王東陽,李永明

(遼寧工業(yè)大學(xué) 理學(xué)院， 遼寧 錦州 121001)

近幾十年來，多智能系統(tǒng)的協(xié)同控制由于其在科學(xué)和工程領(lǐng)域的廣泛應(yīng)用而受到越來越多的關(guān)注，已成為一個十分重要的研究方向。與傳統(tǒng)的單一非線性系統(tǒng)相比，多智能系統(tǒng)由于其在有向拓撲下的多個智能體之間可以通過互相協(xié)調(diào)合作來共同完成指定的控制目標，使得多智能系統(tǒng)具有更強的魯棒性和更好的可調(diào)控性，并被應(yīng)用在例如航天器的編隊飛行，移動機器人的協(xié)調(diào)控制以及船舶的編隊控制等領(lǐng)域。協(xié)同控制是多智能系統(tǒng)協(xié)調(diào)控制的基礎(chǔ)問題，目前已有很多研究成果。文獻[1-3]基于圖論和矩陣理論，研究了線性系統(tǒng)的協(xié)同控制問題；文獻[4-6]中提出的協(xié)同控制算法要求系統(tǒng)的非線性函數(shù)滿足Lipschtiz條件。但在實際控制系統(tǒng)中，傳感器的精度和外部條件的變化都會導(dǎo)致系統(tǒng)存在不確定性。文獻[7-10]提出了基于模糊邏輯系統(tǒng)或神經(jīng)網(wǎng)絡(luò)的自適應(yīng)協(xié)同控制算法；文獻[9]針對帶有不確定擾動的非線性多智能體系統(tǒng)，提出了基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)協(xié)同控制算法；文獻[10]針對帶有輸入飽和的非線性多智能體系統(tǒng)，提出了基于模糊邏輯系統(tǒng)的自適應(yīng)協(xié)同控制方案。

隨著科學(xué)技術(shù)的不斷發(fā)展，為了滿足人們?nèi)找嬖鲩L的研究需要以及現(xiàn)代化生產(chǎn)，控制系統(tǒng)變得日漸大型化、復(fù)雜化，系統(tǒng)中的傳感器、執(zhí)行器等部件的數(shù)量和復(fù)雜性也日益增加。那么，整個系統(tǒng)運行的穩(wěn)定性和完整性變得更加重要，且更有難度，一旦系統(tǒng)內(nèi)的元部件哪怕出現(xiàn)一個小的故障，系統(tǒng)運轉(zhuǎn)的安全性就可能得不到保證。因此，容錯控制得到了廣泛的重視，與傳統(tǒng)的單一非線性故障系統(tǒng)不同的是，多智能系統(tǒng)的故障可以分為兩類：一類是智能體之間通信網(wǎng)絡(luò)的故障，另一類是自身的故障。目前，關(guān)于多故障系統(tǒng)協(xié)同控制問題的文獻研究很多[11-15]，文獻[13]研究了在嚴格反饋條件下的非線性多智能系統(tǒng)的自適應(yīng)模糊容錯控制。在文獻[14]中，研究了具有時變執(zhí)行器故障的多智能系統(tǒng)的協(xié)同自適應(yīng)模糊跟蹤控制。

本文針對滿足指定性能的帶有執(zhí)行器故障以及控制方向未知的非線性多智能體系統(tǒng)，研究其容錯協(xié)同控制問題。通過使用模糊邏輯系統(tǒng)逼近系統(tǒng)內(nèi)的未知非線性函數(shù)，引入特定的Nussbaum增益函數(shù)解決未知控制方向的問題。提出容錯協(xié)同控制器的設(shè)計方案，用以保證所有“跟隨者”的輸出與“領(lǐng)導(dǎo)者”的輸出同步?；诶钛牌罩Z夫穩(wěn)定性理論，證明了當系統(tǒng)發(fā)生故障時，本文所設(shè)計的控制器可保證系統(tǒng)仍能保持穩(wěn)定，而且跟蹤誤差一致最終有界。

