摘要：针对具有领航者的多个智能体的有向网络拓扑的一致性问题,同时考虑网络存在通信时间延迟的情形,提出线性控制器,保证所有智能体的状态能够渐近跟踪领航者的状态。基于Lyapunov泛函,通过引入自由权矩阵的方法,得到关于时滞依赖的严格线性矩阵不等式(LMI)的充分条件,减少了结论的保守性,同时得到能允许的最大时滞上界。最后给出仿真验证设计方案的有效性。

摘要：针对一类具有时变扰动的非线性多智能体系统,研究其在有向拓扑下的一致性跟踪问题,提出一种基于精确估计的复合自适应预设有限时间(PFT)漏斗控制方法.首先,构建一种新的PFT漏斗控制,使跟踪误差约束在PFT漏斗边界内.其次,采用神经网络(NN)逼近系统的未知非线性,并利用NN逼近信息设计扰动观测器,建立基于NN和扰动观测器的复合估计模型,将得到的预测误差引入NN权值的复合更新律中,实现对未知非线性和时变扰动的精确估计.然后,利用动态面技术和误差补偿机制,在解决传统反步法“计算爆炸”问题的同时,消除滤波器误差对系统的影响.最后,通过Lyapunov稳定性理论证明闭环系统所有信号均为有界的,并通过仿真实验验证控制方法的有效性.

摘要：本文研究一类具有状态约束的多智能体系统优化控制问题,提出了一种具有固定时间收敛特性的分布式优化控制算法.该控制算法由局部投影模块、一致性模块和梯度模块构成,其中局部投影模块确保智能体的状态在固定时间内收敛到局部约束集合,基于时变增益的一致性模块实现所有智能体的状态在固定时间内收敛到一致值,基于时变增益的梯度模块实现智能体的状态在固定时间内收敛到最优解.利用凸优化理论和固定时间李雅普诺夫理论,分析了算法的固定时间收敛特性.算法收敛时间的上界值不依赖系统的初始条件,因而可以根据任务需求来预先设计收敛时间.最后通过数值仿真验证了理论结果的有效性.

摘要：多智能体系统分布式优化由于其高效性、灵活性和可靠性等特点吸引了大量学者的关注,在多机器人协同控制、无线传感器网络、能源系统等领域具有广泛的应用前景.分布式优化的基本目标是利用智能体的个体目标函数梯度、自身及其邻居状态信息设计分布式控制协议,驱动所有智能体的状态或输出到全局目标函数的最优解,系统动力学是影响智能体状态演化的重要因素.鉴于此,在回顾现有连续时间分布式优化算法的基础上,根据系统动力学分类,尽可能全面地评述具有复杂动力学的多智能体系统分布式优化问题的最新研究进展,并对未来发展方向进行展望.

摘要：针对由一阶智能体和二阶智能体组成的离散异质多智能体系统,研究其一致性问题.设计无通信时延和具有有界通信时延时的分布式一致性协议,通过将系统转化为自治的离散时间线性时不变系统,运用矩阵理论和代数图论方法,分析得到系统实现一致性的充分条件.获得的充分条件与采样周期、控制参数和系统的拓扑结构有关.证明了系统的一致性不受有界通信时延影响.数值仿真结果验证了理论结果的正确性.

摘要：ＭＡＳ／ＴＨ－５系统是具有一定开放性的支持ＭＡＳ构造与集成的支撑环境，它将开发与运行环境集为一体，形成整体解决方案．同时，文中所构造的具有实际应用价值的Ａｇｅｎｔ模型，为支撑环境提供了理论和技术基础．这种模型具有理性平衡的特点．该模型还为用户提供了建立其他Ａｇｅｎｔ模型的一般性框架，可以满足ＭＡＳ系统中Ａｇｅｎｔ交互的需求．在支撑环境上，文中所设计的Ａｇｅｎｔ语言具有描述ＢＤＩ等思维状态的能力，可处理较复杂的实际应用问题．

摘要：针对多智能体系统中邻居节点间通信资源受限的情况,研究基于动态事件触发通信协议的多智能体系统自适应可靠一致性控制问题.首先,设计一种基于自适应参数估计技术的容错控制策略,来应对未知执行器故障.其次,提出一种新型动态事件触发函数,通过增加具有自适应调节能力的动态变量来延长事件触发间隔.在此基础上,证明在智能体之间非连续通信的情况下,所提方法仅依靠智能体与邻居在触发时刻的交互信息就可以确保一致性误差的收敛.此外,从理论上说明智能体间的事件触发通信不存在芝诺现象.最后,针对无人船编队系统开展仿真,结果能够说明所提自适应事件触发可靠控制方法的有效性.

摘要：研究有向切换拓扑下线性多智能体系统的事件触发一致跟踪问题.大多数已有的工作研究了固定拓扑下的事件触发控制,然而,当智能体间联系随时间发生改变或通信拓扑随时间发生变化时,该控制策略失效.鉴于此,在考虑切换拓扑的基础上提出一种基于积分型事件触发的控制策略.首先,当拓扑图包含一棵生成树且领导者是根节点时,利用Lyapunov稳定性理论、代数图论和矩阵变换,基于积分型事件触发控制协议,在切换拓扑下多智能体系统达到领导跟随一致性;然后,当存在多个领导者时,基于设计的触发机制在切换拓扑下多智能体系统实现包含控制,上述两种情况下闭环系统均不存在Zeno现象;最后,通过仿真结果验证控制策略的有效性.

摘要：文章考虑了具适多智能体系统的分布式跟踪控制问题.通过设计带有初始学习机制的P型和PDα型迭代学习控制策略求解跟踪问题.具适导数具有良好的性质且可以刻画不同步长的实际数据采样情况.初始学习机制放松了初始值条件且提高了算法实现趋同跟踪的性能.在可重复操作环境和有向通信拓扑的假设下,提出了一种分布式迭代学习方案,通过重复同一轨迹的控制尝试和用跟踪误差修正不满意的控制信号来实现有限时间趋同.严格证明了随着迭代次数增加,提出的P型和PDα型迭代学习控制策略使得所有智能体能渐近跟踪上参考轨迹.两个代表性数值仿真验证了算法的有效性.

摘要：提出并解决一种饱和脉冲多智能体系统在拒绝服务(Denial of service,DOS)攻击环境中的安全定制化一致性控制问题.首先引入微分机制和加权策略,构建一种带可调参数一致性模式项的系统模型,以满足复杂场景对一致性的定制化需求.其次结合饱和效应和脉冲机制,为系统设计一种满足执行器功率受限约束的饱和脉冲控制协议.再次采用切换拓扑分析DOS攻击下系统的网络拓扑结构,并采用李雅普洛夫稳定性和矩阵测度理论,得到系统实现安全定制化一致性的充分条件.最后通过仿真实验和对比分析,验证了所提理论的有效性和优越性.