基于观测器的多智能体系统的分布式故障检测及故障估计

来源 :东北大学 | 被引量 : 0次 | 上传用户:meal09
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在现代工业体系中,面对日益复杂化韵被控对象,传统的集中式控制策略逐渐难以满足对生产控制的综合要求。为了解决复杂的大型系统的控制问题,越来越多的学者开始关注多智能体系统。由于多智能体系统是通过多个智能体之间的相互协作来完成特定的复杂控制目标,所以它具有设计灵活性高,鲁棒性强等优点。考虑到在实际生产过程中多智能体系统规模较大,通讯网络结构复杂,所以随着时间的增长和内外部条件的变化,系统不可避免地会出现各种类型的故障。由于智能体之间的相互通讯,某个智能体上发生的故障可能会传递给与其相邻的智能体,甚至蔓延到整个网络系统中。某些关键节点发生故障,甚至可以造成整个系统瘫痪的严重后果。由于不同智能体之间存在信息交互行为,传统的集中式故障检测及故障估计方法,很难直接推广到分布式多智能体系统之中。所以研究多智能体系统的故障检测及故障估计问题,具有重要的理论价值和现实意义。
  有鉴于此,本文研究多智能体系统的分布式故障检测及故障估计问题。首先,在满足观测器匹配条件的情况下,针对线性和非线性多智能体系统,给出分布式故障检测观测器的设计方案。进一步在不满足观测器匹配条件的情况下,解决多智能体系统的分布式故障检测问题。然后,基于智能体的测量输出信息,研究多智能体系统的降阶故障检测观测器以及维数可调的故障检测观测器的设计方案。最后,针对一类非线性多智能体系统,给出一种分布式故障估计方法。具体地说,本文主要贡献包括以下几个方面:
  1)研究一类具有未知输入的连续时间线性多智能体系统的分布式故障检测问题。通过在一个智能体上建立未知输入观测器,可以检测其指定的邻居节点是否发生故障。先后给出全阶故障检测观测器和维数可调的故障检测观测器的设计方案。所设计的观测器可以用于多个智能体发生故障的情况,并且可以完全解耦未知输入对故障检测残差的影响。观测器的参数矩阵可以通过求解线性矩阵不等式和一组矩阵方程来计算。通过两个仿真例子说明方法的有效性。
  2)研究一类非线性高阶异构多智能体系统的故障检测问题。所考虑的多智能体系统中的非线性部分可以分解成已知的Lipschitz非线性函数和未知的非线性函数两部分。通过在某个智能体上设计未知输入观测器,可以检测其邻居智能体是否发生故障。根据观测器所在智能体的邻居数目的不同,提出两种故障检测方法。和已有的方法相比,所提出的方法具有更广泛的应用范围。在观测器的设计过程中,未知的非线性部分(包括干扰,不确定等)不会出现在残差动态中,从而确保故障检测残差对未知输入的鲁棒性。最后通过三个算例,验证所提出算法的有效性。
  3)研究一类具有干扰输入的高阶线性多智能体系统的故障检测问题。为了检测在某个智能体上可能发生的故障,通过将其他智能体上可能发生的故障以及系统中的干扰看成未知输入,进一步在待检测智能体的邻居节点上设计未知输入观测器。假设不能满足观测器匹配条件,即未知输入不能完全从故障检测残差中解耦。针对这种情况,将未知输入分解成为两部分,一部分可以从残差中解耦,另一部分不能从残差中解耦。进一步通过设计鲁棒故障检测观测器,移除可以解耦的未知输入对残差的影响,并通过H∞性能抑制不能解耦的未知输入对残差的影响,从而确保故障检测残差对未知输入的鲁棒性。最后,通过两个仿真算例,证明方法的有效性。
  4)针对线性多智能体系统,研究基于降阶观测器的分布式故障检测问题。通过在一个智能体上建立未知输入观测器,可以检测其邻居节点上可能存在的故障。在观测器的设计过程中,利用了观测器所在智能体及其邻居节点的测量输出信息。通过选择合适的坐标变换,可以将多智能体系统分解成为两个子系统,其中一个子系统的状态为观测器所在智能体及其邻居节点的测量输出。进一步设计观测器估计另一个子系统的状态。考虑未知输入完全解耦和不能完全解耦两种情况。和已有的结果相比,设计的观测器的总维数大大减小。最后,通过两个仿真算例阐明所提出方法的有效性。
  5)针对一类非线性多智能体系统,提出一种新的故障检测观测器的设计方法。通过在一个智能体上设计非线性未知输入观测器,可以检测其邻居节点上发生的故障。在观测器的设计过程中,并不需要相应节点的状态信息和输出信息的微分。和已有结果相比,所设计的观测器的维数可以在一定范围内自由调整,从而可以实现检测结果和检测成本的折中。通过求解线性矩阵不等式和矩阵方程,可以容易地计算观测器的参数矩阵。另外,在设计的过程中,由于存在可以自由选择的参数矩阵,这样可以获得一定的设计自由度。最后,仿真算例证明方法的有效性。
  6)针对一类连续时间非线性多智能体系统,提出一种基于分布式故障估计观测器的故障估计方法。在一个智能体上建立的观测器,可以同时估计该智能体及其邻居节点上的故障。在设计故障估计观测器时,只需要用到观测器所在智能体及其邻居节点的输出信息。另外,所设计的观测器可以估计相应智能体的状态。通过考虑区域极点约束,调节估计误差系统的收敛速度并改善估计性能。最后,数值仿真算例验证所提方法的有效性。
