具有反馈控制的多自主体系统迭代学习输出一致性

doi:10.11772/j.issn.1001-9081.2022070976

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (8): 2630-2635.DOI: 10.11772/j.issn.1001-9081.2022070976

所属专题：前沿与综合应用

具有反馈控制的多自主体系统迭代学习输出一致性

王嘉欣, 刘成林()

轻工过程先进控制教育部重点实验室（江南大学），江苏无锡 214122

收稿日期:2022-07-06 修回日期:2022-11-21 接受日期:2022-11-30 发布日期:2023-01-15 出版日期:2023-08-10
通讯作者: 刘成林
作者简介:王嘉欣（1996—），男，山西临汾人，硕士研究生，主要研究方向：多自主体系统迭代学习控制；
基金资助:
国家自然科学基金资助项目(61973139)

Iterative learning output consensus of multi-agent systems with feedback control

Jiaxin WANG, Chenglin LIU()

Key Laboratory of Advanced Process Control for Light Industry，Ministry of Education （Jiangnan University），Wuxi Jiangsu 214122，China

Received:2022-07-06 Revised:2022-11-21 Accepted:2022-11-30 Online:2023-01-15 Published:2023-08-10
Contact: Chenglin LIU
About author:WANG Jiaxin， born in 1996， M. S. candidate. His research interests include iterative learning control of multi-agent systems.
Supported by:
National Natural Science Foundation of China(61973139)

摘要/Abstract

摘要：

为改进多自主体系统的学习过程并提高系统对外部干扰的鲁棒性，提出一种具有反馈控制的迭代学习一致性控制算法。首先，自主体之间通过共享控制输入信息以改进其学习过程，并且当系统外部存在非迭代重复干扰时，通过设计反馈控制器以提高系统的鲁棒性；然后，使用压缩映射的方法对系统一致性进行分析，并严格推导出算法的收敛条件；最后，通过仿真实验验证了算法的正确性和有效性，改进后的算法与P型算法相比有更高的收敛速度，且在存在外部干扰时有更平滑的收敛曲线。

关键词: 迭代学习, 多自主体系统, 输出一致性, 反馈控制, 加权平均值

Abstract:

To improve the learning process of multi-agent system and the robustness of the system to external disturbances， an iterative learning consensus control algorithm with feedback control was proposed. Firstly， the learning process of agents was improved by sharing the control input information among agents， and the robustness of the system was improved by designing a feedback controller when there were non-iterative repetitive disturbances outside the system. Then， by using the contraction mapping method， the system consensus was analyzed， and the convergence condition of the algorithm was derived strictly. Finally， the correctness and effectiveness of the algorithm was verified through simulations. Compared with the P-type algorithm， the improved algorithm has higher convergence speed and smoother convergence curve in the presence of external disturbances.

Key words: iterative learning, multi-agent system, output consensus, feedback control, weighted average value

中图分类号:

TP273

王嘉欣, 刘成林. 具有反馈控制的多自主体系统迭代学习输出一致性[J]. 计算机应用, 2023, 43(8): 2630-2635.

Jiaxin WANG, Chenglin LIU. Iterative learning output consensus of multi-agent systems with feedback control[J]. Journal of Computer Applications, 2023, 43(8): 2630-2635.

图/表 11

图1 本文算法的控制框图

Fig. 1 Control block diagram of the proposed algorithm

图2 多自主体系统的通信拓扑有向图??ˉ

Fig. 2 Communication topological digraph ??ˉ of multi-agent system

图3 第8次迭代时的跟踪曲线（无干扰）

Fig. 3 Tracking curve at the 8th iteration without disturbance

图4 第200次迭代时的跟踪曲线（无干扰）

Fig. 4 Tracking curve at the 200th iteration without disturbance

图5 跟随者的跟踪误差（无干扰）

Fig. 5 Each follower’s tracking error without disturbance

图6 无反馈控制时跟随者的跟踪误差（无干扰）

Fig. 6 Each follower’s tracking error without feedback control and disturbance

图7 干扰信号yr

Fig. 7 Disturbance signal yr

图8 第200次迭代时的跟踪曲线图（有干扰）

Fig. 8 Tracking curve at the 200th iteration with disturbance

图9 跟随者自主体的跟踪误差（有干扰）

Fig. 9 Each follower’s tracking error with disturbance

图10 无反馈时跟随者的跟踪误差（有干扰）

Fig. 10 Each follower’s tracking error without feedback control and with disturbance

