: 李智超. 带领航者的二阶多智能体系统的有限时间一致性[J]. 统计学与应用, 2016, 5(3): 246-262. /10.12677/sa.2016.53025
Statistics and Application 统计学与应用, 2016, 5(3), 246-262 Published Online September 2016 in Hans. /journal/sa /10.12677/sa.2016.53025