国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于信息交互的多智能體故障檢測與補償控制方法

      文檔序號:8380111閱讀:540來源:國知局
      一種基于信息交互的多智能體故障檢測與補償控制方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及一種基于信息交互的多智能體故障檢測與補償控制方法,屬于多智能 體控制技術(shù)領(lǐng)域。
      【背景技術(shù)】
      [0002] 近些年,隨著計算機及網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,多智能體系統(tǒng)的規(guī)模也在飛速增長。 傳統(tǒng)的集中式控制方案,因受到中央節(jié)點運算速度及感知范圍的限制,已經(jīng)越來越難以滿 足實際問題的需求。而分布式的控制方案,因其對單個智能體自身的要求較低,且具有良好 的可擴展性而逐漸成為多智能體控制研宄的主流。但是值得注意的是,由于在分布式的控 制方案中,并不存在一個中央節(jié)點來統(tǒng)籌規(guī)劃所有節(jié)點的行為,這使得系統(tǒng)很容易受到故 障節(jié)點和惡意節(jié)點的攻擊,嚴(yán)重時可能導(dǎo)致整個系統(tǒng)的癱瘓。因此,對于分布式的多智能體 系統(tǒng)而言,設(shè)計一套安全高效的故障檢測方案,使系統(tǒng)能自動完成對故障節(jié)點的檢測與修 復(fù),是一項緊迫且擁有廣闊應(yīng)用前景的工作。
      [0003] 針對分布式多智能體系統(tǒng)的故障檢測,現(xiàn)有的解決方案主要有以下幾種:
      [0004] 方案 1 :文獻(I. Shames, A. Μ. H. Teixeira,H. Sandberg, and K. H. Johansson. Distributed fault detection for interconnected second order system[J]. Automatica, Oct. 2011, to appear.)和文獻(S. Sundaram and C. N. Hadjicostis. Distributed function calculation via I inear iterations in the presence of malicious agents,part i: Attacking the network[C]. American Control Conference, june 2008.)提出采用未知輸入觀測器(UIO),通過長時間觀測,積累足夠的 數(shù)據(jù)來估計系統(tǒng)的初始狀態(tài),進而求出系統(tǒng)的最終狀態(tài),并以此為依據(jù)判斷當(dāng)前節(jié)點的運 動是否滿足預(yù)期要求。采用觀測器對故障進行實時監(jiān)測是當(dāng)前多智能體系統(tǒng)故障診斷的主 流方案。故障信號在系統(tǒng)中充當(dāng)未知輸入,驅(qū)動觀測器產(chǎn)生誤差輸出,通過利用誤差信號對 故障進行診斷和補償。
      [0005] 利用未知輸入觀測器(UIO)進行故障診斷有著自身的優(yōu)勢,如物理意義明確, 易于理解;不依賴于物理模型,適用范圍廣等。另外,文獻(Chung,W.H.,Speyer,J. L. , & Chen, R. H. A decentralized fault detection fiIter[J]· Journal of Dynamic Systems, Measurement, and Control, 123 (2),237 - 247, 2001)指出,與其它觀測器,如 Beard-Jones 故障檢測濾波器(Beard-Jones Fault Detection Filter)相比,未知輸入觀 測器(UIO)結(jié)構(gòu)相對簡單,且很容易應(yīng)用優(yōu)化算法得到近似的最優(yōu)解。但另一方面,該方案 也存在一些不足:對于擁有N個鄰接節(jié)點的節(jié)點而言,為檢測出其所有鄰接節(jié)點故障所需 要的未知輸入觀測器(UIO)數(shù)目為N+1個。當(dāng)系統(tǒng)拓?fù)浣Y(jié)構(gòu)比較復(fù)雜,或是節(jié)點數(shù)目眾多 時,該方案所需要的數(shù)據(jù)及計算量將會十分龐大,這將對節(jié)點的硬件提出很高的要求。同時 該方案的運行還會占用大量的計算資源,對系統(tǒng)的其它控制任務(wù)產(chǎn)生不利的影響。
      [0006] 方案 2 :文獻(M. Franceschelli, M. Egerstedt, and A. Giua. Motion probes for fault detection and recovery in networked control systems[C]. American Control Conference, pages 4358 - 4363, june 2008.)提出采用運動探測器,通過施加額外的激勵 信號來激勵網(wǎng)絡(luò)化的控制系統(tǒng),根據(jù)系統(tǒng)的響應(yīng)判斷當(dāng)前系統(tǒng)的運行狀態(tài),借此檢測出故 障節(jié)點。與第一種方案不同,該方案采取的是主動檢測的方式。對于這一方案,存在的問題 主要是實際操作起來比較困難,激勵信號的選取,信號施加的時間等都會受到很多條件的 制約。
      [0007] 方案 3 :文獻(Guo, M.,Dimarogonas, D. V.,&Johansson, K. H. (2012, June) · Distributed real-time fault detection and isolation for cooperative multi-agent systems [C]· In American Control Conference (ACC) ,2012 (pp. 5270-5275) .IEEE.)提出 利用節(jié)點間的數(shù)據(jù)信息交互,通過接收鄰接節(jié)點的控制量信息,對其運動狀態(tài)進行模擬重 現(xiàn),并將其與檢測到的鄰接節(jié)點的實際運動狀態(tài)進行比較,以此作為依據(jù)進行故障檢測。該 方案最大的優(yōu)點是計算簡便,可操作性強,但也存在一些明顯不足,如限制條件過于嚴(yán)苛, 適用范圍較窄,系統(tǒng)的誤操作率過高等。
      [0008] 本發(fā)明受上述方案3啟發(fā),在充分借鑒吸收其優(yōu)勢的同時,針對其自身所存在的 不足,提出了一種基于信息交互的分布式故障檢測與補償控制方案。該方案改進了節(jié)點的 故障判別機制,通過采用流言傳播(Gossip)算法,有效改善系統(tǒng)誤操作率過高的問題。同 時,方案中對節(jié)點間的信息交互內(nèi)容做了重新設(shè)定,使節(jié)點能更有效地利用所接收到的信 息。另外,考慮到信息交互協(xié)議的復(fù)雜性,本發(fā)明提出一種面向控制量的故障修復(fù)方案,使 系統(tǒng)對節(jié)點信息交互協(xié)議的限制大大放寬,擴大了該方案的應(yīng)用范圍。

      【發(fā)明內(nèi)容】

      [0009] 本發(fā)明針對目前分布式多智能體系統(tǒng)易發(fā)生故障,且無簡便可行的實時故障處理 方案這一問題,提出一種基于信息交互的分布式實時故障檢測與補償控制方法,通過節(jié)點 間的信息交互,完成對故障節(jié)點的檢測、隔離與修復(fù),從而實現(xiàn)對系統(tǒng)故障的及時處理,減 小其帶來的損失的目的。
      [0010] 本發(fā)明的一種基于信息交互的分布式實時故障檢測與補償控制方法,包括如下步 驟:
      [0011] 步驟一、系統(tǒng)及故障建模:所述建模包括節(jié)點動力學(xué)模型,信息交互模型,典型故 障模型;其中節(jié)點動力學(xué)模型采用單積分器模型,通過一階微分方程描述節(jié)點的運動狀態(tài); 信息交互模型采用無向圖描述,即節(jié)點間均可以雙向通信,各個獨立智能體借此進行信息 交互,完成系統(tǒng)控制任務(wù);典型故障模型包括現(xiàn)實中智能體常出現(xiàn)的故障類型;
      [0012] 步驟二、基于信息交互的多智能體實時故障檢測:從步驟一所述的節(jié)點動力學(xué)模 型的表
      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1