动态事件触发策略下线性多智能体系统的自适应时变输出编队跟踪控制

本文针对一般线性多智能体系统(MASs)的时变输出编队(OFTVF)跟踪问题，提出了一种创新的动态事件触发(DET)策略，有效降低了智能体间通信成本。研究通过设计自适应控制算法，结合Lyapunov稳定性理论，证明了协议的可实现性，并验证了DET机制可避免Zeno行为。该成果为资源受限环境下的分布式协同控制提供了新思路，具有重要理论价值与工程意义。

　　

在无人机集群表演、智能交通系统等现实场景中，多智能体系统(MASs)需要像芭蕾舞演员一样保持精确的队形变换，同时追踪动态轨迹。然而传统编队控制依赖智能体间持续通信，就像要求演员们时刻互相喊话，既浪费资源又易受干扰。更棘手的是，当编队需要实时变化时（如无人机组成烟花图案），现有静态事件触发(ET)机制会因固定阈值导致"过度触发"——好比舞者在不该转身时频繁调整动作。

针对这一挑战，国内研究人员在《Journal of Computational Science》发表研究，开创性地将动态事件触发(DET)策略引入一般线性MASs的时变输出编队(OFTVF)跟踪控制。不同于传统ET的"刻板教条"，DET像一位智能教练，通过动态变量实时调整触发条件，既避免无谓的通信消耗，又防止系统陷入无限触发的Zeno困境。研究采用Lyapunov稳定性理论构建控制框架，设计自适应更新律，首次实现仅依赖输出信息的DET编队控制。

关键技术包括：1) 基于图论的网络拓扑建模；2) 动态事件触发函数设计；3) 输出反馈观测器构建；4) Lyapunov稳定性证明。通过六智能体仿真验证，新方法在保持0.05m编队精度的同时，减少78%通信量。

数学预备与问题描述
建立有向通信图模型，定义跟随者动力学方程为?_i
=Ax_i
+Bu_i
，输出为y_i
=Cx_i
。引入时变编队向量h_i
(t)，将编队跟踪转化为误差系统稳定性问题。

主要结果
设计DET条件：当‖e_i
(t)‖>βη_i
(t)时触发通信，其中η_i
(t)为动态变量。证明当耦合强度c>1/2λ_min
(L+B)时，系统可实现编队跟踪，且触发间隔存在下界τ>0，严格排除Zeno行为。

仿真验证
以六无人机系统跟踪圆形轨迹为例，对比静态ET策略，DET将平均触发次数从215次降至47次，同时保持编队误差<0.05m。动态变量η_i
(t)的演化曲线证实其有效调节触发频率。

结论与意义
该研究突破传统编队控制三大局限：1) 消除状态全信息依赖，仅需输出反馈；2) 通过DET机制实现通信量级降低；3) 自适应律应对时变编队需求。理论层面，首创将DET与OFTVF结合的通用框架；应用层面，为5G网络下的无人机物流等低功耗场景提供关键技术支撑。未来可拓展至带有时滞和切换拓扑的更复杂系统。