当前课程知识点:2016年清华大学研究生学位论文答辩(一) > 第三周 自动化系——史建涛 > 个人答辩陈述 > 个人答辩陈述
返回《2016年清华大学研究生学位论文答辩(一)》慕课在线视频课程列表
返回《2016年清华大学研究生学位论文答辩(一)》慕课在线视频列表
下面请主席主持会议
好 先请答辩秘书
介绍研究生的基本情况
史建涛 2007年至2011年
在北京理工大学
电气工程与自动化专业
攻读学士学位
2011年至2016年
在清华大学
控制科学与工程专业
攻读博士学位
博士期间 修课程13门32学分
其中90分以上的三门
80到90的七门
70到80的两门
60到70的一门
学位论文的题目是
多智能体编队系统的
故障检测与容错控制
介绍完毕
好 请答辩人报告
学问论文的主要内容
三十到四十五分钟
各位专家 大家下午好
首先非常感谢各位老师
参加我的博士论文答辩会
我是博士生史建涛
我的导师是周东华老师
我的博士论文题目是
多智能体编队系统的
故障检测与容错控制
我的报告
主要分为如下三个部分
首先是绪论部分的介绍
然后是我们的
主要研究内容的介绍
最后是总结与展望部分
首先介绍一下我们本课题的
研究背景和意义
在自然界存在着很多
有趣的生物群体现象
比如鱼群鸟群和昆虫的群体等等
生物群体通常是
由一定数目的个体构成
但是每个个体
通常其自身的结构比较简单
且能力有限
只能完成相对简单的行为
而多个个体通过协作
组成群体系统以后
一般情况下可以克服
可以克服单一个体功能的不足
从而完成更加复杂的任务
生物群体相对于单一个体而言
其在提高生存概率
降低能量消耗和完成复杂任务
等方面具有明显的优势
基于仿生学的启发
1988年一位美国学者
首先提出了智能体的概念
在我们的日常生活中
有很多多智能体系统的实例
多智能体系统通常是由许多
具有信号采集运算和通信能力的
智能体构成
并且不同的个体之间
需要通过网络实现信息的交互
并协作与完成预定的工作
系统中的个体可以是无人机
航天器 车辆船只
机器人以及无线传感器等等
多智能体系统的主要优势
可以总结为如下四个方面
第一 多智能体系统具有
空间上的分布性
和执行任务时的并行性
因此可以显着提高
系统的工作效率与可扩展性
第二个就是 多智能体
多智能体系统中不同的
个体之间的相互作用是分布式的
它们的功能可以互不相同
因此 从而可以使系统更好的适应
不同的工作环境和应用需求
第三就是
我们可以用多智能体系统
代替昂贵的单系统
从而节约生产成本
第四就是
此类系统可以有效降低
我们整个系统的维修成本
而编队是多智能体系统研究的
基本和核心问题之一
也是其众多功能应用的理论前提
编队系统在可扩展性
具有可扩展性强
成本低和可靠性好等优势
目前已经在诸多领域
得到了成功的应用
而下面就是编队系统的
几种典型的应用的实例
像包括 空中加油
卫星编队以及战斗机编队等等
然而 编队系统也具有
其自身的劣势和不足
首先 多智能体编队系统
具有分布式的组成特点
就是说 每个个体的控制
都需要利用网络传输的
邻居个体的相对信息
因此 其系统与集中式系统
相比更为脆弱
第二就是 多智能体系统
不仅需要考虑
个体自身的动态特性
而且需要考虑个体之间的
信息交互作用
这就导致了其
结构和动态特性的复杂性
而第三个就是
多智能体编队系统的
运行环境通常比较恶劣
受到的干扰也更为剧烈
因此就导致了此类系统
在运行中极易发生故障
从而出现单机或者多机
运行异常的情况
甚至会导致撞机坠毁的
恶性事故的发生
这是强五强击机编队
由于简易传统机构故障
出现的迫降事故
近十年来 美军无人机编队
仅仅由于电力系统故障
就已经损失了
超过两百架大型无人机
在我国历年的国庆阅兵中
我们的无人机都是在牵引车上
那么有人指出 为什么编队不能
直接飞越天安门广场
