基于全状态约束多智能体系统的固定时间一致性控制方法

doi:10.11772/j.issn.1001-9081.2023121840

《计算机应用》唯一官方网站 ›› 0, Vol. ›› Issue (): 148-153.DOI: 10.11772/j.issn.1001-9081.2023121840

基于全状态约束多智能体系统的固定时间一致性控制方法

纪登科¹, 吴中华¹^,²()

^1.河南理工大学电气工程与自动化学院，河南焦作 454003
^2.河南省智能装备直驱技术与控制国际联合实验室（河南理工大学），河南焦作 454003

收稿日期:2024-01-10 修回日期:2024-04-28 接受日期:2024-05-06 发布日期:2025-01-24 出版日期:2024-12-31
通讯作者: 吴中华
作者简介:纪登科（1997—），男，山东青岛人，硕士研究生，主要研究方向：受限多智能体固定时间一致性
吴中华（1987—），男，河南焦作人，副教授，博士，主要研究方向：飞行控制、非线性系统控制、系统辨识。
基金资助:
国家自然科学基金资助项目(61903126);河南省科技攻关项目(232102220030);河南理工大学杰出青年基金资助项目(J2022?7)

Fixed-time consensus control method of multi-agent system based on full-state constraints

Dengke JI¹, Zhonghua WU¹^,²()

^1.School of Electrical Engineering and Automation，Henan Polytechnic University，Jiaozuo Henan 454003，China
^2.Henan International Joint Laboratory of Direct Drive and Control of Intelligent Equipment （Henan Polytechnic University），Jiaozuo Henan 454003，China

Received:2024-01-10 Revised:2024-04-28 Accepted:2024-05-06 Online:2025-01-24 Published:2024-12-31
Contact: Zhonghua WU

摘要/Abstract

摘要：

针对固定无向图拓扑下具有未知扰动的全状态受限多智能体系统（MAS），提出一种固定时间一致性控制方法。首先，设计一种新型全局通用障碍函数（UUBF），从而将受限MAS转化为无约束系统；其次，基于无约束系统，利用神经网络逼近系统中的未知非线性项，并构建固定时间状态观测器，通过观测误差补偿神经网络的更新率，增强神经网络的逼近能力；再次，设计新型固定时间扰动观测器，精确估计未知扰动和逼近误差构成的复合扰动；继次，根据观测值，使用反步法构建固定时间控制律，并设计固定时间微分器解决反步法设计中的“微分爆炸”问题；最后，利用固定时间一致性理论和李雅普诺夫稳定性定理推导得到MAS固定时间一致性稳定条件，通过仿真验证了所设计的控制方法的有效性。

关键词: 全状态约束, 固定时间一致性, 多智能体系统, 神经网络, 扰动观测器, 状态观测器

Abstract:

A fixed-time consensus control method was proposed for full-state constrained Multi-Agent System （MAS） with unknown perturbations in a fixed undirected graph topology. Firstly， a novel Unified Universal Barrier Function （UUBF） was designed to convert the constrained MAS into a unconstrained system. Secondly， based on the unconstrained system， a neural network was used to approximate the unknown nonlinear term in the system， and a fixed-time state observer was constructed to compensate the neural network update rate through the observation error and improve the approximation ability of the neural network. Thirdly， a new fixed-time disturbance observer was designed to accurately estimate composite perturbation consisting of the unknown perturbation and the approximation error. Fourthly， according to the observed values， a fixed-time control law was constructed using backstepping， and a fixed-time differentiator was designed to solve “differential explosion” problem in backstepping design. Finally， the fixed-time consensus stability condition of MAS was derived and obtained by using the fixed-time consensus theory and Lyapunov stability theorem， and the effectiveness of the designed control method was verified by simulation.

Key words: full-state constraint, fixed-time consensus, Multi-Agent System (MAS), neural network, disturbance observe, state observer

中图分类号:

TP273

纪登科, 吴中华. 基于全状态约束多智能体系统的固定时间一致性控制方法[J]. 计算机应用, 0, (): 148-153.

