[发明专利]一种输出受限非线性系统分布式自适应最优协同控制方法

说明书

本发明公开的一种输出受限非线性系统分布式自适应最优协同控制方法，属于协同控制技术领域。本发明基于所建立的多智能体严格反馈非线性系统，结合Backstepping控制方法和自适应动态规划技术，构建“前馈+反馈”复合控制架构，定义一致性误差动态面；设计神经网络权值自适应更新律，实现对非线性系统未知函数项的在线估计；提出统一界限李雅普诺夫函数，有效处理系统输出约束，避免基于界限李雅普诺夫函数的控制方法仅适用于输出受限条件的问题；设计分布式前馈自适应虚拟控制输入以及分布式自适应最优反馈实际控制律，保证多智能体系统的协同一致性，提升输出受限条件下闭环系统稳定性和鲁棒性，保证分布式最优协同控制律的最优性，节约控制成本。

技术领域

本发明属于协同控制技术领域，尤其涉及一种输出受限非线性系统分布式自适应最优协同控制方法。

背景技术

近年来，无人机集群、无人车集群、导弹集群等多智能体系统已在军民领域得到广泛关注与快速发展。分布式最优控制技术，凭借其对闭环系统协调一致性与性能最优性方面的有效保障，已得到广大学者专家的青睐与关注，并取得了一定的理论研究成果。然而，现有分布式最优控制方法大多在理想线性化假设条件下通过求解代数黎卡提方程组推导分布式最优协同控制律。考虑实际系统的复杂非线性特性以及多智能体协同导致的强耦合特性，基于线性化假设的分布式最优协同控制律已难以满足非线性多智能体系统强鲁棒、高可靠、自适应控制需求。因此，有必要直接针对非线性多智能体系统设计分布式最优协同控制律，提升闭环系统的鲁棒性和稳定性。但非线性系统的分布式最优协同控制律设计通常涉及Hamilton-Jacobi-Bellman(HJB)方程组的求解问题，而该HJB方程组本质上属于非线性耦合偏微分方程组，通常难以找到其解析解，这给非线性分布式最优协同控制律的设计与应用带来较大技术挑战。

自适应动态规划技术凭借其对非线性函数的近似高效逼近最优代价函数，能够实现耦合HJB方程组的在线近似求解，是解决复杂非线性最优控制问题的有效工具。近年来，自适应动态规划技术已被应用于非线性多智能体系统的分布式最优协同控制律的设计中，并取得了一定的理论研究成果。但现有成果大多局限于仿射非线性系统的分布式最优控制律设计且尚未考虑系统输出约束导致的闭环系统稳定性问题，限制了分布式协同控制律的适用范围，降低了闭环系统的稳定性和鲁棒性。尽管部分研究学者已针对多智能体严格反馈非线性系统开展了基于自适应动态规划技术的分布式最优协同控制方法研究，并取得了一定的研究成果。但现有成果大多仅考虑闭环系统的稳定控制问题，尚无法有效处理系统输出约束导致的闭环系统稳定性和最优性难以同时保证的技术难题。因此，有必要设计输出受限的分布式最优协同控制律，从而达到预防输出约束违背，提升闭环系统鲁棒性，实现协同控制器优化的目的。

发明内容

本发明公开的一种输出受限非线性系统分布式自适应最优协同控制方法主要目的是：基于所建立的多智能体严格反馈非线性系统，结合Backstepping控制方法和自适应动态规划技术，构建“前馈+反馈”复合控制架构，定义一致性误差动态面；在此基础上，设计神经网络权值自适应更新律，实现对非线性系统未知函数项的在线估计；提出统一界限李雅普诺夫函数，有效处理系统输出约束；设计分布式前馈自适应虚拟控制输入以及分布式自适应最优反馈实际控制律，保证多智能体系统的协同一致性，提升输出受限条件下闭环系统稳定性和鲁棒性，保证分布式最优协同控制律的最优性，节约控制成本。

本发明的目的是通过如下技术方案实现。