有的专家就明确指出
是因为其可靠性安全性还不够
因此 我们对多智能体编队系统的
故障检测与容错控制问题
展开深入研究
具有重要的理论意义和应用价值
经过近半个世纪的发展
动脉系统的故障检测
与容错控制技术的研究
已经日益成熟
并且在工程实践中
也得到了成功的应用
然而以往的研究
大多是针对集中式系统
而编队系统具有分布式的组成特点
和突破化的结构
因此系统通常不存在一个
可以获取全局信息的中心节点
第二个就是
随着系统中个体数目
和通信的增加
对中心处理单元的计算
和网络通讯能力
也提出严峻的挑战
且会影响故障检测的
鲁棒性和可扩展性
因此 目前多智能体系统的
故障检测的研究还很不充分
已有的有限的研究成果
大致可以分为分散式故障检测
和分布式故障检测等两大类
而针对分散式故障检测问题
Walter提出了基于分散估计理论
与故障检测滤波器相结合的思想
Polycarpou等一系列的那个学者
提出了利用不确定项上届函数
放缩的方法
来设计对应的分布式自适应阈值
从而实现了一类
多智能体系统的分布式
分散式故障检测
Zhang等利用了
自适应估计器方法估计故障参数
并且提出了利用不匹配函数
来设计残差的思想
针对分布式故障检测的问题
Leehevin等提出了分布式故障
分布式故障检测观测器的方法
观测器参数的求取
需要利用混合h无穷
与h2指标优化的策略
Meskin等研究了几何方法中
利用不变子空间
和不可观测性子空间理论
解决了一类无人机编队的
分布式故障检测问题
Shames等
把未知输出观测器的思想
与结构化残差集的思想相结合
解决了一类二阶积分器模型
描述的多智能体系统的
分布式故障检测与分离问题
针对多智能体系统的
容错控制的研究
Chen等提出了 基于局部测量的
自适应观测器与
阈值设计相结合的方法
解决了一类多智能体系统的
容错输出同步控制问题
Wang等把模糊逻辑的
把模糊逻辑的方法
引入到了此类问题的研究之中
Zuo等提出了基于
投影算子的故障参数
自适应估计方法
并且利用得到的故障估计信息
设计对应的容错控制率
目前已有的研究中
存在着很多有待解决的问题
我们简单概括如下
首先 已有的研究
已有的研究主要针对的是
确定性系统模型
很少考虑扰动和噪声
等随机因素的影响
第二个就是已有的研究
主要针对一阶二阶
和高阶积分器模型
而缺乏普世性
第三个 就是存在模型不确定性的
异构随机多智能体编队系统的
故障检测问题
还没有相关的研究成果
第四就是
非线性多智能体编队系统的
主动容错控制
还没有引起足够的关注
第五是 已有的研究
大多是纯粹的故障检测研究
没有同时深入分析
协同控制策略
对故障检测效果的影响
另外就是现有的研究中
大多利用邻居个体之间的
相对的状态反馈
条件比较保守且
具有一定的局限性
最后就是现有的研究中
大多只有简单的数值仿真
缺乏更有说服力的实验验证
针对上述考虑
本课题对多智能体编队系统的
故障检测与容错控制问题
展开深入研究
我们的论文主要内容与结构安排
可以如下面的图表所示
下面分别向各位专家做一个汇报
我们研究的第一个问题是
二阶随机多智能体编队系统的
分布式故障检测问题
我们的研究对象是
考虑由n个智能体构成的
具有无向连通拓扑的
这样的一个多智能体系统
其中每一个智能体的动态模型
都由这样的
二阶积分器模型来描述
其中的xivi和ui分别表示
第二个智能体的
位移速度和控制量
Y表示是测量信息
kci表示对应的扰动和测量噪声
k1k2为可设计的测量矩阵参数
大T为产业周期
这是我们利用邻居个体之间的
相对输出反馈设计的
一次性控制率
在本章中
我们对于分布式故障检测的研究
是在系统实现均方有一些
一致性的前提下进行的
因此 我们首先对该概念
给出一个描述性的定义
就是说 系统中任何两个
不同的智能体
其状态偏差的均方值