本文共分為4部分：第1部分主要介紹預(yù)備知識，并對所研究的多智能系統(tǒng)控制問題進行描述；第2部分給出容錯控制器的設(shè)計方案，并進行穩(wěn)定性分析；第3部分給出仿真結(jié)果，從而進一步證明所提出的控制方案的有效性；第4部分給出本文結(jié)論。

1 預(yù)備知識和問題描述

1.1 圖論

通常用有向圖描述多智能系統(tǒng)的信息通信?？紤]由N個“跟隨者”和1個“領(lǐng)導(dǎo)者”組成的多智能體系統(tǒng)，“跟隨者”之間的信息通信可以由有向圖ζ=(ν,μ,Λ)表示。其中ν={n1,…,ni}是節(jié)點集合，ni表示“跟隨者”i;μ={ni×nj∈ν×ν}是邊集合，Λ=[aij]∈RN×N是鄰接矩陣；(ni,nj)∈μ表示“跟隨者”j能夠直接獲得“跟隨者”i的信息；aij定義如下：

節(jié)點i的鄰接集合定義為Ni={j|(ni,nj)∈μ}。

有向圖ζ的拉普拉斯矩陣L=[Lij]∈RN×N定義如下：

拉普拉斯矩陣L=D-Λ，其中D=diag{d1,…,dN}。

如果有向圖ζ的每一個節(jié)點到其他任意節(jié)點都存在有向路徑，則稱圖ζ是強連通的。如果有向圖ζ至少存在一個根節(jié)點(根節(jié)點到其他任意節(jié)點都存在有向路徑)，則稱圖ζ包含有向生成樹。如果任意的(ni,nj)∈μ且(nj,ni)∈μ，則稱有向圖ζ是雙向圖或無向圖。顯然，無向圖是一類特殊的有向圖，無向圖中強連通和包含有向生成樹是等價的，此時無向圖是連通的。

定義“領(lǐng)導(dǎo)者”鄰接矩陣Λ0=diag(a10,…,aN0)，其中ai0=1當且僅當“跟隨者”i能夠獲得“領(lǐng)導(dǎo)者”的信息；否則ai0=0，通常為了分析方便，定義H=L+Λ0。

假設(shè)1[7]：有向圖ζ中包含有向生成樹，并且根節(jié)點能夠獲得“領(lǐng)導(dǎo)者”的信息。

引理1[7]：若有向圖ζ中包含有向生成樹，并且根節(jié)點能夠獲得“領(lǐng)導(dǎo)者”的信息，則矩陣H的所有特征值具有正實部。

1.2 指定性能

通過確保每個誤差面si,1(i=1,…,N)嚴格地在規(guī)定區(qū)間內(nèi)來保證其有指定的性能：

-κ1iηi(t)

(1)

ηi(t)=(ηi0(t)-ηi∞(t))e-qit+ηi∞(t), ?t≥0

其中qi>0，ηi0(t)>0，ηi∞(t)>0是常數(shù)，ηi0(t)>ηi(t)，q∞·ηi0被選擇為-κ1iηi(0)

引理2[12]：ηi∞(t)表示si,1在區(qū)間內(nèi)所規(guī)定的最大值。qi表示si,1的收斂速度。si,1的最大變化區(qū)間小于[-κ1iηi(0),κ2iηi(0)]。因此，選擇適當?shù)男阅芎瘮?shù)ηi(t)以及常數(shù)κ1i，κ2i，當初始條件滿足規(guī)定的性能邊界時，誤差變換函數(shù)的表達式為：

(2)

1.3 問題描述

考慮由N個“跟隨者”和1個“領(lǐng)導(dǎo)者”組成的不確定非線性多智能體系統(tǒng)。第i個“跟隨者”的動態(tài)模型如下：

(3)

本文所考慮的執(zhí)行器故障為增益和偏差故障，分別定義故障模型如下：

偏差故障模型：

(4)

其中ωi(t)是有界信號(有界函數(shù))。

增益故障模型：

(5)

其中hi是未知的失效率并且0≤hi≤1。

將式(4)(5)聯(lián)立，系統(tǒng)的輸入向量可表示為：

(6)

