一种自抗扰控制器的设计方法、设备及存储设备

1.本技术涉及复杂系统领域，尤其涉及一种自抗扰控制器的设计方法、设备及存储设备。


背景技术：

2.随着复杂系统理论的发展，多智能体系统已成为复杂系统领域的前沿学科之一。多智能体覆盖在搜救、清洁、灾害监测等领域中得到了广泛的应用。智能体的工作负载分割问题是多智能体覆盖的基本问题之一。其能缩短多智能体覆盖时间、减小每个智能体的工作负荷，因此研究一种多智能体在线工作负载分割的控制方法十分有意义。
3.在多智能体实际运行过程中，多智能体系统面临着来自外部环境或系统内部变化的各种扰动和不确定性。这些扰动可能包括传感器噪声、通信延迟、动态环境变化、故障和攻击等因素，它们会对智能体的感知、决策和执行能力会产生不利影响。研究抗扰对于多智能体系统的正常运行、稳定性、性能协同以及安全性和可靠性等方面都具有重要意义。通过开发具有良好抗扰能力的算法和控制策略，可以提高多智能体系统的鲁棒性和适应性，以应对各种扰动和不确定性。
4.现有的多智能体分布式算法大多数是在模型已知以及不考虑扰动影响的理想情况下完成，在实际中难以实现或是无法达到预期效果。而且，多智能体系统拥有更加庞大的数据需要处理，现有算法大多计算量很大，并未考虑实际过程算法运行所用时间，需要更好的硬件设施支撑，增加了制造成本。


技术实现要素：

5.本技术的目的在于解决对目前多智能体在线工作负载分割算法存在受扰动影响严重、计算量较大以及成本较高的技术问题，提供一种自抗扰控制器的设计方法、设备及存储设备。
6.本技术的上述目的是通过以下技术方案得以实现的：
7.s1：获取二阶智能体系统；
8.s2：将所述二阶智能体系统转化为两个串联的一阶系统；
9.s3：将二阶扩张状态观测器变换为降阶串联扩张状态观测器，确定所述二阶智能体系统中的智能体的总扰动；
10.s4：根据传感器，确定各个所述智能体的工作量；
11.s5：根据所述总扰动以及所述工作量，设计降阶串级自抗扰控制器；
12.s6：根据所述降阶串级自抗扰控制器，确定所述降阶串联扩张状态观测器的收敛结果；
13.s7：根据所述收敛结果，确定所述二阶智能系统的有效性。
14.可选的，步骤s1包括：
15.s11：二阶智能体系统的动态模型如下：
[0016][0017]
其中，q为状态矩阵，u为输入矩阵，m和c为参数矩阵，d为扰动和噪声，δm、δc为动力学方程的参数不确定度；
[0018]
s12：根据自抗扰控制串联积分形式，将所述动态模型改写为如下形式：
[0019][0020]
其中，f1、f2为二阶系统等效的两个一阶系统，d
′
为f1中的未知扰动，d
″
为f2中的未知扰动，i＝1
…
n，qi为系统状态变量，vi为等效速度分量，ui为系统输入，d
′i和d
″i分别为等效系统中受到的外界扰动。
[0021]
可选的，步骤s3包括：
[0022]
s31：设计所述降阶串级扩张状态观测器，如下：
[0023][0024][0025]
其中，e
′i、e
″i为观测器误差，为观测状态，为观测扰动，β1、β2为观测器系数，β1,β2＞0，γ为调整系数，γ＞0；
[0026]
s32：根据所述降阶串级扩张状态观测器，确定智能体的总扰动，如下：
[0027][0028][0029]
其中，ξ、ψ为调节系数，为观测总扰动，为扰动补偿项，包括所述智能体受到的外部扰动以及自身产生的内部扰动，为系统实际扰动，为观测器估计扰动。
[0030]
可选的，步骤s5包括：
[0031]
s51：确定相邻两个智能体的工作负载差，如下：
[0032]
δmi(t)＝mi(t)-m
i+1
(t)
[0033]