需要满足这样的有界性约束
并且我们为了满足上述条件
给出了系统拓扑结构
和测量矩阵k1k2
需要满足的条件如下
其中λi表示拉普拉斯矩阵的
非零特征根
如果系统中第p个智能体
发生了故障
那么其系统方程可以
写为如下形式
进而我们可以得到
故障多智能体系统的
闭环状态方程
首先我们介绍
基于最优解耦滤波器方法的
故障检测策略
考虑如下一类
比较通用的离散时间
线性时不变系统
我们首先需要对原系统
做一个简单的变换
就把故障项分离为两块之和
就是把故障向量中的
第i个分量抽取出来
并且把剩余的项
写成另外一个部分
就是写成两块
然后对于上述系统
我们设计这样的
这样的最优解偶滤波器
进而得到对应的状态估计误差
和残差动态方程
其中rk是我们设计得到的
残差信号
我们设计上述滤波器的目的是
要使得我们的残差性rk
对特定的故障信号fi解耦
而对于剩余的故障信号敏感
上述滤波器的存在性条件
可以概括如下两个矩阵制条件
其等价条件为如下一组矩阵方程
同时考虑到系统中
存在扰动和噪声的随机性
我们在此基于极大似然比的方法
给出了残差评价函数thk
其中分子主要表示
表示实际残差信号的方差
而分母表示
标称系统残差信号的方差
下面是我们给出的故障检测逻辑
其中 tr是我们给出的
故障检测阈值
从上述分析我们可以看出
残差评价说thk服从
自由度一的x方分布
那么当我们预先给定
我们的故障误报率的要求之后
我们的阈值可以根据
X方分布表来确定
基于上述方法 我们首先研究了
智能体发生位置动态故障的
分布式故障检测问题
此时 多智能体系统的
闭环动态模型如下
其中的测量矩阵为ci
其中的值矩阵cix为
行满秩矩阵
且其中的每一行
除了第j个元素为一以外
其余的元素均为零
并且对应于
智能体i的邻居个体积
这样的一个位序
智能体i对其邻居个体p的
最优解耦滤波器就如下形式
其中zip为对应的滤波器的状态
然后大xiphead
为对系统状态x的估计值
然后进而我们得到残差动态方程
其中rapk为对应的残差信号
这是我们得到的第一个研究结果
如果我们所研究的多智能体系统
具有无向连通拓扑
其中的任何一个智能体
发生故障了
发生位置动态故障的时候
我们可以为该智能体的邻居个体
设计对应的
分布式自由解耦滤波器
使得其残差信号
仅对于故障fp解耦
而对于剩余的故障信号敏感
我们需要证明的条件就是
如下两个矩阵制条件
对于该阶段的分析过程
我们需要利用基于目标节点
邻居集的坐标变换的方法
同时还需要考虑
图拉普拉斯矩阵的组织矩阵
类对角化分解的思路
还需要用到含定范围可变参数的
系统扩展矩阵的
相似变换的处理技巧
在上述研究的基础之上
我们进一步考虑了
智能体发生速度动态故障的
分布式故障检测问题
我们一个直观的思路就是
因为智能体发生了
速度动态故障
那么我们是否仅仅利用其
速度测量信息完成对其
故障的检测
这就是我们重新设定的
测量矩阵
从该测量矩阵可以看出
我们仅仅利用整个
多智能体系统的速度测量信息
这是我们得到的残差动态方程
经过分析我们发现
如果多智能体系统中
任何一个智能体
发生了速度动态故障
那么利用我们提出的
分布式故障检测滤波器的方法
是不能实现对该故障的检测
为了解决上述问题
我们一个直观的想法
就是增加测量信息
就是我们同时需要利用
多智能体的速度测量信息
和位置测量信息
经过分析我们发现
当利用了位置测量信息以后
我们所设计的
分布式滤波器的
条件得到了满足
此时需要证明的条件仍然为
如下两个矩阵制条件
最后是我们本章的
仿真验证部分
在此我们考虑由
四个智能体构成的
具有无向连通拓扑的
多智能体系统
其中我们假定智能体四
发生位置动态故障
和速度动态故障
这个f4x和f4v分别为
对应的故障的具体形式
然后我们为智能体三
设计两类分布式
最优解耦滤波器
