多智能體一致性迭代學(xué)習(xí)控制研究.pdf

1、由多個物理上的實體或者是多個抽象點組成的分布式多智能體系統(tǒng)，更具有自組織性和自適應(yīng)性，系統(tǒng)中的每個智能體能根據(jù)自身和環(huán)境的變化作出反應(yīng)，并與其它智能體通訊，共同合作去完成一個任務(wù)。多智能體系統(tǒng)與單個智能體相比，具有更強的分布性和自主性，能夠通過“最近近鄰規(guī)則”解決更復(fù)雜的問題，因此多智能體系統(tǒng)可以應(yīng)用到很多重要的領(lǐng)域，比如自治水下機器人協(xié)同作業(yè)、多移動機器人系統(tǒng)、分布式傳感器陣列等。因此分布式多智能體系統(tǒng)的一致性問題受到越來越多人的關(guān)注

2、。
　　本文在多智能體領(lǐng)域，針對具有重復(fù)運行性質(zhì)的系統(tǒng)，利用迭代學(xué)習(xí)控制算法去實現(xiàn)多智能體系統(tǒng)有限時間內(nèi)的完全跟蹤。本文創(chuàng)新點在于針對迭代學(xué)習(xí)控制中的初值問題提出了兩種不同的初始狀態(tài)誤差修正算法，并對提出的這兩種算法給出了理論分析，證明了算法的收斂性，并進行了Matlab仿真實驗，實驗結(jié)果也證明了算法的可靠性。最后，在實驗室的剛性機械臂協(xié)作實驗平臺上實現(xiàn)了兩個算法，完成了機械臂的末端點保持隊形的實驗，再一次證明了算法的有效性。具體

3、內(nèi)容如下:
　　(1)針對具有重復(fù)運動性質(zhì)分布式多智能體系統(tǒng)，在每個智能體初始狀態(tài)固定的情況下，提出了一種能進行初始狀態(tài)誤差修正的PD型迭代學(xué)習(xí)控制算法，該初態(tài)誤差修正只作用一小段時間t∈[0，h]，最后系統(tǒng)中的每個智能體在有限時間t∈[h，T]上完全跟蹤上參考軌跡。通過理論分析給出了算法的收斂條件，仿真實驗也證明了算法的有效性。
　　(2)針對具有重復(fù)運動性質(zhì)分布式多智能體系統(tǒng)，在期望初始狀態(tài)未知的情況下，提出了一種同時對

4、各智能體的輸入和初始狀態(tài)誤差進行迭代修正的分布式學(xué)習(xí)控制算法。收斂性分析表明，該算法使得每個多智能體初始狀態(tài)逐漸收斂于參考軌跡對應(yīng)的期望初始狀態(tài)，實現(xiàn)系統(tǒng)中每個智能體對期望軌跡在有限時間內(nèi)的完全跟蹤。放寬了之前多智能體文獻中每次迭代對初態(tài)嚴格一致的要求。理論分析證明了算法的收斂性，仿真實驗也驗證了算法的有效性。
　　(3)針對實驗室的三個剛性機械臂協(xié)作實驗平臺，通過分析選取每個機械臂兩個合適的自由度，建立了運動學(xué)模型。并在該運動學(xué)