近年來，多智能體系統(tǒng)由于在編隊控制、無線傳感器、機器人協(xié)作裝備等領域的廣泛應用而受到越來越多的關注。作為多智能體系統(tǒng)研究中的基礎問題，同步指所有智能體在某些變量例如位置或速度上達到一致的動態(tài)過程。目前存在的有關同步問題的工作主要分為兩類：一類是無領航者的同步問題[1]，一類是領航-追隨者同步問題[2]，并且其中大多數(shù)工作是關于線性系統(tǒng)的。但是在實際情況中系統(tǒng)不可避免地會出現(xiàn)各種非線性和不確定性項，因此未知非線性多智能體系統(tǒng)的同步已成為一個研究的熱點。

由于神經(jīng)網(wǎng)絡方法[3-4]具有可以從樣本集學習復雜映射的能力，其可以在線學習對未知非線性動力學系統(tǒng)的識別。基于神經(jīng)網(wǎng)絡固有的非線性逼近能力和內(nèi)在的自適應學習特征，原始的控制問題常常可以轉(zhuǎn)化為神經(jīng)網(wǎng)絡自適應控制問題[5-6]。這類控制策略能保證系統(tǒng)的一致性誤差最終可以穩(wěn)定在一個較小的界內(nèi)，其大小取決于模型中的一些顯式參數(shù)和未知但有界的項，然而并沒有系統(tǒng)的方法去計算這些上界，因此無法去準確地評估最終的穩(wěn)定狀態(tài)性能。同時，不確定性使得控制過程中誤差的收斂速度也難以準確地評估。實際控制過程中，希望系統(tǒng)在各項參數(shù)設計好后滿足給定的穩(wěn)態(tài)性能和瞬態(tài)性能，即系統(tǒng)的誤差最終收斂到給定的較小的界內(nèi)，同時收斂的速度不小于給定的值。KATSOUKIS T等通過使用預設性能控制的方法來實現(xiàn)這一同步誤差約束[7]，其最終目標是使得每個智能體的同步誤差嚴格地在預設區(qū)域內(nèi)演化。關鍵思想是通過轉(zhuǎn)換后的同步誤差將每個智能體的約束誤差放寬為不受約束的誤差，但是轉(zhuǎn)換后的誤差會增加需要處理的變量的數(shù)量且控制效果不穩(wěn)定。

本文采用障礙Lyapunov函數(shù)方法[8]解決誤差約束問題從而避免引入轉(zhuǎn)換誤差，設計了新的分布式障礙Lyapunov用以研究多智能體系統(tǒng)問題，實驗結(jié)果表明同步誤差能夠被嚴格限制在預設范圍內(nèi)演化。

本文詳細內(nèi)容請下載：http://theprogrammingfactory.com/resource/share/2000003206

作者信息：

吳慕蘭

(中國科學技術大學 自動化系，安徽 合肥230026)