对故障信号进行检测
这是当智能体四
发生未知动态故障时
系统的位移曲线
左边是位于曲线
右边是速度曲线
下面是故障检测的结果
这两幅图是智能体四
发生速度动态故障时
系统的位移和速度曲线
这是故障检测的结果
从上述返回结果可以看出
当系统中任何一个智能体
发生速度动态故障
或者是位置动态故障时
利用我们给出的分布式
故障检测方法
可以实现对该故障信号的
准确和及时的检测
下面总结一下我们本章
我们本章的研究内容
我们研究了均方有界
一致性框架下的
二阶随机多智能体
系统的分布式故障检测问题
并且给出了一致性控制下
二阶随机多智能体系统的
闭环动态描述
我们提出了基于分布式
最优解耦滤波器的故障检测方法
并且给出了使得为每个智能体
设计的滤波器的残差信号
仅对该智能体的一个
故障信号敏感
而对其余个体故障敏感的条件
最后我们分析了智能体
发生位置动态故障
和速度动态故障时
进行分布式最优故障检测
所需要满足的条件
在上述研究的基础之上
我们进一步考虑了
具有一般线性随机动态模型的
多智能体编队系统的
分布式故障检测问题
这是我们的研究的对象
仍然考虑N个智能体
构成的多智能体系统
其中第i个智能体的动态模型
由这样一类通用的
线性时变系统来描述
我们对此进行一系列的假设
我们假设ab可控C可观
测量矩阵行满秩
然后故障分布矩阵是列满秩
下面我们给出基于
相对速度反馈的编队控制率
其中的g为待设计的
控制器增益矩阵
然后lik表示智能体i的
编队向量
其中我们利用lj-li
就是δji这个元素
来描述智能体i和j之间
期望的相对位移
下面我们给出控制器
增益矩阵器的
解析表达式如下
其中的可调节参数c
需要满足这样的不等式约束
在文章中 我们对于
分布式故障检测的研究
是在系统实现均方有界编队的
前提下进行的
因此我们首先给出均方有界
编队的描述性定义
就是说系统的任何两个
不同智能体的状态
和其故障向量这样的一个
误差的均方值
需要满足这样的有一些约束
并且我们经过推倒
给出了这个误差上界的
解析表达式
此时我们多智能体系统的
闭环状态模型
可以写为如下形式
其中的ci仍然为
我们的测量矩阵
然后cα为行满秩矩阵
bf为我们系统重新定义的
故障分布矩阵
此时我们对于智能体i
来设计一个分布值滤波器
使得其残差信号
仅对其一个邻居个体
在此我们假设是j的故障解耦
这是我们滤波器的具体形式
其中这个zij
就代表它滤波器的状态
这是我们得到的研究结果
对于我们所研究的
多智能体系统
当然我们首先要求它
具有无向连通拓扑
然后如果如下两个条件满足
就是其中一个是矩阵秩
相等的条件
一个是可检测性的条件
那么利用我们给出的编队控制率
和分布式最优解耦滤波器
可以实现对我们这个编队系统中
任何一个智能器发生故障的
分布式检测
其中滤波器的参数
具有如下的这样的一个形式
对于该结论的分析
我们需要用到
分步式滤波器估计
误差动态方程的递推分析
以及最小二乘意义下
状态估计误差协方差
矩阵的最小化处理
和对应的最优权值确定的
处理方法
最后是仿真部分
在本章中 我们利用
某型无人直升机
纵向简化通道模型
进行了一个简单的数值仿真
其中的状态变量为五维的变量
其中包含有无人机的位置坐标
前飞速度 航向角以及角速度
我们第一组仿真
四架无人机期望的飞行轨迹为
在二维平面内间距为一米的直线
我们设定一号无人机为故障机
其故障分布矩阵和故障信号
具有如下的形式
然后左边这幅图是我们
分布式故障检测的结果
右边这幅图是编队飞行的轨迹
第二组仿真是
四架无人机期望的飞行轨迹为
平面内间距为0.5米的
正弦曲线
在这组仿真中
我们设定三号无人机为故障机
其故障分配矩阵和故障信号
具有如下形式
然后左边这幅图呢
是我们故障检测的结果
然后右边这一幅图
是编队飞行的轨迹
从上述仿真结果可以看出
