[发明专利]一种多智能体同步控制方法、设备及存储设备

说明书

本发明提供了一种多智能体同步控制方法、设备及存储设备，其方法包括：首先构建观测网络对领导者智能体的动力学模型进行实时估计；然后构建神经网络自适应分布式状态观测器，以对领导者智能体的状态进行实时估计；最后根据所述神经网络自适应分布式状态观测器，针对各跟随者智能体分别构建执行网络和评价网络，并根据各跟随者智能体的执行网络得到各跟随者智能体的最优控制输入。一种多智能体同步控制设备及存储设备，用于实现一种多智能体同步控制方法。本发明的有益效果是：本发明所提出的技术方案针对离散时间非线性异构多智能体系统的无模型最优同步控制在本领域内属于首创，对解决当前领域的技术研究所存在问题具有重要意义。

技术领域

本发明涉及多智能体控制技术领域，尤其涉及一种多智能体同步控制方法、设备及存储设备。

背景技术

近年来，多智能体系统分布式同步控制问题引起了广大学者们的关注，其中主要涉及无人机、电力系统、分布式传感器、多机器人生产线、电磁管理等领域。值得注意的是，由于领导者-跟随者智能体模式是同步控制或最优同步控制中一种较为简便和可靠的控制模式，所以本发明也是采用这一模式。

同步控制问题是多智能体系统研究中的一类基本问题。在实际工程应用中，根据性能要求和任务种类等因素和个体设计控制规则，通过个体间的互相协调，保证各个体的某个物理量与领导者智能体趋于同步，比如飞行器追踪的目标、编队控制中的队形或者集会问题中的目的地等。或者说多智能体的同步行为使得系统中每个个体行为都能随着时间的推移而最终都趋于领导者智能体的行为。

最优同步控制问题又是多智能体协作控制中一个热门问题，并具有一定的挑战性，也是网络化系统研究中的一个极其重要的方向。多智能体的最优同步控制不仅保证各跟随者智能体行为趋于领导者智能体行为的要求，而且可以实现具体的最优性能指标要求。这将有效实现多智能设备之间协同，并保证控制过程中协调性能得到优化，推动复杂大规模系统控制的向前发展，并为工业、农业、国防军事等方面的多智能体设备提供更高效的技术支持。

在实际中，多智能体系统往往表现为非线性，甚至个体的异构性。特别是这类系统往往难以建立准确的动力学模型。另外，在实际数字计算机控制中，往往通过离散时间采样的方式进行控制，所以以离散时间系统或者离散化的系统的为对象的控制更为符合实际控制要求。目前多智能体最优同步控制研究主要局限于已知积分器或线性系统的研究。然而，对异构非线性系统的研究相对较少，特别是离散时间系统和无模型控制的情况下。因此，本发明充分考虑实际研究问题，提出一种面向离散时间非线性异构多智能体系统的无模型最优同步控制方法。

发明内容

为了解决上述问题，本发明提供了一种多智能体同步控制方法、设备及存储设备；一种多智能体同步控制方法，应用于多智能体同步控制系统中，所述一种多智能体同步控制系统包括：多个跟随者智能体和一个领导者智能体；一种多智能体同步控制方法，主要包括以下步骤：

S101：构建观测网络对领导者智能体的动力学模型进行实时估计，得到各跟随者智能体对领导者智能体的动力学模型的估计；

S102：根据所述观测网络和所述多智能体同步控制系统的实际有向通信拓扑网络结构，构建神经网络自适应分布式状态观测器，以对领导者智能体的状态进行实时估计，得到各跟随者智能体对领导者智能体状态的估计；

S103：根据所述神经网络自适应分布式状态观测器，针对各跟随者智能体分别构建执行网络和评价网络，并根据各跟随者智能体的执行网络得到各跟随者智能体的最优控制输入；

S104：采用观测网络的权值更新率对观测网络隐藏层到输出层的权值进行更新，采用执行网络的权值更新率对执行网络隐藏层到输出层的权值进行更新，采用评价网络的权值更新率对评价网络下一时刻隐藏层到输出层的权值进行更新；

S105：根据各跟随者智能体的最优控制输入对各跟随者智能体分别进行控制，得到各跟随者智能体的实际状态，进而返回步骤S101，以进行下一时刻的多智能体同步控制；如此循环迭代，以实现多智能体的同步控制。