CN113504727B - 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法 - Google Patents

一种带有自适应阈值的混合阶非线性***事件触发协同控制方法 Download PDF

Info

Publication number
CN113504727B
CN113504727B CN202110796336.3A CN202110796336A CN113504727B CN 113504727 B CN113504727 B CN 113504727B CN 202110796336 A CN202110796336 A CN 202110796336A CN 113504727 B CN113504727 B CN 113504727B
Authority
CN
China
Prior art keywords
order
agent
mixed
control
establishing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110796336.3A
Other languages
English (en)
Other versions
CN113504727A (zh
Inventor
李晓杰
王一光
王文成
梁勇
张烈平
程加堂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Technology
Original Assignee
Guilin University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202110796336.3A priority Critical patent/CN113504727B/zh
Publication of CN113504727A publication Critical patent/CN113504727A/zh
Application granted granted Critical
Publication of CN113504727B publication Critical patent/CN113504727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

一种带有自适应阈值的混合阶非线性***事件触发协同控制方法，属于机电***协同控制领域，主要是在混合阶多智能体机电***的事件触发协同控制中通过自适应调整触发阈值来解决触发控制效率的问题。本发明包括：一、建立混合阶多智能体机电***数学模型；二、建立混合阶多智能体机电***同步跟踪误差；三、建立混合阶多智能体机电***滑模误差；四、建立混合阶多智能体机电***神经网络估计模型；五、建立带有自适应阈值的混合阶事件触发协同控制策略。本发明用于混合阶机电***的事件触发控制。

