关键词： 多智能体系统   切换拓扑   自适应控制   非线性系统   完全分布式一致性  

摘要： 一致性作为多智能体系统协同控制的基础问题,仍存在许多问题尚未解决。由于智能体本身的通信限制或外部环境约束,系统在运行过程中通信连接会发生改变。拓扑的切换会导致原有一致性协议失效,因此需要设计可应用于切换拓扑下多智能体系统的一致性协议。同时,对切换信号的约束也会限制协议的适用范围,因此协议应当能够用于任意切换拓扑情况。切换拓扑还会使得智能体无法确定当前运行的拓扑,并选取对应的控制器增益。因此还需使得所设计的协议是不依赖于全局拓扑信息的完全分布式形式。本文就多智能体系统在切换拓扑下的完全分布式一致性问题进行以下几个方面的研究: (1)针对任意切换拓扑下的一类高阶多智能体系统,存匹配的非线性项和未知外部扰动的情况下,通过构造新颖辅助变量和选取合适的公共Lyapunov函数,导出完全分布式一致性协议。协议的实施不依赖于全局信息,且移除了对拓扑的切换信号的驻留时间约束,保证了系统的领导跟随渐近一致。 (2)针对任意切换拓扑下的二阶和高阶多智能体系统,在存在外部扰动的情况下,设计完全分布式一致性协议。在虚拟轨线设计框架下采用有限时间积分技术和有限时间super-twisting滑模技术,将复杂多智能体的一致性问题解耦为积分器多智能体的一致性问题和有限时间扰动抑制问题。同时改进虚拟轨线设计方法,放宽了对通信的要求。所提出的协议保证了系统的无领导者渐近一致,且控制律抑制了抖振现象。 (3)针对任意切换拓扑下的严格反馈非线性多智能体系统,设计完全分布式一致性协议。利用自适应反步技术设计虚拟控制律处理系统复杂的非线性。引入新颖辅助变量导出实际控制输入。通过巧妙构造公共Lyapunov函数对系统一致性进行分析,给出实现一致性的充分条件,证明了任意切换下系统能够实现领导跟随渐近一致。

关键词： 联合循环机组   扰动抑制   NARX神经网络建模   相角超前误差自抗扰控制   多班制学生思想优化算法  

摘要： 随着我国“十四五”规划对能源结构的调整,以天然气作为主要燃料的联合循环机组得到了更加广泛的应用,与以煤炭为主要燃料的发电机组相比,联合循环机组具有启动快速、灵活性强、清洁环保等显著优势。联合循环机组运行过程容易受到扰动影响,为确保联合循环机组安全稳定运行,需解决联合循环机组易受扰动影响的问题,为此使用智能控制的方法针对联合循环机组的典型控制回路开展抗扰问题研究。首先为适应联合循环机组智能控制关键技术的需要,针对联合循环机组典型控制回路展开分析,并设计智能控制关键技术框架,之后结合历史数据,建立有源非线性自回归神经网络模型,结果证明该模型可以有效的拟合联合循环机组典型控制回路的时延特性。其次,探究扰动对联合循环机组的影响,开展基于模型的扰动情况分析,得到燃气轮机典型控制回路输入扰动下输出的分布形式,为抗扰问题的解决提供了理论依据。在此基础上展开联合循环机组典型控制回路控制策略设计,为获得良好的控制能力与抗扰效果,设计了相位超前误差自抗扰控制器,该控制器在误差自抗扰控制器的基础上,通过引入相角超前环节,提高了扩张状态观测器的扰动观测能力,从而提高了整个控制器的控制能力和抗扰效果,通过对不同控制器观测扰动的过程进行频域分析,比较不同控制器受参数影响的伯德图,验证了新控制器在观测扰动方面的优势。将新控制器在联合循环机组典型控制回路上进行测试,验证了新控制器可以在模型扰动情况下,仍然保持良好的性能。最后,设计了一种多班制学生思想优化算法,用于对控制器参数进行整定,降低整定难度,进一步提高控制效果。基于“火箭班—普通班”拓扑结构,将学生思想优化算法与社交网络搜索算法进行融合,通过班级数这一可变参数平衡局部搜索能力和全局收敛能力,并融合了正余弦算法与混沌映射初始化方法提高算法的性能。基准函数测试表明多班制学生思想优化算法同时具有全局和局部性能优势。将多班制学生思想优化算法用于整定相位超前误差自抗扰控制器,形成智能控制策略并应用于联合循环机组的控制过程中,仿真结果表明,本研究设计的智能控制策略在设定值跟踪和抗扰方面都具有良好的效果。