当多智能体编队系统中
任何一架无人机
发生对应的故障的时候
利用我们给出的
分布式故障检测方法
可以实现对该故障信号
准确和及时的检测
本章小结
在本章中 我们研究了
具有一般线性随机动态模型的
多智能体编队系统的
分布式故障检测问题
我们基于邻居
智能体之间的相对输出反馈
设计了均方有界编队控制率
并且我们给出了
确定控制器争议矩阵的
解析表达式
而最后是我们
我们进一步研究了
基于分布式自由解耦滤波器
方法的分布式故障检测策略
并且给出了滤波器参数的
递推求解方法
我们研究的第三个问题是
具有异构不确定随机动态模型的
多智能体编队系统的
分布式鲁班故障检测问题
所谓异构 就是说我们
我们假定系统中不同的智能体
具有不同的模型参数
显然该问题比前两个问题
具有更广泛的普世性
下面是我们的研究对象
仍然考虑N个具有异构随机模型
和智能体 构成的多智能体系统
其中第i个智能体的
动态模型如下
可以看出其模型参数
adcd和e分别都有下标i
这就体现了一种异构的特性
其中的xiuiy
分别代表第i个智能体的
状态输入和输出
fi表示对应的模型不确定性
fy表示故障的作用
我们仍然给出基于
相对输出反馈的编队控制率
其中ki为我们待设计的
控制器争议矩阵
在本章呢 我们对于
分布式故障检测的研究
是在系统实现有界编队的
前提下进行的
再此我们给出这个编队误差
误差上届δ的解析表达式
为了实现
为了实现有界编队
我们的控制器增益矩阵ki
需要的使得如下一组矩阵稳定
为了设计我们对应的
分布式自适应故障检测阈值
我们的处理思路简单介绍如下
首先需要对原系统
进行坐标变换
该坐标变换的主要目的是
把原系统分解为两个子系统
这两个子系统的
主要目的就是说
使故障信号仅仅对
第二个子系统发生作用
而对第一个子系统不起作用
然后我们设计对应的
分布式状态观测器
然后我们需要利用一个处理技巧
就是说把第一个子系统
对应的观测器中
与第二个子系统耦合的变量
用测量量ya来代替
这样处理的主要目的是
为了实现两个子系统
观测器之间的形势解耦
我们进而得到对应的
估计误差动态方程
上述处理的主要目的是
因为第一个子系统模型
不含有故障的影响
且可以实现对第二子系统的
形式解耦
因此我们可以利用其
误差动态方程
设计相应的Lyapunov函数
并对Lyapunov函数的
一阶偏导进行符定分析
把我们得到的结论
带入第二个子系统的
误差动态模型
因为第二个子系统的
误差动态模型中还有故障的影响
并且还有与第一个子系统
耦合的变量
因此我们可以得到相应的
自适应故障检测阈值的
解析表达式
下面就是我们得到的结果
对于我们所研究的编队系统
如果存在这样的对称
阵列矩阵pi
使得这样一个复杂的
Riccuti不等式满足
那么 当布朗发生前
残差向量yq中的每一个元素
它的模值均满足
这样的一个不等式
然后上述不等式
右侧的这个积分项
然后我们就选它为
自适应故障检测阈值
就是这样的形势
我们进一步写为thipt
这样的形式
其中故障检测时间tdi
我们就定义为
使上述不等式首次满足的时刻
下面是我们给出的
故障可检测性条件
分析的一个结论
对系统中任何一个智能体i
如果存在时刻tdi
使得故障函数fi满足这样
如下的这样的一个不等式
那么 该故障可以在时刻tpi时
被检测到
在我们的仿真中
考虑一个由四个智能体构成的
这样的一个多智能体系统
其中的模型参数跟ai bi ei
di和ci分别给定如下
然后fi代表模型不确定性
然后Ω还有vi
为零均值的白噪声
我们假定系统中三号智能体
与四号智能体为故障个体
其故障模态 我们分别选为
f3这样的形势
以及f4这样的形式
左边这一幅
这两幅图是系统中
三号智能机发生故障时
其自身的残差和阈值的比较结果
从上述仿真结果可以看出
当智能体三自身发生故障的时候