其中，mi为各个所述智能体的工作量，确保各个所述智能体的工作负载相等，只需要确保δmi＝0；
[0034]
s52：根据所述总扰动以及分割算法，设计所述降阶串级自抗扰控制器，如下：
[0035][0036]
其中，k、k1、k2为降阶串级自抗扰控制器参数，k,k1,k2＞0；为分割算法的优化项，δmi(t)为一致项，为观测器系数。
[0037]
可选的，步骤s6包括：
[0038]
s61：推导所述降阶串联扩张状态观测器的传递函数，如下：
[0039][0040][0041][0042][0043]
s62：令得到下式：
[0044][0045][0046]
s63：根据所述二阶智能体系统的形式，得到系统总扰动的表达式：
[0047][0048]
因此，令得到下式：
[0049][0050]
s64：根据终值定理，可以得到上述设计的扩张状态观测器的稳态误差估计，如下：
[0051][0052]
s65：根据所述降阶串联扩张状态观测器，得出结论1，如下：
[0053]
若系统的解是全局有界的，则有：
[0054][0055]
一种存储设备，存储设备存储指令及数据用于实现一种自抗扰控制器的设计方法。
[0056]
一种自抗扰控制器的设计设备，包括：处理器及存储设备；处理器加载并执行存储设备中的指令及数据用于实现一种自抗扰控制器的设计方法。
[0057]
本技术提供的技术方案带来的有益效果是：
[0058]
通过将高阶的智能体系统转化为两个串联的一阶系统；将二阶扩张状态观测器变换为串联的两个一阶扩张状态观测器，将两个一阶扩张状态观测器估计的扰动，经过代数运算后的和，作为系统的总扰动。通过设计新型的降阶串级自抗扰降阶串级自抗扰控制器，对比常规的控制算法，用低阶降阶串级自抗扰控制器代替高阶降阶串级自抗扰控制器，抑制多智能体运行过程中的总扰动，降低了数据处理的时间，减小了系统运行的负担，节省了制造成本。
附图说明
[0059]
下面将结合附图及实施例对本技术作进一步说明，附图中：
[0060]
图1是本技术实施例中自抗扰控制器的设计方法的步骤图；
[0061]
图2是本技术实施例中自抗扰控制器的设计方法在无扰动情况下的轨迹跟踪图；
[0062]
图3是本技术实施例中自抗扰控制器的设计方法在无扰动情况下的误差曲线图；
[0063]
图4是本技术实施例中自抗扰控制器的设计方法在扰动情况下的轨迹跟踪图；
[0064]
图5是本技术实施例中自抗扰控制器的设计方法在扰动情况下的误差曲线图；
[0065]
图6是本技术实施例中自抗扰控制器的设计方法的分布式控制算法的rmse图；
[0066]
图7是本技术实施例中自抗扰控制器的设计方法的降阶串级自抗扰控制流程图；
[0067]
图8是本技术实施例中硬件设备工作的示意图。
具体实施方式
[0068]
为了对本技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本技术的具体实施方式。
[0069]
本技术的实施例提供了一种自抗扰控制器的设计方法、设备及存储设备。
[0070]
请参考图1，图1是本技术实施例中一种自抗扰控制器的设计方法的步骤图，具体包括如下步骤：
[0071]
s1：获取二阶智能体系统；
[0072]
s2：将所述二阶智能体系统转化为两个串联的一阶系统；
[0073]
s3：将二阶扩张状态观测器变换为降阶串联扩张状态观测器，确定所述二阶智能体系统中的智能体的总扰动；
[0074]
s4：根据传感器，确定各个所述智能体的工作量；
[0075]
s5：根据所述总扰动以及所述工作量，设计降阶串级自抗扰控制器；
[0076]
s6：根据所述降阶串级自抗扰控制器，确定所述降阶串联扩张状态观测器的收敛结果；
[0077]
