基于神经网络的非线性多智能体系统有限时间一致跟踪控制.pdfVIP

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景及意义1

1.2智能控制3

1.3有限时间控制6

1.4事件触发7

1.5障碍李雅普诺夫函数8

1.6本文研究特色及组织结构10

1.6.1研究特色10

1.6.2组织结构10

第二章具有输出约束的非线性多智能体系统基于神经网络的有限时间一致跟踪控制算法

13

2.1引言13

2.2系统描述和预备知识15

2.3改进的tan型非线性映射函数17

2.4分布式自适应有限时间控制算法设计及稳定性分析17

2.4.1分布式自适应有限时间控制算法设计17

2.4.2稳定性分析26

2.4.3仿真实验28

2.5本章小结33

第三章具有时变输出约束的非线性多智能体系统基于神经网络的输出反馈有限时间二部

一致跟踪控制算法34

3.1引言34

3.2系统描述和预备知识35

3.3分区算法36

3.4基于RBFNNs的状态观测器37

3.5改进的tan型非线性映射函数39

3.6分布式自适应有限时间控制算法设计及稳定性分析39

3.6.1分布式自适应有限时间控制算法设计39

3.6.2稳定性分析47

3.7仿真实验48

3.8本章小结52

第四章总结与展望53

4.1总结53

4.2展望53

参考文献55

攻读硕士学位期间发表论文情况与所获奖励荣誉63

致谢65

摘要

在现实世界中，许多群体系统都可以被看作由多个智能体相互作用而组成的复杂网

络，多智能体的研究已经成为当前控制理论和人工智能领域的热门研究方向，相关研究

成果已应用到智能交通、无人机编队(UAV)控制、机器人编队控制等工程领域。另一方

面，很多刻画实际物理系统的数学模型往往包含未知非线性，因此研究具有未知非线性

的多智能体系统(MASs)的一致跟踪控制具有重要的理论意义和实用价值。此外，收敛性

能是控制策略设计中应高度重视的关键指标，如何设计高性能控制策略使得非线性多智

能体系统在有限时间内实现控制目标是一个有挑战性和实用性的课题。综上所述，本文

针对一类非线性非严格反馈多智能体系统，基于神经网络智能控制技术和反步设计方法

分别设计了自适应有限时间一致跟踪控制算法和自适应有限时间二部一致跟踪控制算

法。具体工作如下：

(1)针对具有输出约束的非线性非严格反馈多智能体系统，提出了一种自适应有限时

间一致跟踪控制算法。首先，为了解决常值输出约束问题，提出了一种改进的tan型非线

性映射(NM)函数。然后，利用一种新颖的切换函数，成功地避免了有限时间控制中存在

的奇异性问题。进一步，利用所设计的非线性映射函数构造了改进的跟踪误差，以保证

所有智能体的输出同时实现一致跟踪并满足约束要求。此外，切换阈值事件触发控制策

略(ETC)被用来为每个智能体分别设计控制器，它结合了固定阈值策略和相对阈值策略

的优点，很好地节省了系统通信资源。理论分析表明，所设计的分布式自适应有限时间

一致跟踪控制算法保证了闭环系统中所有信号都是有界的，并且在有限时间内实现了一

致跟踪控制。

(2)针对具有时变输出约束的异构非线性非严格反馈多智能体系统，提出了一种自适

应有限时间二部一致跟踪控制算法。首先，针对时变输出约束问题，同样提出了一种改

进的tan型非线性映射函数。基于改进的非线性映射函数，构建了一个新颖的跟踪误差来

为每个智能体设计控制器，从而保证在不违反约束要求的情况下实现一致性。然后，设

计一个状态观测器来估计每个智能体的不可测状态。此外，在有向拓扑图不平衡的情况

下，采用分区算法(PA)