其残差信号
迅速超过了对应的阈值
从而实现了
对该故障的准确的检测
而从右边的两幅图可以看出
当智能体三发生故障的时候
其邻居个体 智能体四
并没有出现故障的误报
就是说其残差信号
始终没有超过对应的阈值
当智能体四
发生对应的故障的时候
我们依然可以得到对应的结果
在本章中我们研究了
不确定异构随机多智能体
编队系统的
分布式鲁棒故障检测问题
我们基于邻居智能体之间的
相对输出反馈
设计了分布式鲁棒观测器
对智能体的状态进行实时估计
为了有效处理模型不确定性
和噪声等随机因素的影响
我们提出了多智能体编队系统
基于分布式自适应
故障检测阈值的
鲁棒故障检测方法
并且给出了
确定自适应自身阈值
和故障发生时间的解析表达式
上述三个问题都是对
多智能体的故障检测问题的研究
由绪论中的介绍我们可以知道
因为多智能体编队系统
尤其是无人机编队
其通常需要在比较恶劣的环境
或者是在比较危险的环境中
执行作业
比如像灾区的航拍
以及森林的灭火
等等一些一些应用场合
那么如果当系统中的
任何一架无人机出现故障的时候
因为我们考虑到我们
实际系统的一个复杂性的约束
以及对完成任务的要求
通常情况下不允许
也不可能及时进行维修
因此 确保我们的系统中的
一架或者多架无人机
发生故障的时候
整个系统仍然能够继续运行
并且保持可接受的性能指标
这样就具有一定的研究意义
这就设计到了我们的
容错控制的研究
这样的一个背景
该问题的研究我们是基于
无人直升机的
数学模型来进行的
因此 我们首先给出
无人机建模的简单的一些常识
在这个飞行器进行建模的研究中
我们通常需要用到
至少三个坐标系
包括地坐标系
惯性坐标系和机体坐标系
因为有不同的坐标系
那么我们就需要用到
不同周期之间
进行坐标变换的欧拉角
以及对应的欧拉转移矩阵
通过对于非无人直升机的
动力学和运动学模型进行分析
我们搭建了
这样的一个非线性动态模型
其中的非线性像gxt
具有这样的一个解析表达式
基于上述模型在本章中
我们考虑由n+1个
智能体构成的领航跟随性
这样的一个多智能体系统
其中第i个跟随智能体
它的动态模型就如下形式
然后领航智能体的模型
就这样的形式
然后l是我们给定的编队向量
li是第二个智能体的编队向量
其物理意义就是说
当整个系统达到我们
预先设定的编队的时候
第i个智能体与
第i个跟随智能体与领航智能体
之间的位移偏差
就用这个li来表示
可见它就是包括三个方向的位移
在本章中我们考虑智能体
我们考虑智能体发生执行器故障的
这样的一种情况
也就是说
我们认为智能体的某些
执行器通道不能正常工作
不是一般性
一般我们假定这个故障分布矩阵
是由 控制矩阵b的
某一些列来构成的
因此我们很容易找到
一个矩阵ē
使得bē等于e
其中辅助矩阵ē
将用于我们后续
容错编队控制率的设计
我们首先研究了基于分散式
状态观测器和故障估计器
相结合的容错编队控制
这是我们给出的
分散式状态观测器
和故障估计器的一个解析表达式
基于我们上述设计的观测器
和故障估计器
我们可以得到第一个研究结果
我们的误差向量 其中包括
输出估计误差和故障估计误差
将非指数收敛到
如下的一个集合s之内
其中的收敛速率α
就这样的一个形式
我们对系统需要进行一些约束
包括像ac可观
然后是ce列满秩
同时要求我们的故障信号
同时你观测增益矩阵
要使得gs这样的一个形式
满足严格证实这样的一个约束
其他是对我们的一个
参数矩阵的要求
这是我们基于上述观测器
和故障估计器
给出的容错编队控制率
下面是我们得到的
第二个研究结果
如果我们所研究的
多智能体系统的拓扑图
包含有一棵有效生成树
并且领航体为根节点
同时我们要求所有的
跟随智能体具有无向连通拓扑
此时如果存在两个常数
γ1和γ2 使得这样的
不等式满足
并且观测增益矩阵?