Description

一种带有自适应阈值的混合阶非线性***事件触发协同控制 方法
技术领域
本发明属于机电***协同控制领域，主要涉及的是一种带有自适应阈值的混合阶非线性***事件触发协同控制方法。
背景技术
传统采样控制***的机制是基于时间进行触发的，也就是无论***的控制状态是否需要改变都会更新***的控制输入并周期性地应用于被控***中。事件触发控制是根据设计的触发条件使智能体在必要时进行通信、计算、控制输出等操作。从资源配置的角度来看，事件触发方式比传统时间周期触发方式更科学、合理地利用了***资源。利用事件触发机制为智能体设计合适的传输和执行频率，可以有效地节省多智能体***的控制资源、提高控制效率。在实际***中，执行器的频繁触发会增加智能体的能量消耗并增加相关部件的磨损，从而对智能体的性能产生较大影响。因此，在针对多智能体***设计控制策略时应充分考虑如何减少***能量的损耗以及提高部件的使用寿命，从而降低控制成本。目前，在基于事件触发的混合阶多智能体***一致性控制研究中，研究成果都是基于固定触发阈值来确定***的触发时间间隔。那么相应地在***的运行过程中，现有方式无法根据***的实际运行状态来有效调整事件触发阈值，进而也无法有效调节整个***的执行和控制效率。因此，现有基于固定触发阈值的事件触发控制方法已经不能满足实际复杂非线性混合机电***的控制要求。
发明内容
本发明的目的是为了解决在实际***运行过程中触发阈值不能自动调整，从而无法有效调节***的触发机制和控制效率的问题，本发明提供了一种带有自适应阈值的混合阶非线性多智能体机电***事件触发协同控制方法。
一种带有自适应阈值的混合阶非线性***事件触发协同控制方法，所述控制方法包括如下步骤：
步骤一、建立混合阶多智能体机电***数学模型：
一阶***
Figure BDA0003162897640000011
二阶***
Figure BDA0003162897640000012
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合。
步骤二、建立混合阶多智能体机电***同步跟踪误差：
一阶同步跟踪误差
Figure BDA0003162897640000021
二阶同步跟踪误差
Figure BDA0003162897640000022
ep,i、ev,i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，Ni为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
步骤三、建立混合阶多智能体机电***滑模误差：
一阶滑模误差
γi＝ep，i，iMp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数。
步骤四、建立混合阶多智能体机电***神经网络估计模型：
Figure BDA0003162897640000023
Figure BDA0003162897640000024
为fi(xi)的估计值，
Figure BDA0003162897640000025
为权值的估计，ζi(xi)为基函数。
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
一阶事件触发控制律
Figure BDA0003162897640000026
二阶事件触发控制律
Figure BDA0003162897640000031
Figure BDA0003162897640000032
是事件触发控制量，αi＞0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure BDA0003162897640000033
是设计参数，di是i的入度，阈值zi＞0，
Figure BDA0003162897640000034
为zi的估计值，g＞0是控制增益，
Figure BDA0003162897640000035
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间。
控制律事件触发条件为
Figure BDA0003162897640000036
Figure BDA0003162897640000037
Figure BDA0003162897640000038
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure BDA0003162897640000039
事件触发阈值自适应律为
Figure BDA00031628976400000310
ρ＞0，μ＞0为设计参数，Pi＞0。
神经网络自适应律
Figure BDA00031628976400000311
Fi＞0，τ＞0是可调增益。
控制参数自适应律
Figure BDA00031628976400000312
其中，
Figure BDA00031628976400000313
为hi的估计，δ＞0，λi＞0，hi为hi的下界。
本发明的有益效果在于，很好解决在实际***运行过程中触发阈值不能自动调整，从而无法有效调节***的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电***事件触发控制的频率、有效节省***的控制资源。
附图说明
图1为具体实施方式一所述的控制方法的流程示意图；
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式所述的带有自适应阈值的混合阶非线性***事件触发协同控制方法，所述控制方法包括如下步骤：
步骤一、建立混合阶多智能体机电***数学模型：
一阶***
Figure BDA0003162897640000041
二阶***
Figure BDA0003162897640000042
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合。
步骤二、建立混合阶多智能体机电***同步跟踪误差：
一阶同步跟踪误差
Figure BDA0003162897640000043
二阶同步跟踪误差
Figure BDA0003162897640000044
ep,i、ev，i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，Ni为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
步骤三、建立混合阶多智能体机电***滑模误差：
一阶滑模误差
γi＝ep,i,i∈Mp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数。
步骤四、建立混合阶多智能体机电***神经网络估计模型：
Figure BDA0003162897640000051
Figure BDA0003162897640000052
为fi(xi)的估计值，
Figure BDA0003162897640000053
为权值的估计，ζi(xi)为基函数。
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
一阶事件触发控制律
Figure BDA0003162897640000054
二阶事件触发控制律
Figure BDA0003162897640000055
Figure BDA0003162897640000056
是事件触发控制量，αi＞0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure BDA0003162897640000057
是设计参数，di是i的入度，阈值zi＞0，
Figure BDA0003162897640000058
为zi的估计值，g＞0是控制增益，
Figure BDA0003162897640000059
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间。
控制律事件触发条件为
Figure BDA00031628976400000510
Figure BDA00031628976400000511
Figure BDA00031628976400000512
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure BDA00031628976400000513
事件触发阈值自适应律为
Figure BDA00031628976400000514
ρ＞0，μ＞0为设计参数，Pi＞0。
神经网络自适应律
Figure BDA00031628976400000515
Fi＞0，τ＞0是可调增益。
控制参数自适应律
Figure BDA0003162897640000061
其中，
Figure BDA0003162897640000062
为hi的估计，δ＞0，λii＞0，h i为hi的下界。
本实施方式效果：
很好解决在实际***运行过程中触发阈值不能自动调整，从而无法有效调节***的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电***事件触发控制的频率、有效节省***的控制资源。

Claims (1)

1.一种带有自适应阈值的混合一二阶非线性***事件触发协同控制方法，其特征在于，所述控制方法包括如下步骤：
步骤一、建立混合一二阶多智能体机电***数学模型；
步骤二、建立混合一二阶多智能体机电***同步跟踪误差；
步骤三、建立混合一二阶多智能体机电***滑模误差；
步骤四、建立混合一二阶多智能体机电***神经网络估计模型；
步骤五、建立带有自适应阈值的混合一二阶事件触发协同控制策略；
所述步骤一中，
一阶***
Figure FDA0003607141190000011
二阶***
Figure FDA0003607141190000012
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合；
所述步骤二中，
一阶同步跟踪误差
Figure FDA0003607141190000013
二阶同步跟踪误差
Figure FDA0003607141190000014
ep,i、ev,i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，
Figure FDA0003607141190000015
为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为与多智能体相邻的一个领导者的位置和速度；
所述步骤三中，
一阶滑模误差
γi＝ep,i,i∈Mp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数；
所述步骤四中，
Figure FDA0003607141190000021
Figure FDA0003607141190000022
为fi(xi)的估计值，
Figure FDA0003607141190000023
为权值的估计，ζi(xi)为基函数；
所述步骤五中，
一阶事件触发控制律
Figure FDA0003607141190000024
二阶事件触发控制律
Figure FDA0003607141190000025
Figure FDA0003607141190000026
是事件触发控制量，αi＞0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure FDA0003607141190000027
是设计参数，di是i的入度，阈值zi＞0，
Figure FDA0003607141190000028
为zi的估计值，g＞0是控制增益，
Figure FDA0003607141190000029
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间；
控制律事件触发条件为
Figure FDA00036071411900000210
Figure FDA00036071411900000211
Figure FDA00036071411900000212
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure DEST_PATH_IMAGE002
事件触发阈值自适应律为
Figure FDA00036071411900000214
ρ＞0，μ＞0为设计参数，Pi＞0；
神经网络自适应律
Figure FDA0003607141190000031
Fi＞0，τ＞0是可调增益；
控制参数自适应律
Figure FDA0003607141190000032
其中，
Figure FDA0003607141190000033
为hi的估计，δ＞0，λi＞0，h i为hi的下界。
CN202110796336.3A 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法 Active CN113504727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110796336.3A CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110796336.3A CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法