其他文献
能源作为国家维系经济发展的重要资源,其开采和应用的先决条件是能源的运输。相比于其他运输方式,管道运输具有运输量大、资源消耗少、建设周期短、安全可靠性高、利于环保等优点。管道运输业距今已有一百五十多年的历史,然而管道在长年使用过程中,难免会遇到腐蚀、磨损等问题,进而破坏管道原有结构形成不同程度的损伤。这种损伤若不及时发现并修理,极可能在高压高温的工作环境下,演变成为管道穿孔或破裂,导致输送的能源发生
学位
磁感应断层成像(MagneticInductionTomography,缩写为MIT)是一种新兴的电磁特性成像技术,该技术是在外加交流激励磁场的作用下,目标导体会因电磁感应作用而产生涡流,当目标导体发生变化时,涡流的强度和分布也会随之发生相应的变化,通过测量检测线圈的信号,再利用合适的图像重构算法重建出目标导体内部结构的分布图。MIT技术具有无辐射、非侵入、非接触以及能实现实时图像监护等优点,因此
学位
在过去的近二十年中,随着科学技术的迅速发展和社会生产需求的不断提高,最优控制越来越成为控制领域的一个研究热点。传统的非线性最优控制方法由于受到诸多限制,导致其难以应用普及。近些年来,为了更好地求解非线性最优控制问题,一种结合强化学习机制的自适应动态规划方法(Adaptive Dynamic Programming)被提出,该方法依托强化学习的理念构建了评价-执行框架,利用函数近似结构来逼近动态规划
神经动力系统是人工智能发展中的重要元素,也是智能自动化研究中的有效工具,当前在图像处理、模式识别、记忆存储、最优化等方面具有广泛的应用。本文主要针对神经动力系统的稳定性分析与综合进行深入研究。从研究对象来看,本文主要考虑递归神经网络和忆阻神经网络。忆阻神经网络是将传统递归神经网络的电阻替换为忆阻而形成的,可以看作是递归神经网络的一个升级版。在诸多应用中,忆阻神经网络也展现出比传统递归神经网络更多的
随着现代科学技术水平的提高,控制系统的自动化规模和复杂程度也迅速增长。人们对现代化生产系统运行可靠性和安全性越来越高的要求是故障诊断技术产生并迅速发展的原因。在实际工程实践中,如果系统一旦发生故障,那么它带来的经济损失是难以估量的,而故障估计可以及时并准确地对系统故障大小和形状进行有效描述,因此通过故障估计来进一步地为故障诊断提供定量的故障信息就显得尤为重要。另外一方面,由于T-S模糊模型能够以任
随着科学技术的发展,工程控制系统的规模和复杂性不断增加,若设计控制器时不考虑一些不确定项可能导致整个系统性能下降,甚至影响系统稳定性,造成不可预期的损失.因此,提高控制系统的安全性和可靠性变得尤为重要.由于非线性系统本身的复杂性,其控制理论发展的并不完善,相应的非线性系统的控制方法也十分有限,而且多数现有结果主要研究系统稳定性问题,在此基础上的系统性能优化问题却很少被考虑.  自适应动态规划方法融
多目标优化问题广泛存在于电力系统环境经济负荷分配、轧制负荷分配、汽车稳健优化设计和水资源调度优化等工业生产过程,常规基于Pareto支配的多目标优化算法适合求解低维多目标优化问题,却难以求解包含三个或三个以上目标的高维多目标优化问题。随着分解标量化函数和各种性能评价指标的出现,进化多目标优化算法可以求解高维多目标优化问题。R2指标是一种通过给定权值向量和效用函数来评价候选解综合性能的评价指标,具有
自医学影像应用到临床医学以来,随着数字图像处理技术的发展,医生从不同模态的医学图像中获取信息的内容和方式也发生了变化。从单纯的观察组织结构和解剖结构,发展到利用去噪、分割、配准、分析和重建等图像处理方法对器官组织或病灶进行定位、分割、参数分析以及提取特征等多方面。在从低层到高层的数字图像处理技术中,图像分割是医学图像处理中的关键技术。基于变分水平集方法活动轮廓模型具有便于处理拓扑结构变化、计算精度
动态系统的耗散性以输入输出的方式描述了系统能量的演化规律,即系统内部存储的能量不超过外界对它供给的能量。耗散性在非线性系统的研究中起着重要作用,是非线性系统分析和设计的有力工具。在切换系统中,除了各子系统内部的能量演变外,切换系统各子系统之间也有能量的传递和交换。这两方面能量的演化规律在相当程度上决定了切换系统的动态行为。因此,对切换系统来说,能量和基于能量的控制显得更加重要。然而,传统的耗散性概
日新月异的信息技术和不断深入的经济全球化进程促进了各行各业的蓬勃发展,这给许多面向项目运营的业务模式带来了前所未有的机遇,同时也导致项目变得规模庞大而复杂,特别对于规模以上项目,单个企业很难胜任,需要挑选若干合适的伙伴共同完成。并且,项目所处环境与运行过程中存在政策、天气、金融、人的行为与心理等在内的不确定性因素,导致项目面临的不确定性和风险大大增加。因此,作为项目管理中的重要环节,不确定环境下的