关键词： 网络化控制系统   介质访问约束   H_∞鲁棒控制   数据丢包   异步控制  

摘要： 随着工程领域日益增长的自动化与智能化需求,传统的点对点控制方法已经无法满足现代化工业控制需要,在此背景下网络化控制系统（Networked control Systems,NCS）应运而生。由于NCS具有成本低、安装简单、可靠性高且易于后期维护等优点,因此已广泛应用于电力系统、智能交通、远程医疗和数据采集等领域。此外,网络化的控制方式可有效应对一些特殊环境所带来的人工作业不便的情况,这是传统控制方法所不能实现的,也为工业化控制系统的安全生产奠定了基础。然而,通信网络带来很多便利的同时,也引起了诸多问题,如网络带宽有限、信道分时复用等,这给网络化系统的信息交互与实时控制带来了很大的困扰。因此,如何对有限的网络通信信道进行合理地调度,同时兼顾网络的服务质量和系统的控制品质,已成为NCS应用中的一个重要问题。为了解决这些问题,本文针对具有访问约束的网络化系统控制策略进行了深入研究,主要工作如下:首先,针对同时存在访问约束和数据丢包的NCS,研究了系统H鲁棒控制策略的设计问题。采用伯努利随机过程来描述系统的丢包过程,并根据介质访问约束的随机访问机制建立了离散时间马尔可夫跳变系统模型;考虑到大多数被控对象的系统状态信息是无法直接获取的,提出了基于观测器的H鲁棒控制策略;在此基础上借助李雅普诺夫稳定性理论和线性矩阵不等式技术导出闭环系统随机稳定的充分条件,实现了H鲁棒控制策略的设计,从而保证了系统具有良好的控制性能。其次,针对存在访问约束的非线性NCS系统,研究了系统的H状态估计问题。考虑到大部分NCS系统中存在的非线性特性,引入满足全局Lipschitz条件的非线性变量进行描述,将系统建立成具有非线性特征的误差等价系统,进而借助李雅普诺夫稳定理论和线性矩阵不等式技术给出了误差等价系统稳定的充分条件,在此基础上实现了H状态估计算法的设计,并对系统状态进行了有效估计。再次,针对具有访问约束和数据丢包的离散时延的网络化系统,研究了其中的动态输出反馈异步控制问题。通过引入一种联合马尔科夫链,将系统建模为服从马尔可夫跳变特性的随机系统,并设计出一种基于动态输出反馈的异步控制策略;在此基础上利用时滞系统的处理方法构造Lyapunov-Krasovskii泛函,导出闭环系统随机稳定且满足H性能的充分条件;同时,利用奇异值分解技术给出了一种更通用的矩阵解耦方法,求解出动态输出反馈控制器的增益矩阵,实现了系统的镇定控制。最后,对本文研究工作进行了总结,并在已有研究成果的基础上,对未来的研究工作进行了展望。