Publications (2)

Publication Number Publication Date
CN113504727A CN113504727A (zh) 2021-10-15
CN113504727B true CN113504727B (zh) 2022-06-17

Family

ID=78013290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110796336.3A Active CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法

Country Status (1)

Country Link
CN (1) CN113504727B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5394322A (en) * 1990-07-16 1995-02-28 The Foxboro Company Self-tuning controller that extracts process model characteristics
WO2015149035A1 (en) * 2014-03-28 2015-10-01 LÓPEZ DE PRADO, Marcos Systems and methods for crowdsourcing of algorithmic forecasting
CN106325071A (zh) * 2016-09-28 2017-01-11 哈尔滨工程大学 一种基于事件驱动的广义预测自适应补给船航向控制方法
CN108829065A (zh) * 2018-07-16 2018-11-16 东北大学 基于事件触发的分布式发电***时滞输出协同控制方法
CN109062273A (zh) * 2018-08-15 2018-12-21 北京交通大学 基于事件触发pid控制的列车速度曲线跟踪控制方法和***
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电***协同控制方法及控制***
CN109491396A (zh) * 2018-12-28 2019-03-19 辽宁工业大学 一种多智能体事件驱动编队控制***及方法
CN109977571A (zh) * 2019-04-01 2019-07-05 清华大学 基于数据与模型混合的仿真计算方法及装置
CN110109351A (zh) * 2019-04-08 2019-08-09 广东工业大学 一种基于指定性能的多智能体一致性控制方法
CN111159336A (zh) * 2019-12-20 2020-05-15 银江股份有限公司 一种半监督司法实体及事件联合提取方法
CN111650835A (zh) * 2020-06-16 2020-09-11 电子科技大学 一种随机跳变***的自适应事件触发异步滑模控制方法
CN111781830A (zh) * 2020-07-02 2020-10-16 黑龙江大学 基于估计状态扰动观测的混合阶机电***协同控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3099952A1 (en) * 2018-05-14 2019-11-21 National Oilwell Varco, L.P. Intelligent monitoring for drilling process automation
CN110687784B (zh) * 2019-09-16 2022-10-04 广东工业大学 一种针对非线性不确定***的自适应事件触发控制方法
CN111487866B (zh) * 2020-04-09 2022-11-08 中北大学 基于混合事件触发的高超声速飞行器神经抗干扰控制方法
CN112859601B (zh) * 2021-01-11 2023-01-20 湖南工程学院 机器人控制器设计方法、装置、设备及可读存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5394322A (en) * 1990-07-16 1995-02-28 The Foxboro Company Self-tuning controller that extracts process model characteristics
WO2015149035A1 (en) * 2014-03-28 2015-10-01 LÓPEZ DE PRADO, Marcos Systems and methods for crowdsourcing of algorithmic forecasting
CN106325071A (zh) * 2016-09-28 2017-01-11 哈尔滨工程大学 一种基于事件驱动的广义预测自适应补给船航向控制方法
CN108829065A (zh) * 2018-07-16 2018-11-16 东北大学 基于事件触发的分布式发电***时滞输出协同控制方法
CN109062273A (zh) * 2018-08-15 2018-12-21 北京交通大学 基于事件触发pid控制的列车速度曲线跟踪控制方法和***
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电***协同控制方法及控制***
CN109491396A (zh) * 2018-12-28 2019-03-19 辽宁工业大学 一种多智能体事件驱动编队控制***及方法
CN109977571A (zh) * 2019-04-01 2019-07-05 清华大学 基于数据与模型混合的仿真计算方法及装置
CN110109351A (zh) * 2019-04-08 2019-08-09 广东工业大学 一种基于指定性能的多智能体一致性控制方法
CN111159336A (zh) * 2019-12-20 2020-05-15 银江股份有限公司 一种半监督司法实体及事件联合提取方法
CN111650835A (zh) * 2020-06-16 2020-09-11 电子科技大学 一种随机跳变***的自适应事件触发异步滑模控制方法
CN111781830A (zh) * 2020-07-02 2020-10-16 黑龙江大学 基于估计状态扰动观测的混合阶机电***协同控制方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
Cooperative Tracking Control of Heterogeneous Mixed-Order Multiagent Systems With Higher-Order Nonlinear Dynamics;Xiaojie Li等;《IEEE Transactions on Cybernetics ( Early Access )》;20201207;全文 *
Distributed Adaptive Cooperative Control for a Class of Nonlinear Multi-Agent Systems via Fully Event-triggered Mechanism;Ming Xiao等;《 IECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society》;20201218;全文 *
Output consensus of linear heterogeneous multi-agent systems with external disturbances by event-triggered strategy;Feng Zhou等;《2019 Chinese Control Conference (CCC)》;20191017;全文 *
不确定混沌***的自适应网络同步与混沌多智能体***一致性;李巧萍;《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》;20200215(第2期);第A005-23页 *
基于事件触发和网络攻击的负荷频率控制电力***H_∞滤波器设计;刘金良等;《中国科学:信息科学》;20181029(第10期);全文 *
基于事件触发的二阶随机时延***的有限时间一致;崔艳等;《山西师范大学学报(自然科学版)》;20200825(第03期);全文 *
自适应事件触发控制的多智能体***一致性;刘丹;《计算机工程与应用》;20170131;第53卷(第1期);全文 *

