非线性异构多智能体系统一致性采样控制及动态边的研究

Synchronization of nonlinear heterogeneous multi-agent systems is one of the most important problems in control science and engineering, and output regulation is an effective approach to this problem. In the existing literature, the researches of two problems are little due to the theoretical analysis is very difficult: sampled-data synchronization of nonlinear heterogeneous multi-agent systems, and synchronization of nonlinear heterogeneous multi-agent systems with dynamic edges. In additon, sampled-data control is the problem that has to be faced in engineering, while dynamic edges many exist in real networks. Thus, the proposed problems are of great importance in theory and practical applications.This project will use output regulation approach, mainly solve the sampled-data synchronization and synchronization with dynamic edges, respectively, for nonlinear heterogeneous multi-agent systems. Specifically, it includes the frameworks establishment for general nonlinear heterogeneous multi-agent systems with sampled-data control and dynamic edges, respectively, and relative controllers design for the specific lower-triangular systems. The project group has good track record in research, and it is hopefully to achieve novelty results.

非线性异构多智能体系统的一致性问题，是控制领域中的热点问题之一，而输出调节是研究相关问题一个有效的方法。在现有的相关研究中，有两类问题由于理论分析难度大而导致研究成果非常少：一是非线性异构多智能体系统的一致性采样控制，二是动态边非线性异构多智能体系统的一致性控制。另一方面，采样控制是实际工程中必须面对的问题，动态边则是实际应用中普遍存在的网络结构。因此，这两类问题的研究既有重要的科学意义，也有广泛的应用前景。本项目将以输出调节为理论基础，针对非线性异构多智能体系统，重点解决一致性采样控制问题和动态边的一致性控制问题。研究内容包括：针对采样控制及动态边这两类问题，分别构建具有一般形式的非线性异构多智能体系统一致性理论框架；在各自理论框架基础上，针对下三角系统进行控制器设计。项目课题组已有丰富的相关研究积累，有望取得创新性的研究成果。

本项目重点研究了两大问题：非线性异构多智能体系统一致性采样控制，以及基于动态边的非线性多智能体系统视觉覆盖协作问题。我们取得的主要成果如下：1）针对一般形式的非线性异构多智能体系统，构建了一致性采样控制理论框架。首先，对每个智能体设计同构的参考模型，给出了参考模型同步的采样控制器设计方法；其次，建立了基于采样控制的非线性异构多智能体系统的“跟踪”模型，使得智能体输出能够跟踪各自的参考模型的输出；最后，给出了闭环系统稳定的小增益条件。2）对于下三角非线性异构多智能体系统，基于上述理论框架，给出了系统一致的分布式采样控制器的设计方法。首先，给出了一阶非线性异构多智能体系统一致的采样控制器设计方法；其次，将一阶系统的控制器设计方法推广到高阶下三角系统，并得到了相应的一致性采样控制算法。3）针对携带相机的非线性多智能体系统，建立了网络系统视觉覆盖协作的理论框架。构建了一种描述智能体之间视场重合关系的动态“拉普拉斯矩阵”，通过分析该动态矩阵，提出了一种新的解决网络系统视觉覆盖协作问题的优化方法。4）针对欠驱非线性多智能体系统，给出了两种不同的解决视觉覆盖协作问题的控制算法设计方法。第一种方法从网络层面出发，重点考虑多相机对环境中单个点的视觉覆盖性能，基于数据融合思想得到环境中每个点的综合覆盖强度值；第二种方法的设计目标是快速迭代，核心是通过对每个智能体设置非均匀迭代步长来提高系统的整体收敛速度。另外，我们新增了两个研究内容：5）多输入多输出线性异构多智能体系统的一致性，以及6）多相机网络三维视觉覆盖优化。我们在本项目的支持下，发表SCI论文1篇，EI论文5篇。