关键词： 高速飞行器   姿态跟踪控制   弹性振动   自适应动态规划   鲁棒控制   事件触发控制  

摘要： 姿态跟踪控制是高速飞行器研究的重要内容之一。高速飞行器因其具有快时变、强非线性和气动特性变化剧烈等特点,使得姿态控制器的设计非常具有挑战性。同时,在高速飞行过程中,大气对飞行器施加的巨大压力导致机体表面产生弹性形变,进一步增加了姿态控制器的设计难度。为了应对这些挑战,本论文采用能够在线调整控制器参数的自适应动态规划(Adaptive Dynamic Programming,ADP)方法,开展高速飞行器的姿态跟踪控制和弹性抑制的研究。为了全面地了解本论文的研究对象,论文首先建立受弹性振动影响下高速飞行器的六自由度动力学模型。然后,通过分析再入段高速飞行器的运动特性,将六自由度模型简化为纵向运动的弹性体非线性模型。最后,把纵向非线性模型转化为仿射非线性模型,进而将仿射非线性模型应用于控制系统的设计。针对具有非线性特性的刚体高速飞行器,本论文结合最优控制和强化学习思想,提出一种基于辨识-评价-动作(Identifier-Actor-Critic,IAC)框架的ADP控制方法。由于目前已有的基于ADP方法设计的飞行控制系统通常忽略了姿态控制的执行器受限问题,本论文采用一个非二次型的性能指标函数来设计带执行器约束的ADP控制器。此外,在实际飞行中,刚体模型不可避免地会受到弹性振动和其他不确定性因素的影响。为此,本论文提出一种基于IAC框架的鲁棒自适应动态规划(Robust Adaptive Dynamic Programming,RADP)控制方法,结合扰动观测器自适应地调整控制器参数以抑制弹性振动。最后,根据李雅普诺夫稳定性分析,证明了含有神经网络的RADP控制方法的稳定性。RADP控制方法通过评价-动作网络不断地迭代来获得近似的最优控制律,然而,采用时间触发机制的RADP方法会使神经网络在每个控制周期内都进行成百上千次的迭代,这样会显著地增加计算资源的负担。为了解决此问题,本论文采用事件触发机制代替时间触发机制,提出一种基于事件触发机制的RADP控制方法,并且通过李雅普诺夫稳定性分析推导出事件触发条件。最后,通过与时间触发方法的对比仿真表明,该方法在保持几乎相同控制性能的情况下,能够大幅度地降低控制律更新次数,进而节省计算资源。

关键词： 信号交叉口   深度强化学习   智能信号控制   优势演员评判家算法  

摘要： 城市交通拥堵问题给城市交通带来了很大挑战,严重阻碍了社会经济的可持续健康发展。交叉口作为道路的瓶颈,对其进行信号控制优化来缓解路网交通压力极为重要。面对非线性、复杂性和动态性的交通系统,传统的信号控制在适应交通流动态变化和实现反馈控制上存在瓶颈。随着人工智能技术的发展,够动态适应交通变化,自动挖掘交通信息的深度强化学习方法成为交叉口信号控制研究的热点。本文针对交通控制现有研究方法的不足,分别以单交叉口和多交叉口为研究对象,提出基于深度强化学习的交叉口智能信号控制方法,以提高交叉口运行效率。 以单交叉口为研究对象,基于优势演员评判家(A2C,Adavantage Actor Critic)构建单交叉口信号控制模型,更多地从交通角度设计智能体的状态、动作和奖励。针对状态,通过分析交叉口运行特征,以车道为单元构建以车辆的累计延误和驶入车辆数为参数的状态空间;针对动作,通过交叉口相容流线分析,制定可行的相位方案,制定符合交通驾驶习惯和现实情况的动作空间;针对奖励,选取排队长度和车辆等待时间作为参数,结合交叉口运行特征,构建奖励函数,如以交叉口主路优先为原则使用两个参数的加权和作为奖励函数。除此之外,针对传统深度强化学习存在高方差的问题和收敛速度慢的问题,改进了一般A2C的模型结构和单步更新方式。 针对多交叉口交通信号控制不能有效协调的问题,基于独立通信学习,结合图神经网络(GCN,Graph Convolutional Network)和A2C提出了多智能体深度强化学习算法——MA2C＿GCN算法。以多交叉口为研究对象,通过分析智能体间的感知交互和信息共享机制,设计联合状态空间、联合动作空间和联合奖励函数。在联合状态空间设计时,将交通路网进行拓扑建模,利用图神经网络聚合每个智能体及邻域的状态信息,同时将邻域的策略信息作为神经网络的输入;在奖励函数设计时引入空间折扣因子,联合本地和邻域奖励信息优化信号控制模型。最后模型通过多智能体马尔可夫博弈达到纳什均衡,实现多交叉口交通信号协调控制。 在SUMO微观仿真软件中建立符合实际情况的单交叉口和多交叉口仿真训练场景,对模型进行评价和验证。在不同的交通需求条件下,将针对单交叉口提出的A2C模型与基线模型进行对比测试分析,将针对多交叉口提出的MA2C＿GCN算法与IA2C和MA2C算法进行对比测试分析,结果证明,提出的两类智能信号控制方法算法可以减少交叉口的车辆平均排队长度和平均等待时间,提高交叉口运行效率。

