不确定非线性多智能体系统自适应神经网络分布一致性控制

In the practical engineering systems, most multi-agent systems present to be intrinsically nonlinear, uncertain and time-varying. The study on consensus control of uncertain nonlinear multi-agent systems is still in the primary stage, and existing methodologies usually impose some sever restrictions or only consider simple agent dynamics. How to relax these assumptions and extend the existing techniques to more general nonlinear multi-agent systems are urgent problems to be solved. This project is to investigate the adaptive distributed consensus problem for a class of uncertain nonlinear multi-agent systems as follows: Firstly, using dynamic surface control technique, we study the consensus problem for a class of nonstrict-feedback nonlinear multi-agent systems. Secondly, by combining Lyapunov-Krasovskii functional method and adaptive backstepping, we investigate the distributed consensus problem for uncertain nonlinear multi-agent systems with unknown time-varying delays. Lastly, for uncertain nonlinear multi-agent systems, we design adaptive distributed output-constrained controller and event-triggered adaptive neural distributed controller, respectively. The main purpose of this project aims to further develop the consensus theory of nonlinear multi-agent systems, which is also valuable for the related application.

在实际工程系统中，大部分多智能体系统具有本质非线性、不确定性和时变性等特征。与之相关的不确定非线性多智能体系统一致性控制研究尚处于起步阶段，现有结果往往需要施加严格的限制条件或者考虑较简单的智能体动态，如何放宽假设条件并将已有的技术推广至更一般的非线性多智能体系统，是亟待解决的问题。本项目针对几类不确定非线性多智能体系统，研究其自适应分布一致性控制问题。具体包括：首先，利用动态面控制方法研究非严格反馈非线性多智能体系统的一致性跟踪问题。其次，结合Lyapunov-Krasovskii泛函方法及自适应后推技术，研究具有未知时变时滞的不确定非线性多智能体系统的分布式一致性问题。最后，针对不确定非线性多智能体系统，设计分布式自适应输出约束控制器以及基于事件触发机制的自适应分布式神经网络控制器。本项目旨在推动非线性多智能体系统一致性控制理论的发展和完善，为实际应用提供参考。

针对具有不匹配非线性的不确定(严格反馈、纯反馈、非严格反馈)非线性系统为研究对象，通过构造基于逼近的自适应控制器，研究跟踪控制设计问题。基于Lyapunov稳定性定理、Lyapunov-Krasovskii泛函理论、自适应后推、动态面控制、神经网络逼近、事件触发控制等技术，进行理论推广和提出改进方案。具体研究如下：.(1) 针对一类具有未建模动态和控制方向未知的纯反馈多输入多输出非线性系统，提出了一个鲁棒自适应神经网络控制方案。引入Nussbaum函数有效解决了这类系统中出现的控制方向未知的问题，利用动态面控制方法降低了控制器设计复杂度。特别是，通过结合变量分离技术和函数单调递增性质，放宽了由未建模动态引发的动态扰动的假设条件。另外，在整个控制器设计过程中只需一个在线调节参数，这大大节约了计算成本。.(2) 针对一类具有多时变时滞和非对称输出约束的非严格反馈非线性系统，通过构造新型的Lyapunov-Krasovskii泛函，提出了一个自适应神经网络跟踪方案。通过结合变量分离技术和函数单调递增性质，解决了由非严格反馈结构所引起的代数循环问题。另外，新型Lyapunov-Krasovskii泛函取消了未知时变时滞函数上届已知的假设。特别是， 我们利用一个可逆的自然对数函数所构成的非线性映射处理非对称输出约束，将原本受到约束的系统转化为无约束的系统，无需重新设计控制器。.(3) 针对一类具有对称输出约束的非严格反馈非线性系统，利用约束Lyapunov函数处理对称输出约束，提出了一种模糊自适应动态面控制方案。特别是，该方案中利用模糊基函数的性质取消了对于非严格反馈非线性函数上界需要满足单调递增的假设。其次，我们考虑了一类具有非对称输出约束的非严格反馈非线性系统，通过引入非线性映射处理非对称输出约束，提出了一种自适应神经网络递推方案。.(4) 针对一类具有非对称输出约束和多时变时滞的非严格反馈非线性系统的事件触发控制，提出了一种时滞无关的自适应神经网络事件驱动控制方案。该方案减小了控制器和执行器之间的交流负担，有效的避免了奇诺行为。其次，我们关注到一类具有非对称输出约束的非严格反馈非线性系统的事件驱动控制，提出了一种模糊自适应跟踪控制方案。