Dengke JI, Zhonghua WU. Fixed-time consensus control method of multi-agent system based on full-state constraints[J]. Journal of Computer Applications, 0, (): 148-153.

图/表 5

图1 通信拓扑

图2 位置跟踪效果图3 系统二阶状态图4 位置跟踪误差

图5 第一组扰动估计

图6 第二组扰动估计

图7 跟踪效果对比

参考文献 22

1	HE W， CHEN Y H， YIN Z. Adaptive neural network control of an uncertain robot with full-state constraints［J］. IEEE Transactions on Cybernetics， 2016， 46（ 3）： 620- 629.
2	LI D， LI D P. Adaptive tracking control for nonlinear time-varying delay systems with full state constraints and unknown control coefficients ［J］. Automatica， 2018， 93： 444- 453.
3	LIU Y J， LU S， TONG S， et al. Adaptive control-based barrier Lyapunov functions for a class of stochastic nonlinear systems with full state constraints ［J］. Automatica， 2018， 87： 83- 93.
4	LIU W， MA Q， ZHUANG G， et al. An improved adaptive neural dynamic surface control for pure-feedback systems with full state constraints and disturbance ［J］. Applied Mathematics and Computation， 2019， 358： 37- 50.
5	WANG K， LIU X， JING Y. Command filtered finite-time control for nonlinear systems with state constraints and its application to TCP network ［J］. Information Sciences， 2021， 550： 189- 206.
6	ZHANG H， LIU Y， WANG Y. Observer-based finite-time adaptive fuzzy control for nontriangular nonlinear systems with full-state constraints ［J］. IEEE Transactions on Cybernetics， 2021， 51（ 3）： 1110- 1120.
7	TEE K P， GE S S， TAY E H. Barrier Lyapunov functions for the control of output-constrained nonlinear systems ［J］. Automatica， 2009， 45（ 4）： 918- 927.
8	NIU B， ZHAO J. Barrier Lyapunov functions for the output tracking control of constrained nonlinear switched systems［J］. Systems and Control Letters， 2013， 62（ 10）： 963- 971.
9	ZHANG J， XIA J， SUN W， et al. Finite-time tracking control for stochastic nonlinear systems with full state constraints［J］. Applied Mathematics and Computation， 2018， 338： 207- 220.
10	LIU Y J， TONG S. Barrier Lyapunov Functions-based adaptive control for a class of nonlinear pure-feedback systems with full state constraints［J］. Automatica， 2016， 64： 70- 75.
11	LIU Y， ZHANG H， WANG Y， et al. Adaptive fuzzy control for nonstrict-feedback systems under asymmetric time-varying full state constraints without feasibility condition［J］. IEEE Transactions on Fuzzy Systems， 2021， 29（ 5）： 976- 985.
12	ZHAO K， SONG Y， ZHANG Z. Tracking control of MIMO nonlinear systems under full state constraints： a single-parameter adaptation approach free from feasibility conditions ［J］. Automatica， 2019， 107： 52- 60.
13	NIU B， WANG D， LIU M， et al. Adaptive neural output-feedback controller design of switched nonlower triangular nonlinear systems with time delays ［J］. IEEE Transactions on Neural Networks and Learning Systems， 2019， 31（ 10）： 4084- 4093.
14	NIU B， WANG D， LI H， et al. A novel neural-network-based adaptive control scheme for output-constrained stochastic switched nonlinear systems ［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2019， 49（ 2）： 418- 432.
15	XU B， SHI Z， YANG C， et al. Composite neural dynamic surface control of a class of uncertain nonlinear systems in strict-feedback form［J］. IEEE Transactions on Cybernetics， 2014， 44（ 12）： 2626- 2634.
16	HUANG C， ZHANG X， ZHANG G. Improved decentralized finite-time formation control of underactuated USVs via a novel disturbance observer ［J］. Ocean Engineering， 2019， 174： 117- 124.
17	余明裕，李仲昆，王泊桦. 基于固定时间扰动观测器的水面无人艇精确编队控制［J］. 控制与决策， 2023， 38（ 2）： 379- 387.
18	NING B， HAN Q L， ZUO Z. Distributed optimization for multiagent systems： an edge-based fixed-time consensus approach［J］. IEEE Transactions on Cybernetics， 2019， 49（ 1）： 122- 132.
19	JIN X. Adaptive fixed-time control for MIMO nonlinear systems with asymmetric output constraints using universal barrier functions［J］. IEEE Transactions on Automatic Control， 2019， 64（ 7）： 3046- 3053.
20	LIU Y J， LI J， TONG S， et al. Neural network control-based adaptive learning design for nonlinear systems with full-state constraints［J］. IEEE Transactions on Neural Networks and Learning Systems， 2016， 27（ 7）： 1562- 1571.
21	GOLESTANI M， ZHANG W， YANG Y， et al. Disturbance observer-based constrained attitude control for flexible spacecraft ［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（ 2）： 963- 972.
22	ZHANG W， LIAO M， JU H， et al. Intelligent fixed-time consensus for uncertain nonlinear multi-agent systems ［C］// Proceedings of the 2023 China Automation Congress. Piscataway： IEEE， 2023： 5289- 5293.