关键词： 时滞系统   控制参数化   时域转换   切换时间优化   自适应控制  

摘要： 时滞最优控制问题是控制理论中的一个重要分支,它所考虑的动态系统不仅与当前的状态或者控制相关,并且和过去的状态或者控制相关.航空航天、自动控制、工业过程控制等领域中的许多决策问题都可以归结为时滞最优控制问题.近年来,随着研究的不断深入,所考虑的问题也不断趋于复杂,以控制参数化方法为代表的数值方法由于容易理解且求解范围广、效率高,从而逐渐受到研究人员的重视.其主要思想是将控制函数离散化,使得无穷维的最优控制问题转化为有穷维优化问题,而后使用非线性规划算法求解离散后的约束优化问题以得到最优控制.目前,控制参数化方法已经被用于求解各种不同类型的最优控制问题如混合整数规划、脉冲系统和奇异最优控制等.对于时滞最优控制问题,在控制参数化框架下通过使用时域转换技术可以实现控制切换时间的优化,但这一技术要求控制函数向量的每一个分量的切换次数与切换时间保持一致,因此难以满足实际应用的要求.为此,本文致力于在控制参数化的框架下来设计一种能够独立优化每个控制分量的新技术来求解时滞最优控制问题.首先,我们将针对一般的最优控制问题来提出我们的控制自适应方法,通过成功求解一般最优控制问题以验证我们方法的可行性.之后我们致力于将这一方法推广运用到时滞最优控制问题,最终填补以往在控制参数化框架下自适应求解时滞最优控制问题的空白.本论文的主要贡献在于提出了一种可以实现控制分量完全自适应优化的新技术,并应用该技术成功地解决了时滞最优控制问题,突破了传统的时域转换技术在求解该问题时所存在的技术限制.该技术能为控制策略的选择提供更多的灵活性,并为现实应用提供更高的系统效率和性能.

关键词： 机械臂   自适应控制   输入输出约束   固定时间稳定   预设时间稳定  

摘要： 随着新一代信息技术、生物技术和新材料技术等与机器人技术深度融合,使机器人产业进入快速发展的新时期。机器人系统存在非线性和不确定性,给控制器设计带来了困难。考虑控制器件影响形成的输入约束、运行时需要满足的瞬态和稳态性能要求或限制条件、以及系统安全运行形成的输出约束等,进一步增加了控制器的设计难度。在某些应用场景,需要考虑系统的收敛时间以满足响应时间要求、提高工作效率、实现快速拦截目标等,如航天器要求在预设时间内稳定到目标姿态、码垛机器人要求在预设时间内完成码垛工作、拦截弹要求在预设时间内击中机动目标等,因此设计控制器时需考虑系统收敛时间这一性能指标。本文以受约束的不确定机械臂为研究对象,以反步法、滑模控制和神经网络为核心,结合预设性能控制、非线性映射、漏斗控制、时间尺度变换、固定时间稳定性理论和预设时间稳定性理论等,对考虑收敛时间的受约束不确定机械臂自适应控制方法进行研究。全文主要研究内容如下:1.针对具有输入输出约束的不确定机械臂系统,提出了固定时间自适应神经网络控制方案。