图11 P型算法下跟随者的跟踪误差（有干扰）

Fig. 11 Each follower’s tracking error under P-type algorithm with disturbance

参考文献 24

1	ZUO Z Y， HAN Q L， NING B D， et al. An overview of recent advances in fixed-time cooperative control of multiagent systems［J］. IEEE Transactions on Industrial Informatics， 2018， 14（6）： 2322-2334. 10.1109/tii.2018.2817248
2	YANG H， HAN Q L， GE X H， et al. Fault-tolerant cooperative control of multiagent systems： a survey of trends and methodologies［J］. IEEE Transactions on Industrial Informatics， 2020， 16（1）： 4-17. 10.1109/tii.2019.2945004
3	李玉玲，杨洪勇，刘凡，等. 具有外部干扰的二阶多自主体系统的协同运动［J］. 控制理论与应用， 2019， 36（7）：1113-1121. 10.7641/CTA.2018.80086
	LI Y L， YANG H Y， LIU F， et al. Cooperative motion of second order multi-agent systems with external disturbances［J］. Control Theory and Applications， 2019， 36（7）： 1113-1121. 10.7641/CTA.2018.80086
4	TANG Y， XING X， KARIMI H R， et al. Tracking control of networked multi-agent systems under new characterizations of impulses and its applications in robotic systems［J］. IEEE Transactions on Industrial Electronics， 2016， 63（2）： 1299-1307. 10.1109/tie.2015.2453412
5	李少斌，陈炎财，杨忠，等. 具有通信延迟的多无人机编队飞行控制［J］. 信息与控制， 2012， 41（2）：142-146.
	LI S B， CHEN Y C， YANG Z， et al. Formation fight control of multi-UAVs with communication delay［J］. Information and Control， 2012， 41（2）： 142-146.
6	LI Z N， YU H， ZHANG G H， et al. Network-wide traffic signal control optimization using a multi-agent deep reinforcement learning［J］. Transportation Research Part C： Emerging Technologies， 2021， 125： No.103059. 10.1016/j.trc.2021.103059
7	LIU C L， SHAN L， CHEN Y Y， et al. Average-consensus filter of first-order multi-agent systems with disturbances［J］. IEEE Transactions on Circuits and Systems II： Express Briefs， 2018， 65（11）： 1763-1767. 10.1109/tcsii.2017.2762723
8	LIU C L， SHEN L， ZHANG Y， et al. Hierarchical average-tracking algorithm for multiagent systems with unmatched constant references signals［J］. IEEE Transactions on Circuits and Systems II： Express Briefs， 2020， 67（11）： 2642-2646. 10.1109/tcsii.2019.2963691
9	张雨，刘成林. 具有通信时延的多自主体系统时变参考输入的平均一致性跟踪［J］. 信息与控制， 2021， 50（5）：616-622.
	ZHANG Y， LIU C L. Average consensus tracking of time-varying reference inputs for multi-agent systems with communication delay［J］. Information and Control， 2021， 50（5）： 616-622.
10	AHN H S， MOORE K L， CHEN Y Q. Trajectory-keeping in satellite formation flying via robust periodic learning control［J］. International Journal of Robust and Nonlinear Control， 2010， 20（14）： 1655-1666. 10.1002/rnc.1538
11	ARIMOTO S， KAWAMURA S， MIYAZAKI F. Bettering operation of robots by learning［J］. Journal of Robotic Systems， 1984， 1（2）： 123-140. 10.1002/rob.4620010203
12	BRISTOW D A， THARAYIL M， ALLEYNE A G. A survey of iterative learning control［J］. IEEE Control Systems Magazine， 2006， 26（3）： 96-114. 10.1109/mcs.2006.1636313
13	梁嘉琪，卜旭辉，刘建，等. 输出饱和多智能体系统的迭代学习趋同跟踪控制［J］. 控制理论与应用， 2018， 35（6）：786-794. 10.7641/CTA.2017.70659
	LIANG J Q， BU X H， LIU J， et al. Iterative learning consensus tracking control for a class of multi-agent systems with output saturation［J］. Control Theory and Applications， 2018， 35（6）： 786-794. 10.7641/CTA.2017.70659
14	BU X H， LIANG J Q， HOU Z S， et al. Data-driven terminal iterative learning consensus for nonlinear multiagent systems with output saturation［J］. IEEE Transactions on Neural Networks and Learning Systems， 2021， 32（5）： 1963-1973. 10.1109/tnnls.2020.2995600
15	YIN Y L， BU X H， ZHU P P， et al. Point-to-point consensus tracking control for unknown nonlinear multi-agent systems using data-driven iterative learning［J］. Neurocomputing， 2022， 488： 78-87. 10.1016/j.neucom.2022.02.074
16	DAI X S， WANG C， TIAN S P， et al. Consensus control via iterative learning for distributed parameter models multi-agent systems with time-delay［J］. Journal of the Franklin Institute， 2019， 356（10）： 5240-5259. 10.1016/j.jfranklin.2019.05.015
17	LUO D H， WANG J R， SHEN D， et al. Iterative learning control for fractional-order multi-agent systems［J］. Journal of the Franklin Institute， 2019， 356（12）： 6328-6351. 10.1016/j.jfranklin.2019.06.001
18	LI J S， LIU S Y， LI J M. Adaptive iterative learning protocol design for nonlinear multi-agent systems with unknown control direction［J］. Journal of the Franklin Institute， 2018， 355（10）： 4298-4314. 10.1016/j.jfranklin.2018.04.012
19	YANG S P， XU J X， LI X F. Iterative learning control with input sharing for multi-agent consensus tracking［J］. Systems and Control Letters， 2016， 94： 97-106. 10.1016/j.sysconle.2016.05.017
20	CHIN I， QIN S J， LEE K S， et al. A two-stage iterative learning control technique combined with real-time feedback for independent disturbance rejection［J］. Automatica， 2004， 40（11）： 1913-1922. 10.1016/j.automatica.2004.05.011
21	SEBASTIAN G， TAN Y， OETOMO D. Convergence analysis of feedback-based iterative learning control with input saturation［J］. Automatica， 2019， 101： 44-52. 10.1016/j.automatica.2018.11.045
22	YANG S P， XU J X， HUANG D Q， et al. Optimal iterative learning control design for multi-agent systems consensus tracking［J］. Systems and Control Letters， 2014， 69： 80-89. 10.1016/j.sysconle.2014.04.009
23	HOU Z S， XU J X， YAN J W. An iterative learning approach for density control of freeway traffic flow via ramp metering［J］. Transportation Research Part C： Emerging Technologies， 2008， 16（1）： 71-97. 10.1016/j.trc.2007.06.007
24	SONG Q， MENG D Y， LIU F. Consensus-based iterative learning of heterogeneous agents with application to distributed optimization［J］. Automatica， 2022， 137： No.110096. 10.1016/j.automatica.2021.110096