[1]	李亚男, 郭梦阳, 邓国军, 陈允峰, 任建吉, 原永亮. 基于多模态融合特征的并分支发动机寿命预测方法[J]. 《计算机应用》唯一官方网站, 2026, 46(1): 305-313.
[2]	何凡, 李理, 苑中旭, 杨秀, 韩东轩. 融合图注意力的概念关联记忆网络知识追踪模型[J]. 《计算机应用》唯一官方网站, 2026, 46(1): 43-51.
[3]	李玟, 李开荣, 杨凯. 基于数据增强的子图感知对比学习[J]. 《计算机应用》唯一官方网站, 2026, 46(1): 1-9.
[4]	杨兴耀, 齐正, 于炯, 张祖莲, 马帅, 沈洪涛. 时间感知和空间增强的双通道图神经网络会话推荐模型[J]. 《计算机应用》唯一官方网站, 2026, 46(1): 104-112.
[5]	刘超, 余岩化. 融合降噪策略与多视图对比学习的知识感知推荐模型[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2827-2837.
[6]	石超, 周昱昕, 扶倩, 唐万宇, 何凌, 李元媛. 基于骨架和3D热图的注意缺陷多动障碍患者动作识别算法[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 3036-3044.
[7]	张宏俊, 潘高军, 叶昊, 陆玉彬, 缪宜恒. 结合深度学习和张量分解的多源异构数据分析方法[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2838-2847.
[8]	梁永濠, 李金龙. 用于神经布尔可满足性问题求解器的新型消息传递网络[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2934-2940.
[9]	卢燕群, 赵奕奕. 基于层次图神经网络和差异化特征学习的客户流失预测模型[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 3057-3066.
[10]	吕景刚, 彭绍睿, 高硕, 周金. 复频域注意力和多尺度频域增强驱动的语音增强网络[J]. 《计算机应用》唯一官方网站, 2025, 45(9): 2957-2965.
[11]	王义, 马应龙. 基于项图动态适应性生成的多任务社交项推荐方法[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2592-2599.
[12]	彭鹏, 蔡子婷, 刘雯玲, 陈才华, 曾维, 黄宝来. 基于CNN和双向GRU混合孪生网络的语音情感识别方法[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2515-2521.
[13]	赵彪, 秦玉华, 田荣坤, 胡月航, 陈芳锐. 依赖类型及距离增强的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2507-2514.
[14]	林进浩, 罗川, 李天瑞, 陈红梅. 基于跨尺度注意力网络的胸部疾病分类方法[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2712-2719.
[15]	蒋权, 黄文清, 苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 2025, 45(8): 2666-2671.

基于全状态约束多智能体系统的固定时间一致性控制方法

Fixed-time consensus control method of multi-agent system based on full-state constraints

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 22

相关文章 15

编辑推荐

Metrics