多智能體一致性迭代學(xué)習(xí)控制研究.pdf

1、由多個(gè)物理上的實(shí)體或者是多個(gè)抽象點(diǎn)組成的分布式多智能體系統(tǒng)，更具有自組織性和自適應(yīng)性，系統(tǒng)中的每個(gè)智能體能根據(jù)自身和環(huán)境的變化作出反應(yīng)，并與其它智能體通訊，共同合作去完成一個(gè)任務(wù)。多智能體系統(tǒng)與單個(gè)智能體相比，具有更強(qiáng)的分布性和自主性，能夠通過(guò)“最近近鄰規(guī)則”解決更復(fù)雜的問(wèn)題，因此多智能體系統(tǒng)可以應(yīng)用到很多重要的領(lǐng)域，比如自治水下機(jī)器人協(xié)同作業(yè)、多移動(dòng)機(jī)器人系統(tǒng)、分布式傳感器陣列等。因此分布式多智能體系統(tǒng)的一致性問(wèn)題受到越來(lái)越多人的關(guān)注

2、。
　　本文在多智能體領(lǐng)域，針對(duì)具有重復(fù)運(yùn)行性質(zhì)的系統(tǒng)，利用迭代學(xué)習(xí)控制算法去實(shí)現(xiàn)多智能體系統(tǒng)有限時(shí)間內(nèi)的完全跟蹤。本文創(chuàng)新點(diǎn)在于針對(duì)迭代學(xué)習(xí)控制中的初值問(wèn)題提出了兩種不同的初始狀態(tài)誤差修正算法，并對(duì)提出的這兩種算法給出了理論分析，證明了算法的收斂性，并進(jìn)行了Matlab仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果也證明了算法的可靠性。最后，在實(shí)驗(yàn)室的剛性機(jī)械臂協(xié)作實(shí)驗(yàn)平臺(tái)上實(shí)現(xiàn)了兩個(gè)算法，完成了機(jī)械臂的末端點(diǎn)保持隊(duì)形的實(shí)驗(yàn)，再一次證明了算法的有效性。具體

3、內(nèi)容如下:
　　(1)針對(duì)具有重復(fù)運(yùn)動(dòng)性質(zhì)分布式多智能體系統(tǒng)，在每個(gè)智能體初始狀態(tài)固定的情況下，提出了一種能進(jìn)行初始狀態(tài)誤差修正的PD型迭代學(xué)習(xí)控制算法，該初態(tài)誤差修正只作用一小段時(shí)間t∈[0，h]，最后系統(tǒng)中的每個(gè)智能體在有限時(shí)間t∈[h，T]上完全跟蹤上參考軌跡。通過(guò)理論分析給出了算法的收斂條件，仿真實(shí)驗(yàn)也證明了算法的有效性。
　　(2)針對(duì)具有重復(fù)運(yùn)動(dòng)性質(zhì)分布式多智能體系統(tǒng)，在期望初始狀態(tài)未知的情況下，提出了一種同時(shí)對(duì)

4、各智能體的輸入和初始狀態(tài)誤差進(jìn)行迭代修正的分布式學(xué)習(xí)控制算法。收斂性分析表明，該算法使得每個(gè)多智能體初始狀態(tài)逐漸收斂于參考軌跡對(duì)應(yīng)的期望初始狀態(tài)，實(shí)現(xiàn)系統(tǒng)中每個(gè)智能體對(duì)期望軌跡在有限時(shí)間內(nèi)的完全跟蹤。放寬了之前多智能體文獻(xiàn)中每次迭代對(duì)初態(tài)嚴(yán)格一致的要求。理論分析證明了算法的收斂性，仿真實(shí)驗(yàn)也驗(yàn)證了算法的有效性。
　　(3)針對(duì)實(shí)驗(yàn)室的三個(gè)剛性機(jī)械臂協(xié)作實(shí)驗(yàn)平臺(tái)，通過(guò)分析選取每個(gè)機(jī)械臂兩個(gè)合適的自由度，建立了運(yùn)動(dòng)學(xué)模型。并在該運(yùn)動(dòng)學(xué)