首先,针对受输入饱和及预设瞬态和稳态性能指标的不确定机械臂系统,利用预设性能控制使系统运行满足预设性能指标要求,设计固定时间辅助动态系统处理输入饱和约束,结合RBF神经网络及滑模控制,设计了固定时间自适应神经网络轨迹跟踪控制算法。然后,在此基础上,针对受输入和非对称时变输出约束的不确定机械臂系统,利用非线性映射处理非对称时变输出约束,使用RBF神经网络估计系统的不确定性,结合固定时间辅助动态系统及反步法,设计了固定时间自适应神经网络轨迹跟踪控制算法。通过李雅普诺夫稳定性分析,证明了设计的轨迹跟踪控制算法在满足输入输出约束情况下可以使跟踪误差在固定时间收敛到零的邻域内。最后,通过对比仿真验证了所提控制算法的有效性。2.针对具有输入约束的不确定机械臂系统,提出了预设时间自适应神经网络控制方案。首先,针对受输入死区约束的不确定机械臂系统,将死区模型简化成线性部分与扰动部分的叠加形式,使用RBF神经网络逼近系统的集总不确定项,结合反步法和时间尺度变换,设计了预设时间自适应神经网络轨迹跟踪控制算法。然后,在此基础上,针对受输入饱和约束的不确定机械臂系统,设计辅助动态系统处理输入饱和约束,结合RBF神经网络、滑模控制和时间尺度变换,设计了预设时间自适应神经网络轨迹跟踪控制算法。利用李雅普诺夫稳定性理论,证明了设计的轨迹跟踪控制算法在满足输入约束情况下可以使跟踪误差预设时间收敛。最后,通过仿真研究进一步验证了所提控制算法的有效性。3.针对具有约束和外部扰动的不确定机械臂系统,提出了预设时间鲁棒自适应控制方案。首先,针对受外部扰动并需满足期望瞬态和稳态性能指标的不确定机械臂系统,利用漏斗控制使系统运行满足期望性能指标,结合RBF神经网络和反步法,设计了预设时间自适应神经网络轨迹跟踪鲁棒控制算法。然后,在此基础上,针对受输入饱和约束和外部扰动的不确定机械臂系统,构造预设时间扰动观测器估计系统的集总不确定性,设计预设时间辅助动态系统处理输入饱和约束,结合反步法,设计了基于预设时间扰动观测器的轨迹跟踪鲁棒自适应控制算法。通过李雅普诺夫稳定性分析,证明了设计的轨迹跟踪鲁棒自适应控制算法可以保证在满足约束的情况下系统输出在预设时间内跟踪期望轨迹。最后,仿真结果表明所设计的控制算法能达到期望的控制效果。4.针对具有输入约束并考虑与外部环境接触的不确定机械臂系统,提出了固定时间和预设时间自适应神经网络力/位混合控制方案。首先,通过设计固定时间辅助动态系统处理输入饱和约束,结合RBF神经网络和滑模控制,设计了固定时间自适应神经网络力/位混合跟踪控制算法。然后,在此基础上,提出新的预设时间李雅普诺夫稳定性判定定理,设计预设时间辅助动态系统处理输入饱和约束,结合RBF神经网络和反步法,设计了预设时间自适应神经网络力/位混合跟踪控制算法。利用李雅普诺夫稳定性理论,证明了所设计的力/位混合控制算法不但可以保证在满足输入约束情况下力跟踪误差的有界性,而且实现了位置跟踪误差固定时间或预设时间收敛到零的邻域内。最后,仿真结果验证了所提控制算法的有效性。