s7：根据所述收敛结果，确定所述二阶智能系统的有效性。
[0078]
具体的，将所述二阶智能体系统转化为两个串联的一阶系统，将二阶扩张状态观测器变换为降阶串联扩张状态观测器，对一阶的降阶串联扩张状态观测器的扰动进行处理，提高多智能体的鲁棒性，降低扰动对系统的影响。通过设计降阶串级自抗扰控制器，抑制各机器人运行过程中的总扰动，降低高阶自抗扰控制器的计算量和观测量，降低成本。
[0079]
步骤s1包括：
[0080]
s11：二阶智能体系统的动态模型如下：
[0081][0082]
其中，q为状态矩阵，u为输入矩阵，m和c为参数矩阵，d为扰动和噪声，δm、δc为动力学方程的参数不确定度；
[0083]
s12：根据自抗扰控制串联积分形式，将所述动态模型改写为如下形式：
[0084][0085]
其中，f1、f2为二阶系统等效的两个一阶系统，d
′
为f1中的未知扰动，d
″
为f2中的未知扰动，i＝1
…
n，qi为系统状态变量，vi为等效速度分量，ui为系统输入，d
′i和d
″i分别为等效系统中受到的外界扰动。
[0086]
步骤s3包括：
[0087]
s31：设计所述降阶串级扩张状态观测器，如下：
[0088][0089]
[0090]
其中，e
′i、e
″i为观测器误差，为观测状态，为观测扰动，β1、β2为观测器系数，β1,β2＞0，γ为调整系数，γ＞0；
[0091]
s32：根据所述降阶串级扩张状态观测器，确定智能体的总扰动，如下：
[0092][0093][0094]
其中，ξ、ψ为调节系数，为观测总扰动，为扰动补偿项，包括所述智能体受到的外部扰动以及自身产生的内部扰动，为系统实际扰动，为观测器估计扰动。
[0095]
步骤s5包括：
[0096]
s51：确定相邻两个智能体的工作负载差，如下：
[0097]
δmi(t)＝mi(t)-m
i+1
(t)
[0098]
其中，mi为各个所述智能体的工作量，确保各个所述智能体的工作负载相等，只需要确保δmi＝0；
[0099]
s52：根据所述总扰动以及分割算法，设计所述降阶串级自抗扰控制器，如下：
[0100][0101]
其中，k、k1、k2为降阶串级自抗扰控制器参数，k,k1,k2＞0；为分割算法的优化项，δmi(t)为一致项，为观测器系数。
[0102]
具体的，请参见图7，图7是本技术实施例中自抗扰控制器的设计方法的降阶串级自抗扰控制流程图，设计流程：将一般二阶系统转换为f1、f2两个一阶系统串联的形式，然后将两个一阶系统分别设计与之对应的一阶扩张状态观测器观测其状态和总扰动，系统的输出结果通过工作负荷传感器检测反馈给降阶串级自抗扰控制器，降阶串级自抗扰控制器根据其相邻智能体的工作负荷给出系统输入，从而实现协同分割。
[0103]
步骤s6包括：
[0104]
s61：推导所述降阶串联扩张状态观测器的传递函数，如下：
[0105][0106][0107]
[0108][0109]
s62：令得到下式：
[0110][0111][0112]
s63：根据所述二阶智能体系统的形式，得到系统总扰动的表达式：
[0113][0114]
因此，令得到下式：
[0115][0116]
s64：根据终值定理，可以得到上述设计的扩张状态观测器的稳态误差估计，如下：
[0117][0118]
s65：根据所述降阶串联扩张状态观测器，得出结论1，如下：
[0119]
若系统的解是全局有界的，则有：
[0120][0121]
具体的，降阶串联扩张状态观测器通过对智能体的系统的输入和输出进行测量或估计，以获取系统状态的近似值和所受到的总扰动，对受到扰动影响的状态测量有滤波效果。系统的状态的近似值和所受到的总扰动用来进行降阶串级自抗扰控制器的设计和控制策略的优化，控制器的设计需要用到观测器估计结果，总扰动的补偿也可以提升控制器的性能。
