[发明专利]一种多智能体轨迹更新迭代学习的点到点跟踪控制方法

权利要求书

1.一种多智能体轨迹更新迭代学习的点到点跟踪控制方法，其特征在于，包括以下步骤：

步骤1、构建异构离散多智能体系统的模型；

步骤2、分析异构离散多智能体系统中各智能体之间的信息交换关系，使用有向图构建多智能体系统的通信拓扑结构，其中只有一个或多个跟随者智能体能获取领导者信息，且由领导者和跟随者组成的通信拓扑图包含一个以领导者为根节点的生成树；

步骤3、给定所有跟随者智能体的初始状态条件；

步骤4、根据期望位置点设计一种目标轨迹更新方法，并求解目标轨迹更新方法的参数，通过更新目标轨迹使得新目标轨迹渐近收敛到系统输出；

目标轨迹更新方法如下：

r_i,k+1(t)＝y_d(t)+h_i(t)f_i(t), (5)

其中，r_i,k+1(t)为第i个智能体在第k+1次迭代学习更新后的目标轨迹，y_d(t)是经过期望位置点y_d(t_s)的任意轨迹，h_i(t)＝(t-t₁)(t-t₂)…(t-t_M)，f_i(t)为任意离散函数；

令r_k(t)＝[r_1,k(t),r_2,k(t),…,r_n,k(t)]^T，f(t)＝[f₁(t),f₂(t),…,f_n(t)]^T，H(t)＝diag{h₁(t),h₂(t),…,h_n(t)}，Y_d(t)＝[y_d(t),y_d(t),…,y_d(t)]^T则式(4)转换成：

r_k+1(t)＝Y_d(t)+H(t)f(t), (6)

再将式(6)写成基于时间序列的形式：

r_k+1＝Y_d+Hf, (7)

其中：

r_k+1＝[r_k+1(0),r_k+1(1),…,r_k+1(N)]^T,

Y_d＝[Y_d(0),Y_d(1),…,Y_d(N)]^T,

H＝diag{H(0),H(1),…,H(N)},

f＝[f(0),f(1),…,f(N)]^T,

由于点到点跟踪是要求每次更新的目标轨迹在需要跟踪的时间点T＝{t₁,t₂,…,t_M}的值与给定期望点保持一致，即r_i,k(t_s)＝y_d(t_s)，则式(7)进一步转换成任意采样点处的目标轨迹：

r_k+1＝r_k+Hf, (8)

令f＝F(r_k-y_k)，其中F为实对角矩阵，则式(8)表示为：

r_k+1＝r_k+HF(r_k-y_k), (9)

令λ_k＝HF，由于矩阵H和矩阵F都是对角矩阵，则λ_k也为实对角矩阵，且

式中，则目标轨迹更新方法(9)变成：

r_k+1＝r_k+λ_k(r_k-y_k)， (10)

采用迭代学习控制算法对固定轨迹的跟踪要求随着迭代次数的增多，系统输出y_i,k(t)渐近收敛到固定轨迹y_d(t)，即

||y_d-y_k+1||≤||y_d-y_k||， (11)

本目标轨迹更新算法是使得新目标轨迹r_i,k(t)渐近收敛到系统输出y_k(t)，即

||r_k+1-y_k||≤||r_k-y_k||, (12)

对于点到点跟踪控制问题，采用目标轨迹更新算法r_k+1＝r_k+λ_k(r_k-y_k)，若满足||I+λ_k||＝1，且λ_k满足则可得到||r_k+1-y_k||≤||r_k-y_k||，T表示待跟踪的时间点T＝{t₁,t₂,…,t_M}；

步骤5、为跟随者智能体设计基于目标轨迹更新的P型迭代学习方法，求解P型迭代学习方法的参数，从而实现多智能体系统在有限时间内对期望位置点完全跟踪。