[发明专利]基于RBF神经网络的异构多智能体系统协同容错控制方法

权利要求书

1.基于RBF神经网络的异构多智能体系统协同容错控制方法，其特征在于，包括如下步骤：

(1)设定所有的智能体都能够获得预定的运动轨迹和速度，通过异构多智能体间的通讯链接，构建异构多智能体系统的通讯拓扑并以有向图表示，计算出拉普拉斯矩阵；

(2)根据每个智能体的动力学方程，在考虑执行器的乘性故障和加性故障的情况下，形成统一二阶动态方程形式的每个智能体带有故障的模型；

(3)基于RBF神经网络自适应理论和通讯网络链接，设计异构多智能体系统的协同容错控制器，基于一致性理论得到异构多智能体系统的全局动态方程，实现系统的协同容错控制；

(3.1)协同容错控制器如下：

其中，u_i(t)表示t时刻第i个智能体的控制输入向量，表示t时刻第i个智能体的自适应参数且其初始值为正实数；e_i(t)表示t时刻第i个智能体的编队状态误差；t时刻第i个智能体的预定的时变队形指令表示为h_i(t)＝[h_xi(t)，h_vi(t)]^T，h_xi(t)和h_vi(t)分别表示h_i(t)的位置和速度分量，且满足c_i、σ_i为第i个智能体中控制器所需的参数，且都为正实数；表示第i个智能体控制器中有界层的值，满足时表示t时刻第i个智能体中RBF神经网络的自适应权值向量，φ_i(t)表示t时刻第i个智能体控制器中RBF神经网络的基函数向量，γ_i和τ_i表示第i个智能体控制器中RBF神经网络所需的参数；

(3.2)基于一致性理论得到异构多智能体系统的全局动态方程，具体为：

令x_i(t)＝x_i(t)-h_xi(t),ψ_i(t)＝v_i(t)-h_vi(t)，得

令利用RBF神经网络处理g(·)，具体公式如下：

g_i(·)＝W_i^*T(t)Φ_i(t)+ξ_i(t)

其中，Φ_i(t)＝[φ₁(e_i(t)),φ₂(e_i(t)),…,φ_l(e_i(t))]^T，W_i^*(t)∈R^l×1表示第i个智能体控制器中RBF神经网络的最优权值向量，m＝1,2,…,l，l表示RBF神经网络隐藏神经元的数量，μ_m和分别表示RBF神经网络高斯基函数的中心点向量和宽度，ξ_i(t)为t时刻第i个智能体控制器中RBF神经网络的近似误差，||ξ_i(t)||≤ε₀，ε₀是一个有界的正常数；

令异构多智能体系统的全局动态方程如下：

其中，I_N表示N维单位阵，1_N表示元素都为1的N维列向量，和表示异构多智能体系统的两个综合状态误差，ρ＝diag{ρ₁(t),ρ₂(t),…,ρ_N(t)}表示异构多智能体系统的未知效率因子矩阵；表示异构多智能体系统的自适应参数矩阵；f(e(t))＝[f(e₁(t)),f(e₂(t)),…,f(e_N(t))]^T表示异构多智能体系统的有界层函数；Φ(t)＝[Φ₁(t),Φ₂(t),…,Φ_N(t)]^T表示异构多智能体系统的控制器中RBF神经网络的基函数输出向量，表示异构多智能体系统的控制器中RBF神经网络的权值向量，