针对全状态受限非线性多智能体系统的预定性能自适应控制：基于干扰观测器的设计策略

《IEEE Transactions on Automation Science and Engineering》：Prescribed Performance Adaptive Containment Control for Full-State Constrained Nonlinear Multiagent Systems: A Disturbance Observer-Based Design Strategy

　　非线性多智能体系统的自适应容值控制问题研究，采用径向基神经网络逼近未知非线性函数，结合动态表面控制技术解决虚拟控制反复推导导致的复杂性爆炸问题，设计非线性扰动观测器估计外部干扰，通过巴伦巴洛夫函数与容值性能函数协同实现状态约束下的容值控制目标，闭环系统所有信号半全局一致最终有界，仿真验证了方法有效性。

　　

摘要：

本文重点研究了一类具有未知扰动和全状态约束的非线性非严格反馈多智能体系统（MASs）的预定性能自适应包含控制问题。首先，采用径向基函数神经网络（RBF NNs）技术来逼近系统中的未知非线性函数，并通过使用动态表面控制（DSC）技术解决了由于重复推导虚拟控制而导致的“复杂性爆炸”问题。然后，设计了非线性扰动观测器来估计外部扰动，并结合屏障李雅普诺夫函数（BLFs）和预定性能函数（PPF）来实现预定性能的控制目标，同时不违反全状态约束。理论结果表明，闭环系统中的所有信号都是半全局均匀最终有界的（SGUUB），且局部邻域包含误差可以收敛到指定的边界。最后，两个仿真示例展示了所提出方法的有效性。对实践者的提示——包含控制问题是控制领域的一个热门话题，在实际工程中起着重要作用。特别是对于这类非线性MASs问题，其数学模型难以准确获得。本文研究了非线性非严格反馈MASs的预定性能自适应包含控制问题，其模型可以扩展到更复杂的工程应用中，如无人机编队和智能交通管理。值得注意的是，实际应用中经常存在外部扰动和状态约束问题。因此，设计了扰动观测器来补偿系统扰动，从而消除扰动对系统的影响。通过引入BLFs，确保了系统的所有状态都受到约束...

显示更多

引言

近几十年来，由于MASs在科学和工程中的广泛应用，如无人机编队[1]、[2]和网络化动态系统[3]，MASs的合作控制问题受到了极大的关注。根据领导者的数量，MASs的合作控制问题可以分为三类：无领导者共识控制[4]、领导者-追随者共识控制[5]、[6]和包含控制[7]、[8]。需要注意的是，共识控制问题的特点是每个智能体仅根据来自其邻居的信息更新自己的信息，从而使每个智能体能够收敛到一个共同值[9]、[10]。值得注意的是，由于潜在的实际应用价值，许多学者研究了包含控制问题。例如，在[11]中研究了一类具有非周期采样间隔和减少测量大小的线性MASs的包含控制问题。在[12]中构建了一个分布式输出反馈控制器来解决异构线性MASs的输出包含控制问题。然而，众所周知，非线性系统在工程应用中的范围比线性系统（如[11]和[12]中的系统）更广泛。在[13]和[14]中研究了一些关于非线性MASs的相关结果。在[13]中，通过为具有输入饱和的非线性机器人系统设计自适应神经分布式控制器解决了包含控制问题。如[13]所示，RBF NNs技术可以用来逼近系统中的未知非线性项，从而解决了反步过程中控制器设计的困难。然而，上述文献中由于重复推导虚拟控制而导致的“复杂性爆炸”问题尚未得到解决。因此，非线性MASs的“复杂性爆炸”问题值得进一步研究。