控制目標：對于帶有執(zhí)行器故障和未知控制方向的非線性多智能系統(tǒng)，設(shè)計一個自適應(yīng)模糊容錯控制方案，保證“跟隨者”的輸出最終能夠跟蹤“領(lǐng)導(dǎo)者”的輸出，且同步誤差始終在指定界內(nèi)。

為了設(shè)計出所需的模糊控制方案，需要以下的引理和假設(shè)。

通過使用萬能逼近定理，未知非線性函數(shù)fi,k(·)(k=2,…,ni)可以通過FLS近似為：

(7)

(8)

為了解決控制方向未知的問題，引入了Nussbaum增益技術(shù)。定義Nussbaum函數(shù)N(?)具有以下屬性：

常用的Nussbaum增益函數(shù)包括：

?2cos(?),?2sin(?)和exp(?)2cos(?)2

在本文中，選取exp(?)2cos(?)2。

引理3[15]：對于非線性多智能體系統(tǒng)(1)，定義N(?)=exp(?)2cos(?)2以及在 [0,tf)上是平滑函數(shù)的?i(t)。如果存在正定徑向無界函數(shù)v(t,x)以及正常數(shù)C和D，則滿足以下不等式：

(9)

令

χi=xi/βi=[xi,1/βi,xi,2/βi,…,xi,ni/βi]T=

[χi,1,…,χi,ni]

這樣改寫為與原系統(tǒng)相等的如下系統(tǒng)：

(10)

2 容錯控制器設(shè)計和穩(wěn)定性分析

2.1 容錯控制器的設(shè)計

在本節(jié)中，通過將返步遞推方法和動態(tài)面技術(shù)結(jié)合，設(shè)計出所需的容錯控制器。

控制器的設(shè)計過程共有ni步，并且每一步的設(shè)計都基于誤差面，從第1步到第ni-1步，設(shè)計虛擬控制器αi,k+1(k=1,…,ni-1)保證系統(tǒng)每一步的穩(wěn)定性，并且在最后一步中設(shè)計所需的實際控制器ui。定義誤差面si,k和濾波誤差zi,k如下：

(11)

第1步： 根據(jù)式(11)可將誤差面改寫如下：

(12)

根據(jù)式(12)和χi,k=si,k+zi,k+αi,k，同步誤差i,1對時間的導(dǎo)數(shù)如下：

(13)

其中fi,k(·),k=(1,…,ni)是一個未知函數(shù)。

通過使用模糊邏輯系統(tǒng)對未知函數(shù)逼近可得：

(14)

將式(14)代入式(13)得到：

(15)

考慮李雅普諾夫函數(shù)如下：

(16)

其中：γ1i,1>0；γ2i,1>0是設(shè)計參數(shù)。

結(jié)合式(15)和(16)，對v1求導(dǎo)，得到：

(17)

定義：

利用Young不等式，可得：

(18)

將式(18)代入式(17)，得到：

(19)

(20)

(21)

(22)

(23)

其中ci,1>0；σi,1>0；δj,1>0是設(shè)計參數(shù)。

將式(20)～(23)代入式(19)得到：

(di+ai0)ρiβii,1(si,2+zi,2)}+

(24)

(25)

第1個虛擬控制器(20)包含了與他相鄰的智能體的狀態(tài)信息模糊邏輯系統(tǒng)的信息。如果使用返步遞推設(shè)計方法，隨著系統(tǒng)階數(shù)和多智能體個數(shù)的增加，“復(fù)雜性爆炸”這一問題將變得更加嚴重。因此，采用動態(tài)面的設(shè)計方法，讓虛擬控制函數(shù)(20)通過一階濾波器(25)，避免對其求導(dǎo)，簡化設(shè)計方案。

第k步(2≤k≤ni-1)：根據(jù)式(10)得到：

(26)

將式(26)代入si,k的導(dǎo)數(shù)，并且聯(lián)立χi,k+1=si,k+1+zi,k+1+αi,k+1，得到：

(27)

考慮李雅普諾夫函數(shù)如下：

(28)

對式(28)求時間導(dǎo)數(shù)并聯(lián)立式(25)和(27)，可得：

si,k[βi(si,k+1+zi,k+1+αi,k+1)+

(29)

(30)

(31)

(32)

第ni步：由式(10)可得：

(33)

