基于马氏跳变的非线性多智能体的网络随机建模与协同控制

In this project, we propose the continue support on the Markovian jumping based networked cooperative control for complex multi-agents. According to the front project on “Markovian jumping based model, analysis and synthesis of nonlinear stochastic networked control systems”, the main work is the networked cooperative control of multi-agents. The Markovian jumping theory based stochastic networked control is extent to the cooperative analysis and synthesis of multi-agents from single nonlinear system (single agent). In front project, three key problems have been achieved and remain the last problem. Now, 15 papers are accepted or published, in which 7 is in SCI source. One monograph is published as Editor. The main novelties include four: 1) In sensing/communication network dropout and delay, Markovian jumping stochastic theory based cooperative modeling and control of multi-agents; 2) In partly unknown Markovian jumping matrix, the networked cooperative model and cooperative control of multi-agents; 3) In asynchronous samplings/communication, the Markovian jumping based delay-dependent cooperative control of high order multi-agents systems; 4) In case of the difficult model, the fuzzy cooperative control of multi-agents by combining the fuzzy model approach and Markovian jumping theory.

本项目申请基于马氏跳变的非线性系统网络控制的连续资助。在前一项目“基于马氏跳变理论的非线性随机网络控制系统的建模、分析与综合”基础上，这次主要针对多智能体的网络控制采用马氏跳变理论进行建模和协同控制，将随机网络控制理论从单一非线性系统(单智能体系统)扩展到多智能体的分析与协同控制。前一个项目中解决了3个关键问题，正研究最后一个问题。目前接受和发表论文15篇，其中SCI源期刊论文7篇，专著1部。本申请包括：1. 多智能体信息流在网络诱导时延和丢包同时存在情况下，研究基于马氏跳变理论的复杂多智能体的随机网络拓扑结构和协同控制问题；2.研究部分马氏跳变概率转移矩阵未知情况下多智能体的网络协同建模和控制；3.在传感/通讯信息异步更新情况下，基于马氏跳变理论的高阶多智能体的时滞相关的协同控制；4.针对复杂多智能体建模困难情况，采用模糊系统和随机马氏跳变理论相结合思想进行协同控制建模和模糊协同控制。

随着计算机技术、网络技术、通信技术的飞速发展，多智能体系统的相关研究已经成为控制领域的一个新兴的研究方向和国际前沿研究课题，在交通控制、电子商务、多机器人系统、军事等诸多领域发挥重要作用。然而,还存在一些理论和实际问题需要进一步研究和解决。在此项目支持下，我们针对多智能体系统控制的一些相关问题进行了研究，得到了一些重要结果，发表相关论文20篇，其中 SCI 检索论文12 篇,国际国内会议论文8篇。同时，我们将获得的理论成果应用于实际问题。申请授权国家发明专利8项。主要理论研究成果包括：1、在线性多智能体系统的一致性分析、优化协调控制问题中，针对线性系统的分布协同控制问题提出了逆最优控制方法；状态耦合的线性多智能体系统提出了输出调节控制方法；分布式动态状态反馈控制方法被转化到输出调节方法；二阶多智能体系统的跟随分布式协同控制方法和基于状态观测器的分布式协同控制方法。2、在非线性多智能体系统的一致性问题、协同控制和跟随控制问题方面，提出了基于模糊理论和神经网络的智能分步协同控制方法和分布自适应输出反馈控制方法3、研究了网络环境下的多智能体的协同控制问题，提出了基于网络量化一致控制问题。建立了基于马尔科夫跳变的理论的动态网络各子系统间连通关系模型，并采用随机分析理论设计了协同控制器，解决了信息流的网络延时是时变不确定的，并且丢包情况发生是任意的网络控制情况。4、在未知非线性系统智能控制方面，我们采用模糊系统建模方法，设计了具有严格反馈形式的单输入单输出系统，多输入多输出系统的模糊自适应控制。在考虑系统中存在传感器故障，执行器故障情况下我们分析了其工作原理设计了模糊故障估计与容错控制器。