[发明专利]一种绳系约束多智能体的张力预测与协同控制方法

说明书

本发明涉及一种获取演示实验环境中，多智能体系统内绳系约束体在完整任务下的全程状态数据，根据RBF神经网络的逼近特性，利用状态数据集训练得出模型张力不确定项的预测，并将其部署到多智能体系统中，完善系统模型，并通过控制算法完成编队任务，从而解决现有的多智能体不能进行精确编队的技术问题。本发明建立了“多智能体编队系统演示性实验——RBF神经网络训练——张力不确定项预测值部署——多智能体编队系统重复实验”闭环流程，利用实验数据在RBF神经网络中训练的结果，不断设计优化控制器，与现有编队控制技术相比，可以尽可能地达到最优控制效果。

技术领域

本发明属于多智能体编队控制领域，涉及一种绳系约束多智能体的张力预测与协同控制方法，具体设计一种多智能体在绳系约束下的编队控制方法。

背景技术

多智能体编队属于多智能体编队系统，智能体一般是指一个物理的或抽象的实体，它能感知到自己所处的环境，并能正确调用自身所具有的知识，对环境做出适当的反应。多智能体系统通常是指由多个智能体及其相应的组织规则和信息交互协议构成的，能够完成特定任务的一类复杂系统。其中，组织规则决定智能体之间的连接关系，信息交互协议用于确定及更新智能体的状态。类比于现实世界中的大量多智能体系统实例，例如多只蚂蚁协作搬运食物，牛群有组织地迁徙，鸟群成群结队地飞行等，多智能体系统的合作能够以更小的代价完成更复杂的任务，传统的面向单一对象的控制理论将很难满足实际的控制需求，而多智能体系统因其功能强大、结构灵活、可扩展性强等特点具有明显优势。

编队控制是指多个智能体组成的团队在向某个特定的目标运动的过程中，既要保持预定的集合队形，同时又要避开障碍。一般而言，编队控制借助智能体的局部邻居智能体信息实现多智能体系统的集群行为，从而解决全局性的任务。多智能体编队控制在军事、航天、工业等各个领域具有广阔的应用前景，比如卫星导航、机器人控制、搜索救援等。

绳系约束是指由系绳索、链条、皮带等绳系体对物体构成的约束。在多智能体系统中，相比于刚性约束，绳系约束可以将受约束的多智能体保持在一定运动空间范围，使受约束的多智能体存在一定程度的位移。即使在保证绳系体张紧的情况下，传统的多智能体绳系编队控制方法仍需要精确的系统动力学和环境模型，但由于绳系约束的特点，系统模型的不确定性、不精确性、非线性、复杂性，时变性等问题进一步复杂化，绳系体张力的不确定性造成现有的多智能体编队控制方法并不能对多智能体进行精确控制，从而导致多智能体状态维度改变，编队构型混乱。

因此，亟需一种新的在绳系约束下的多智能体编队控制方法来解决现有的多智能体不能进行精确编队的技术问题。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种绳系约束多智能体的张力预测与协同控制方法，获取演示实验环境中，多智能体系统内绳系约束体在完整任务下的全程状态数据，根据RBF神经网络的逼近特性，利用状态数据集训练得出模型张力不确定项的预测，并将其部署到多智能体系统中，完善系统模型，并通过控制算法完成编队任务，从而解决现有的多智能体不能进行精确编队的技术问题。

技术方案

一种绳系约束多智能体的张力预测与协同控制方法，其特征在于步骤如下：

步骤1：针对多智能体协同编队，建立包含柔性约束不确定非线性项的多智能体编队动力学模型：

其中，X表示智能体状态量，u表示控制力，F_cable是绳系约束不确定项即绳系约束张力，d表示系统未知外部干扰；

步骤2：为多智能体协同编队控制，初步设计具有鲁棒性能的滑模控制器：

其中，x表示状态量，g(x)为模型中控制力的系数项，D为外部干扰上界，β、p、q、η为控制参数，β＞0,p、q为正奇数，η＞0，为滑模面；