非线性多智能体系统含规定性能与全状态约束的事件触发自适应一致性控制

《Sensors》：Event-Triggered Adaptive Consensus Control for Nonlinear Multi-Agent Systems with Prescribed Performance and Full-State Constraints

　　

本研究针对具有同步瞬态性能规范与状态限制的网联非线性智能体，解决其输出协同问题。性能函数将各智能体的同步偏差限制在用户设计的包络内，该包络同时量化收敛速度与允许稳态偏移。对数障碍证书被嵌入递归控制构造中，以防止任意状态变量离开其可行区域。未知被控非线性由高斯径向基函数近似器补偿，一阶滤波器规避了传统递归设计中反复解析微分带来的复杂性。为减少频繁作动调整，各智能体控制信号仅在其局部动态触发规则（仅依赖自身量测）决定的非周期时刻刷新。李雅普诺夫分析证实：所有闭环轨迹半全局一致最终有界，同步误差服从规定性能极限，状态限制永不突破，且有限时间内不存在无限次触发累积。理论发现通过单虚拟领导者协调四异构跟随者的计算实验得到佐证。

研究背景与动机

过去二十年，分布式多智能体协调在卫星编队、无人机群、智能交通与分布式感知中需求强烈，一致性（consensus/synchronization）是核心原语。实际部署面临两类限制：行为层需保证超调、收敛速度、残差等瞬态/稳态指标（规定性能控制 PPC 思想由 Bechlioulis 与 Rovithakis 开创）；物理层因安全与硬件极限要求关节位置、速度、电压等状态永不越界（障碍李雅普诺夫函数 BLF 是有效工具）。数字控制架构下周期性采样浪费带宽，事件触发控制（ETC）按状态依赖准则偶发刷新更经济，其中带辅助内部状态的动态触发比静态触发更新更稀疏。已有文献至多同时处理 PPC、BLF、ETC 三者之二，非线性严格反馈智能体网络中三者统一设计尚缺。该文发表于《Sensors》，旨在首次将 PPC 包络、硬状态界、动态事件驱动执行融于同一控制器。

关键技术方法

研究人员采用严格反馈二阶非线性跟随者模型，虚拟领导者给出有界参考；通信拓扑为满足含根生成树的有向图。核心方法四条线并行：一是 PPC 对数误差重映射 ξ_1,i=ln(ρ_i(e_1,i/ρ_i)) 将受限同步误差转为无约束变量；二是各状态引入对数障碍证书 V_b∝?ln(1?(x_im/?_im)2) 保证全状态约束；三是对未知函数 f_im(·) 用高斯核径向基函数神经网络（RBFNN）逼近并配 σ 修正自适应律；四是动态面控制用一阶滤波器避解析微分，并结合局部动态事件触发律（含辅助变量 η_i 的一阶动力学）实现零阶保持下的稀疏作动。稳定性由复合李雅普诺夫函数证得半全局一致最终有界（SGUUB）且无 Zeno。

研究结果

引言与问题陈述：明确目标为同时实现规定瞬态/稳态精度、硬状态界、事件执行与无 Zeno 触发；给出图论、严格反馈模型、指数型性能漏斗 ρ_i(t)=(ρ₀?ρ_∞)e^{?l t}+ρ_∞、对数障碍与 RBFNN 通用逼近引理。

主结果（控制器构造）：Step1 以 ξ_1,i 构建含 BLF 的 V₁，虚拟控制 α_1,i 含 ?k₁ξ_1,i 与障碍项，RBFNN 估 f_1,i，权重 θ?_1,i 走 σ 修正自适应；Step2 以滤波后 α_1,i 的跟踪误差 z_2,i 构造 V₂，实际控制 u_i 含 ?k₂z_2,i 及 BLF 耦合补偿，RNN 估 f_2,i。动态触发律以 e_ui=u_i?u_i(t_kⁱ) 为采样误差，当 e_ui?e_ui?(σ₀+η_i)‖u_i‖2≥0 触发，η_i 按 η?_i=?β_ηη_i+κ_ηe_ui?e_ui 演化。定理1 证明全部信号 SGUUB、|e_1,i|< />_i(t)、|x_im|< />_im 永成立且存在 τ_min>0 排除 Zeno。

仿真研究：四跟随者二阶严格反馈实例（f₁=x₂+0.5x₁sin(x₁)，f₂=u+0.3x₂2/(1+x₁2)），参考 y₀=sin(t)，界 x₁∈(?2,2)、x₂∈(?3,3)。图2 显示同步误差全程在漏斗内，稳态低于 10^?3；图3 跟随者 2–3 s 锁相正弦参考；图4 连续指令与零阶保持分段输入一致；图5 触发初期密、稳态疏；图6 状态永不触界；图7 权值有界、η_i>0。表1 平均触发间隔 80–120 ms、最短 12 ms，较连续执行省约 87% 更新。对比实验：去 PPC 则瞬态越界，静态 ET 触发数多 29%。参数敏感：k₁ 增到 20 误差降至 10^?4 以下，k₂ 低至 5 明显退化，σ₀ 0.03–0.20 权衡通信与精度。鲁棒测试：量测噪声 σ 至 0.20 稳态误差约 5×10^?3 仍不破漏斗；常值扰动 0.10 下误差 <10^?3；初值缩放 0.5/2.0 均 2–3 s 收敛。

讨论与结论翻译

结论部分指出，该文给出非线性严格反馈智能体网络在同时含性能漏斗与硬状态界时的统一事件触发协调解，融合对数重映射、障碍证书、RBFNN 与动态面反步，局部动态触发仅用自身信息大幅削减作动刷新而保留理论保证。严格李雅普诺夫分析确立闭环 SGUUB、规定性能与状态约束严满足、触发间隔有严格正下界。四跟随者数值实验验证方案可行，稳态跟踪精度优于 10^?3，较连续执行减少约 87% 控制更新。后续方向包括作动器故障与恶意入侵、自触发变体、分布式优化原语及去全局图量化的完全分散实现。