关键词： 多欧拉-拉格朗日系统   通信链路故障   鲁棒一致性   参数不确定   自适应控制   滑模控制   事件触发控制  

摘要： 多智能体系统一致性问题作为分布式协同控制中最基础且最重要的问题之一,受到了不同领域学者的广泛关注,其相关理论成果被广泛应用于工业实践。然而,由于实际工程应用中的系统动力学复杂,与一般线性模型相比,欧拉-拉格朗日系统模型能够更加科学地刻画其动力学过程,将由欧拉-拉格朗日方程描述的动力学引入多智能体系统的协同控制研究中具有非常重要的意义,所以研究多欧拉-拉格朗日系统一致性控制不仅具有理论价值,对工程应用也有重大意义。目前,对多欧拉-拉格朗日系统一致性控制的研究还不够完善。因此,本文基于图论和协同控制理论,以自适应鲁棒控制为核心工具,结合滑模控制、事件触发控制和基于观测器控制等方法,分别研究了在系统参数不确定、系统输入受干扰、通信链路有故障、目标不完全能观、系统通信非连续等情况下多欧拉-拉格朗日系统的鲁棒一致性。具体工作如下:研究了具有通信链路故障问题的参数不确定的多欧拉-拉格朗日系统的领导者-跟随者鲁棒一致性。针对通信链路故障问题,本文通过引入自适应控制策略,设计了对通信链路故障具有弹性的自适应观测器,跟随者可以通过观测器分别准确地估计领导者的系统矩阵、输出矩阵以及状态信息。然后,考虑跟随者系统参数不确定以及具有输入扰动的情况,基于滑模控制思想,本文构造了基于弹性观测器型鲁棒一致性控制器,并证明了系统能够达到领导者-跟随者一致性。研究了在具有通信链路故障问题且目标系统不完全能观情况下基于分布式观测器的参数不确定的多欧拉-拉格朗日系统的领导者-跟随者鲁棒一致性。基于自适应控制策略和可检测性分解方法,本文设计了自适应分布式观测器,其中可检测部分的状态利用自身观测到的信息进行更新,而不可检测部分通过邻居发送的信息来更新,实现对跟踪目标全维状态的准确估计。接着,基于滑模控制策略,构造了基于分布式观测器型鲁棒一致性控制器,并证明了系统能够达到领导者-跟随者一致性。研究了在目标系统不完全能观情况下基于分布式降阶观测器的参数不确定的多欧拉-拉格朗日系统的领导者-跟随者鲁棒一致性。本文基于自适应控制策略、分布式观测器设计思想和龙伯格观测器理论,分别在具有通信链路故障问题的有向固定拓扑和联合连通的无向切换拓扑下,设计了自适应耦合增益和固定耦合增益的分布式降阶观测器。接着,基于上述两种分布式降阶观测器,采用滑模控制策略,分别构造了鲁棒一致性控制器,并证明了两种控制器均能使系统达到领导者-跟随者一致性。研究了领导者具有不确定性的多欧拉-拉格朗日系统的领导者-跟随者鲁棒一致性。在具有通信链路故障的无向固定网络拓扑下,针对领导者系统具有不确定性的情况,即所有跟随者系统均无法获取领导者系统动力学参数,通过利用自适应控制策略,本文分别设计了基于顶点和连边自适应耦合增益的观测器。接着,针对跟随者系统参数不确定和输入扰动的情况,基于滑模控制思想,分别构造了基于顶点和连边的自适应观测器型鲁棒一致性控制器,并证明了系统均能达到领导者-跟随者一致性。研究了基于事件触发的参数不确定的多欧拉-拉格朗日系统的鲁棒一致性。本文通过引入自适应控制和事件触发控制策略,分别设计了基于事件触发的自适应鲁棒一致性控制算法解决了多欧拉-拉格朗日系统的无领导者一致性和领导者-跟随者一致性问题,并为每一个系统设计了仅与其自身状态相关的触发函数,系统仅在给定的事件触发条件被满足的情况下才会进行信息传输。对于这两种控制算法,通过分别构造合适的李雅普诺夫函数,证明了系统能够达到无领导者一致性和领导者-跟随者一致性,并且在整个控制过程中不会出现芝诺(Zeno)现象。

关键词： 时滞神经网络   Lyapunov稳定性   自反馈控制   自适应控制   滑模控制   滞后投影同步  

摘要： 本文所讨论的是在不同控制策略下,分数阶时滞神经网络的同步问题.文章综合运用Lyapunov稳定性理论、四元数不等式、延伸的Cauchy-Schwarz不等式、分数阶Razumikhin理论以及滑模控制理论等,探究了在三种不同控制策略下,分数阶时滞神经网络的同步问题,分别是:基于自反馈控制技术的四元数时滞神经网络的有限时间同步,基于自适应控制策略的四元数时滞神经网络的固定时间同步以及基于滑模控制技术的耦合时滞神经网络的Mittag-Leffler滞后投影同步.第一部分采用反证法及两步放缩法探究了一般性微分动力系统 D＝x(t)(28)f(t,x(t))的固定时间稳定性定理,并预估出系统的最大沉降时间.第二部分讨论一类分数阶四元数时滞神经网络系统的有限时间同步问题.基于自反馈控制技术设计了一种新型的自反馈控制器,利用四元数直接法、延伸的Cauchy-Schwarz不等式以及四元数不等式等理论,建立了驱动和响应系统有限时间同步的理论判据,并通过数值算例说明所提理论的合理性.第三部分继续讨论该系统的固定时间同步问题.基于自适应控制策略设计了一种带自适应参数的控制器,根据四元数理论、分数阶的Razumikhin理论以及零解稳定性理论等推导出系统固定时间同步的代数不等式.最后,利用Matlab工具验证了理论的正确性.最后一部分选取一种带耦合时滞项的变分数阶Cohen-Grossberg神经网络.基于所定义的滞后投影误差,采用滑模控制技术设计一种新型的滑模控制器,根据Lyapunov稳定性理论、滑模控制理论以及一些不等式技术等推导出系统Mittag-Leffler滞后投影同步的一些不等式条件.最终,在Matlab工具箱下模拟了同步过程,发现与所提理论一致.