[0122]
具体的，设计仿真实验验证有效性和优越性，以四轮型机器人为例，其动力学模型可描述为：
[0123][0124]
[0125][0126]
其中，在平面运动中，刚体的运动可以分解为三个独立的分量：x轴方向平动、y轴方向平动、z轴方向自旋，所以q＝(x,y,θ)；m为机器人的质量，m＝5kg；r为车轮的半径，r＝0.038m；l为车轮轴心到机器人质心的距离，l＝0.167m；μ为轮子与地面的摩擦系数，μ＝0.4；j
ω
,jz分别为车轮的转动惯量和机器人的转动惯量，j
ω
＝1.25
×
10-3
kg
·
m2,jz＝0.33kg
·
m2，a、b、φ为矩阵系数。
[0127]
将动力学模型改写转动形式。考虑机器人的实际运行情况，加入外部扰动，如下：
[0128]d′
＝[-cos(t),cos(t),sin(t)]
t
,d
″
＝[sin(3t),-sin(3t),cos(3t)]
t
[0129]
加入幅值为0.05的随机白噪声；考虑到模型参数的不确定性，加入δmi∈(-1,1)的不确定性。
[0130]
调节降阶串级自抗扰控制器参数，仿真结果如下。
[0131]
在不含外部扰动、噪声以及参数不确定性的情况下，对比经典pid算法以及二阶自抗扰控制方法，在线分布式分割算法的轨迹跟踪，如图2所示；在线分布式分割算法的误差曲线，如图3所示。
[0132]
在含有外部扰动、噪声以及参数不确定性的情况下，对比经典pid算法以及二阶自抗扰控制方法，在线分布式分割算法的轨迹跟踪如图4所示，在线分布式分割算法的误差曲线，如图5所示。
[0133]
采用性能指标rmse来衡量轨迹跟踪效果的好坏，如下：
[0134][0135]
其中，xi(t)是第i个智能体在t时刻的状态；ri(t)是第i个智能体在t时刻的期望状态；n为整个实验过程中采样的总次数；rmse用来衡量所设计控制方法控制效果与期望效果的差异，rmse值越低，说明算法控制的效果越好。在不含扰动、噪声以及参数不确定性的情况和含有扰动、噪声以及参数不确定性的情况下所发明的分布式控制算法的rmse，如图6所示。
[0136]
通过理论分析以及仿真验证，结合与pid算法和自抗扰控制方法的运动轨迹对比情况，验证了本技术的自抗扰控制器的设计方法的有效性和优越性。
[0137]
请参见图8，图8是本技术实施例的硬件设备工作示意图，硬件设备具体包括：一种自抗扰控制器的设计设备401、处理器402及存储设备403。
[0138]
一种自抗扰控制器的设计设备401：一种自抗扰控制器的设计设备401实现一种自抗扰控制器的设计方法。
[0139]
处理器402：处理器402加载并执行存储设备403中的指令及数据用于实现一种自抗扰控制器的设计方法。
[0140]
存储设备403：存储设备403存储指令及数据；存储设备403用于实现一种自抗扰控制器的设计方法。
[0141]
以上仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种自抗扰控制器的设计方法，其特征在于，方法包括以下步骤：s1：获取二阶智能体系统；s2：将所述二阶智能体系统转化为两个串联的一阶系统；s3：将二阶扩张状态观测器变换为降阶串联扩张状态观测器，确定所述二阶智能体系统中的智能体的总扰动；s4：根据传感器，确定各个所述智能体的工作量；s5：根据所述总扰动以及所述工作量，设计降阶串级自抗扰控制器；s6：根据所述降阶串级自抗扰控制器，确定所述降阶串联扩张状态观测器的收敛结果；s7：根据所述收敛结果，确定所述二阶智能系统的有效性。2.如权利要求1的一种自抗扰控制器的设计方法，其特征在于，步骤s1包括：s11：二阶智能体系统的动态模型如下：其中，q为状态矩阵，u为输入矩阵，m和c为参数矩阵，d为扰动和噪声，δm、δc为动力学方程的参数不确定度；s12：根据自抗扰控制串联积分形式，将所述动态模型改写为如下形式：其中，f1、f2为二阶系统等效的两个一阶系统，d
