在切换拓扑下，针对一类模糊多智能体系统，故障检测与双边时变编队控制的协同设计

《IEEE Transactions on Systems, Man, and Cybernetics: Systems》：Co-Design of Fault Detection and Bipartite Time-Varying Formation Control for a Class of Fuzzy Multiagent Systems Under Switching Topology

非线性多智能体系统在带符号有向图上的故障检测与时间变形成形控制协同设计，采用区间二型T-S模糊模型刻画系统非线性与参数不确定性，马尔可夫过程描述环境变化，建立与双连通时间变形成形协议的等价性，推导基于模式相关Lyapunov函数的随机稳定性条件，证明误差指数收敛并符合耗散指数，最后通过两连杆机械臂系统仿真验证方法有效性。

　　

摘要：

本文重点研究在带符号切换有向图上，针对非线性多智能体系统（MAS）的故障检测（FD）与时变编队控制的协同设计。区间类型2（IT2）Takagi–Sugeno（T–S）模糊模型被用来表示非线性和参数不确定性，而马尔可夫过程用于描述可能的环境变化。为了进一步处理带符号切换有向图上的协同设计问题，首先建立了具有时变编队控制的故障检测与具有二分时变编队协议的故障检测之间的等价性。然后，基于模态依赖的李雅普诺夫函数推导出随机稳定性的充分条件。可以证明，编队误差是均匀最终有界的，并且故障检测性能符合耗散指数。最后，通过对两连杆机器人臂系统的仿真来验证所提出方法的有效性和可行性。

引言

为了满足现代工业系统的灵活性和地理限制要求，多智能体系统（MAS）方法受到了广泛关注。MAS的主要关注点是解决共识问题，这在理论和工业方面都取得了丰硕成果[1]、[2]。Yang等人[2]研究了多无人机系统的共识问题，这些无人机可用于完成电力检测任务。Liu等人[3]基于事件触发方案实现了非线性MAS的分布式优化，以节省通信资源。然而，在目标跟踪、海底探索和外星探索中的智能体[4]并不需要达到特定的相同值，而是需要形成独特的几何形状来完成复杂任务，这使得传统的共识达成方法不再适用。基于此，编队控制问题（FCP）逐渐被应用于实际场景，如自动驾驶车辆[5]和卫星[6]。作为更通用的共识协议，已经为时不变[7]和时变[8] FCP提出了许多控制策略。在后一种情况下，编队配置总是需要具有动态结构，以适应工业环境的需求。参考文献[9]首次提出了针对线性MAS的时变FCP，这激发了许多理论研究[10]。Hua等人[11]研究了具有领导者的线性MAS的时变输出FCP，其中包括基于自适应观察器的未知控制输入。随着实际系统规模的不断扩大，非线性子系统和组件变得普遍存在。滑模控制是处理非线性系统最著名的方法之一[12]，可以避免扰动的影响。神经网络模型也可以通过数据训练来处理非线性问题[13]或实现自适应控制目标[14]。Takagi–Sugeno（T–S）模糊模型作为一种优秀的工具，常用于近似非线性项[15]。Du等人[16]研究了用于MAS的区间类型2（IT2）模糊模型，以实现动态事件触发共识控制。然而，T–S模型在MAS中的应用非常有限，主要集中在基于数据的方法和共识问题[17]、[18]上。为了填补该领域基于模型的方法的空白，进一步处理具有参数不确定性的非线性MAS，同时简化模型难度并降低模型复杂性，本文应用了IT2模糊建模。