[1]	郑俊豪, 陶洪峰. 基于高阶内模的变参考轨迹鲁棒迭代学习控制[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2279-2284.
[2]	刘旭光, 杜昌平, 郑耀. 基于强化迭代学习的四旋翼无人机轨迹控制[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3950-3956.
[3]	张雨, 刘成林. 具有时变参考输入的多自主体系统的平均一致性跟踪[J]. 《计算机应用》唯一官方网站, 2022, 42(1): 191-197.
[4]	黄辰, 曹建农, 王时绘, 张龑. 基于协作反馈控制算法的车联网行车安全动态强化模型[J]. 计算机应用, 2020, 40(4): 1209-1214.
[5]	曹伟, 李艳东, 王妍玮. 正则系统在Lebesgue-p范数意义下的快速迭代学习控制[J]. 计算机应用, 2018, 38(9): 2455-2458.
[6]	宋洋, 黄志清, 张严心, 李梦佳. 基于压缩感知的无线传感器网络动态采样方法[J]. 计算机应用, 2017, 37(1): 183-187.
[7]	夏浩, 张丽杰. 随机噪声干扰下的迭代学习控制器设计[J]. 计算机应用, 2017, 37(1): 294-298.
[8]	李向军, 刘成林, 刘飞. 时延异构多自主体系统的群一致性分析[J]. 计算机应用, 2016, 36(5): 1439-1444.
[9]	邓腾, 戴紫彬, 张立朝, 吴雪涛. 基于反馈控制的嵌入式实时系统调度算法设计[J]. 计算机应用, 2015, 35(5): 1426-1429.
[10]	郝晓弘金亚蓉马宇李恒杰. 基于遗传算法的模糊迭代学习控制算法[J]. 计算机应用, 2013, 33(04): 960-963.
[11]	徐雪松欧阳峣. 钢铁炉温不确定时滞系统Smith免疫预测控制[J]. 计算机应用, 2012, 32(10): 2956-2959.
[12]	段晓燕. 基于CMAC网络的迭代学习初始控制策略[J]. 计算机应用, 2010, 30(8): 2049-2051.
[13]	郝晓弘段晓燕李恒杰. 基于BP神经网络的迭代学习初始控制策略研究[J]. 计算机应用, 2009, 29(4): 1025-1027.
[14]	蔡世界于强. 基于游程编码的连通区域标记算法优化及应用[J]. 计算机应用, 2008, 28(12): 3150-3153.

具有反馈控制的多自主体系统迭代学习输出一致性

Iterative learning output consensus of multi-agent systems with feedback control

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 24

相关文章 14

编辑推荐

Metrics