Also Published As

Publication number Publication date
CN113504727A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN111146778B (zh) 基于自适应事件触发动态输出反馈控制的多区域电网***设计方法
CN104154635B (zh) 基于模糊pid与预测控制算法的变风量室温控制方法
Jain et al. Cooperative path following of robotic vehicles using an event-based control and communication strategy
CN107133433B (zh) 一种基于模型自适应汽轮机调门流量特性优化方法
DE102013100434A1 (de) Kompensieren von Sollwertänderungen in einer nicht-periodisch aktualisierten Steuereinrichtung
Wang et al. Design of intelligent connected cruise control with vehicle-to-vehicle communication delays
CN113504727B (zh) 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法
CN112469079A (zh) 结合深度强化学习与传统拥塞控制的新型拥塞控制方法
CN102354119A (zh) 一种设施农业环境智能控制方法
CN102710515B (zh) 一种适用于网络控制***的死区调度方法
CN115529278A (zh) 基于多智能体强化学习的数据中心网络ecn自动调控方法
CN115913704A (zh) 一种抵御欺骗攻击的智能无人集群***时滞脉冲控制方法
Cho et al. Neural network control for TCP network congestion
CN113703315B (zh) 一种非线性混合阶多智能体机电***事件触发协同控制方法
CN109188914B (zh) 一种n阶混合非线性***的协同控制方法及控制***
CN115562241A (zh) 网络化控制***中的事件触发预测控制方法
CN114859725A (zh) 一种非线性***自适应事件触发控制方法及***
CN112286125B (zh) 电机驱动风扇事件触发固定时间容错控制方法及***
CN112887221B (zh) 基于广义预测控制的周期性节能方法
CN110928185B (zh) 一种多智能体***的量化控制方法
CN103095601A (zh) 一种用于通信网络拥塞控制的主动队列管理方法
Szymanek et al. Periodic event-triggered control with a relaxed triggering condition
Zhiwei et al. Multi-parameter NCS scheduling based on fuzzy neural network
JP3512376B2 (ja) 非線型チューニング規則推定量を有する制御ループ自動チューナ
CN106899392A (zh) EtherCAT消息传输过程中对瞬时故障进行容错的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211015

Assignee: GUANGZHOU GUISANJU TECHNOLOGY CO.,LTD.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000637

Denomination of invention: An event-triggered cooperative control method for mixed-order nonlinear systems with adaptive thresholds

Granted publication date: 20220617

License type: Common License

Record date: 20221230

EE01 Entry into force of recordation of patent licensing contract