考慮李雅普諾夫函數(shù)如下：

(34)

對式(34)求時間導(dǎo)數(shù)并聯(lián)立式(32)和(33)，可得：

(35)

(36)

(37)

其中γ1i,ni，σi,ni是設(shè)計參數(shù)。

標注1值得注意的是：上述設(shè)計參數(shù)只是保證控制系統(tǒng)穩(wěn)定性的充分條件，通過增大設(shè)計參數(shù)γ1i,ni和ci,ni，或者減小設(shè)計參數(shù)σi,ni，可以使跟蹤誤差盡可能小。

將式(36)(37)代入式(35)，可得：

(38)

2.2 容錯控制器的穩(wěn)定性分析

主要結(jié)果由以下定理說明：

定理1：對于多智能體系統(tǒng)(3)在考慮其存在執(zhí)行器故障，控制方向未知等問題的情況下，設(shè)計虛擬控制函數(shù)(20)(30)，參數(shù)自適應(yīng)律(22)(23)(31)(37)，一階濾波器(25)(32)。在滿足假設(shè)1和引理3的條件下，所有“跟隨者”的輸出能夠跟蹤“領(lǐng)導(dǎo)者”的輸出，且同步誤差始終在指定界內(nèi)。

證明：為了對多智能體系統(tǒng)(3)進行穩(wěn)定性分析，選取李雅普諾夫函數(shù)如下：

(39)

其中zi,k+1的導(dǎo)數(shù)可以表示為：

(40)

其中：

(41)

Bi,k+1(·)=Bi,k+1(si,1,…,si,k+1,zi,2,…,zi,k+1,

(42)

將式(41)和式(42)代入Vk的時間導(dǎo)數(shù)，利用Young不等式：

可得：

(43)

定義：

其中：B0>0；P>0；∏和∏i,k是在R3和Rdim∏i,k上的緊集，dim(∏i,k)是∏i,k的維數(shù)且∏×∏i,k也是緊集。這樣可以得到|Bi,k+1|在∏×∏i,k上有一個最大值Bi,k+1M。

選擇設(shè)計參數(shù)如下：

定義

(44)

(45)

其中，i=1,…,N,k=1,…,ni,h=2,…,ni,j∈Ni。則由式(40)得到：

(46)

因此，可將上式改寫為：

(47)

3 仿真結(jié)果

在此部分，給出數(shù)值仿真算例驗證所提方法的有效性。

考慮下面的二階非線性多智能體系統(tǒng)：

(48)

ηi(t)=2.75exp(-0.5t)+0.05。

選擇模糊隸屬函數(shù)為：

智能體之間的通信由圖1描述：

圖1 通信網(wǎng)絡(luò)圖

仿真如圖2～5所示。其中，圖 2表示“跟隨者”的輸出yi和“領(lǐng)導(dǎo)者”的輸出yr(i=1,2,3)的軌跡；圖 3表示控制輸入ui(i=1,2,3)的軌跡；圖 4表示同步誤差i,1(i=1,2,3)在指定性能下的軌跡；圖5表示誤差面si,2(i=1,2,3)的軌跡。由仿真結(jié)果可以看出，在系統(tǒng)存在未知控制方向且執(zhí)行器發(fā)生故障的情況下，文中提出的控制算法仍能實現(xiàn)系統(tǒng)的一致性控制。

圖2 “跟隨者”的輸出yi和“領(lǐng)導(dǎo)者”的輸出yr的軌跡

圖3 控制輸入ui的軌跡

圖4 同步誤差i,1的軌跡

圖5 誤差si,2的軌跡

4 結(jié)束語

本文針對有向圖下的具有未知控制方向和執(zhí)行器故障的多智能體系統(tǒng)，提出了一種容錯控制方案。引入特定的Nussbaum增益函數(shù)解決未知控制方向的問題。結(jié)合模糊逼近和動態(tài)面控制技術(shù)，開發(fā)分布式容錯控制方案用以保證所有跟隨者的輸出與具有指定性能的領(lǐng)導(dǎo)者的輸出同步。最后，通過仿真結(jié)果驗證了所提出的控制方法的有效性。