′
为f1中的未知扰动，d
″
为f2中的未知扰动，i＝1
…
n；q
i
为系统状态变量，v
i
为等效速度分量，u
i
为系统输入，d
′
i
和d
″
i
分别为等效系统中受到的外界扰动。3.如权利要求2的一种自抗扰控制器的设计方法，其特征在于，步骤s3包括：s31：设计所述降阶串级扩张状态观测器，如下：其中，e
′
i
、e
″
i
为观测器误差，为观测状态，为观测扰动，β1、β2为观测器系数，β1,β2＞0，γ为调整系数，γ＞0；s32：根据所述降阶串级扩张状态观测器，确定智能体的总扰动，如下：
其中，ξ、ψ为调节系数，为观测总扰动，为扰动补偿项，包括所述智能体受到的外部扰动以及自身产生的内部扰动，为系统实际扰动，为观测器估计扰动。4.如权利要求3的一种自抗扰控制器的设计方法，其特征在于，步骤s5包括：s51：确定相邻两个智能体的工作负载差，如下：δm
i
(t)＝m
i
(t)-m
i+1
(t)其中，m
i
为各个所述智能体的工作量，确保各个所述智能体的工作负载相等，只需要确保δm
i
＝0；s52：根据所述总扰动以及分割算法，设计所述降阶串级自抗扰控制器，如下：其中，k、k1、k2为降阶串级自抗扰控制器参数，k,k1,k2＞0；为分割算法的优化项，δm
i
(t)为一致项，为观测器系数。5.如权利要求4的一种自抗扰控制器的设计方法，其特征在于，步骤s6包括：s61：推导所述降阶串联扩张状态观测器的传递函数，如下：s61：推导所述降阶串联扩张状态观测器的传递函数，如下：s61：推导所述降阶串联扩张状态观测器的传递函数，如下：s61：推导所述降阶串联扩张状态观测器的传递函数，如下：s62：令得到下式：得到下式：s63：根据所述二阶智能体系统的形式，得到系统总扰动的表达式：
因此，令得到下式：s64：根据终值定理，可以得到上述设计的扩张状态观测器的稳态误差估计，如下：s65：根据所述降阶串联扩张状态观测器，得出结论1，如下：若系统的解是全局有界的，则有：6.一种存储设备，其特征在于：存储设备存储指令及数据用于实现权利要求1～5的任意一种自抗扰控制器的设计方法。7.一种自抗扰控制器的设计设备，其特征在于：包括：处理器及存储设备；处理器加载并执行存储设备中的指令及数据用于实现权利要求1～5的任意一种自抗扰控制器的设计方法。

技术总结
本申请提供了一种自抗扰控制器的设计方法、设备及存储设备，其方法包括：获取二阶智能体系统，将所述二阶智能体系统转化为两个串联的一阶系统，将二阶扩张状态观测器变换为降阶串联扩张状态观测器，确定所述二阶智能体系统中的智能体的总扰动，根据传感器，确定各个所述智能体的工作量，根据所述总扰动以及所述工作量，设计降阶串级自抗扰控制器，根据所述降阶串级自抗扰控制器，确定所述降阶串联扩张状态观测器的收敛性。通过将二阶扩张状态观测器变换为降阶串联扩张状态观测器，并通过降阶串级自抗扰控制器对降阶串联扩张状态观测器进行检验，从而判断系统的观测量以及总扰动。提高多智能体的鲁棒性，降低扰动对系统的影响，减小通信成本。减小通信成本。减小通信成本。


技术研发人员：翟超 李鑫 张和洪
受保护的技术使用者：中国地质大学（武汉）
技术研发日：2023.08.17
技术公布日：2023/10/15