基于任务的复杂智能多网络协同性控制理论和关键技术

This project is to study the key technology in the theory and application of complex intelligent multi network task - based cooperative control. The concept of complex intelligent multi – network cooperative and the concept of complex intelligent multi–network task-based cooperative are the first time introduced. According to the different multi network model, by analyzing the link topology relation among inter-network, out-network and the network connection constraint condition, it reveals the multi-network cooperative mechanism and the multi-network task- based cooperative mechanism. The analytic formulas of the measurement of the multi - network cooperative capacity and the multi - network task - based cooperative capacity are given, respectively. A stability criterion and an algorithm of the controller design for task - based multiple network synchronization or consensus control are proposed, and a feasible network connection constraint condition is established. A hardware platform is set up for validating the effect of the theoretical results proposed in this project.

本项目拟研究基于任务的复杂智能多网络协同性控制理论与应用中的关键技术问题。首次引入复杂智能多网络协同性的概念和基于任务的复杂智能多网络协同性的概念；针对不同多网络模型，分析网络内部连接拓扑、网络之间连接拓扑和网络连接约束条件之间的关系 ，揭示多网络协同性机制和基于任务的多网络协同性机制；给出多网络协同性能力和基于任务的多网络协同性能力的度量计算解析式；提出基于任务的多网络同步或一致性控制稳定性判据和控制器设计有效算法；建立与任务相关的多网络同步或一致性可行性网络连接约束条件；建立基于任务的多网络协同性控制硬件平台。

研究了基于任务的复杂智能多网络协同性控制理论和关键技术，以及网络安全中的量子密钥协议问题。.1.协同控制理论框架. 针对多网络协同过程中的环境变化，提出了分布式多智能体系统的编队演化控制方法;. 存在障碍时，提出了基于复拉普拉斯的避障编队控制方法，推导了初始位置决定静态编队最终位置的充分条件;. 针对误差监测周期可调整的多智能体系统，给出带有可调整参数的阈值函数一致性算法，能有效节省通信资源;. 当多智能体系统位置在凸约束、速度在非凸约束条件下，设计了包含控制协议，推导出跟随者进入领导者张成的凸包内的充分条件;. 建立不确定性系统模型时，提出了状态空间简化的方法和具有时滞系统的鲁棒稳定性判据；. 当系统存在外部干扰时，提出了基于自抗扰的领导-跟随者多智能体系统的分布式输出跟踪控制协议，使系统输出渐近跟踪给定目标；. 推导出了多智能体系统分布式最优控制器存在的条件。.2.基于任务的协同控制方法. 无设备无线定位方法：提出了基于指纹、仅使用信道状态的相位信息和加权的降维迁移学习等的无设备室内定位方法，能提高定位精度，节省大量校准成本;. 自适应滤波算法：基于ATC结构的扩散式标准化分布式Huber、样条函数、噪声约束的无参数变步长LMAT和最小均方差偏差的最优步长LMAT自适应滤波算法;. 无人车协同精准抓取：对给定的任务，提出了基于预测模型的级联分类方法和基于神经网络的目标物体深度测量方法，实现了两辆无人车协同搜索并精准抓取;. 无人机协同完成任务：对给定的任务，提出了基于Leader-Follower模型的无人机编队同步控制、移动目标检测跟踪控制和基于矢量叉积PID的姿态融合算法，实现了无人机姿态等同步以及目标跟踪和悬停。.3.揭示了基于合作任务的博弈连接多网络的协同演化机理。.4.针对网络安全问题，提出了基于Shamir门限秘密共享、相位移动操作和二元多项式的多方量子密钥协商协议。 .5.建成了基于任务的多网络协同控制理论软硬件验证平台，包括无人车系统协同抓取以及无人机群和无人车队协同完成任务控制平台。