使得a-?c稳定
并满足这一个不等式约束
其中耦合增益c1
满足这样一个不等式
所以我们可以直接给出
容错控制器k的
K的一个解析表达式
就是b转置乘以Q逆
其中对称正定矩阵Q
通过求解如下这样的一个
Riccuti不等式来得到
在上述条件之下
我们所设计的状态观测器
和控制率 可以使得
多智能体系统
达到容错编队的这样一个目的
我们对于上述结论的处理过程
首先 我们需要综合考虑
状态估计误差和编队误差
以及故障估计误差稳定性分析的
含可调节权值的
Lyapunov函数的一阶偏导
负定义分析这样的一个处理思路
我们需要用到基于坐标变换的
误差矢量归一化处理的
这样的一个技巧
需要用到基于Riccuti不等式
和矩阵特征根的
放缩处理的方法
在上述研究的基础之上
我们进一步考虑了
基于分布式状态观测器的
容错编队控制方法
该观测器的具体形式
与上一个观测器的形式相比
其主要区别在于
就是增加了这样的一项
就是我们增加了对于
邻居智能体估计信息的利用
因为我们的观测器的形势
更为复杂
因此我们后边得到的结论
比前一个
比前一个结论也更为复杂
但是其处理的过程
和所运用的技术手段完全一样
下面是仿真验证部分
在本章中
我们利用了260型无人直升机
实际的模型参数
进行了一种仿真实验
编队的通讯拓普
如中间这幅图所示
其中0代表领航机
123表表示三架跟随机
然后他们期望的编队队形
就是排成一个这样的一个锥形
然后领航机在下面
三架跟随机在下面
然后做匀速直线飞行
对于故障模态的设定
我们对于三架无人机
分别在30秒60秒30秒
然后对应不同的三个
执行机通道
然后注入了三个不同形式的
这样的
包括常值故障和时变故障
F1f2f3我分别为对应的
故障的解析表达式
然后这是我们分散式仿真的结果
这是
第一幅图是编队飞行的轨迹
然后 左边这幅图是x方向
跟随机与领航机之间的位移偏差
那右边这幅图是y方向
跟随无人机与领航无人机
之间的位移偏差
然后这是z方向的位移偏差
这是分布式的仿真结果
编队飞行轨迹
然后下面是三个方向
三个领航机与跟随机
之间的位移偏差曲线
通过上述仿真可以看出
我们所提出的
我们所提出的非线性
多智能体编队系统的
容错控制方法
当系统中任何一架无人机
发生故障的时候
或者是多架无人机
同时发生故障的时候
都可以实现其对容错编队的控制
最后总结一下我们本章的
主要研究内容
在本章中 我们基于
实际的无人直升机数学模型
研究了具有一般非线性动态的
多智能体编队系统的故障估计
与容错控制问题
我们提出了基于分散式
和分布式状态观测器
与自适应故障估计器
相结合的这样的一类
容错编队控制方法
并且我们证明了
编队误差和故障估计误差的
最终一致有界性
给出了相关观测器估计器
以及容错控制率参数的设计方法
在问题四研究的基础之上
我们进一步考虑了
存在噪声和通信干扰的
随机非线性多智能体编队系统的
容错控制问题
这就是第i个智能体的动态模型
与问题四相比 主要区别在于
我们进一步考虑了
过程噪声和测量噪声的影响
另一个区别在于 在本章中
我们考虑了模型参考编队控制
这样的一个框架
就是说 我们为每个智能体
设计对应的参考轨迹
然后在本章中我们仍然考虑
执行器发生故障的这样的一种
这样的一种情况
这是我们设计的对应的
状态观测器和故障估计器
其中 δ对称正定矩阵
以及矩阵r和υ大于0
分别我们带设计的
加强矩阵和参数
这是我们设计的容错控制率
在本章中
我们对于容错控制
给出了重新的定义
容错编队给出了重新的定义
第一就是
当我们不考虑扰动和故障的
这样一个标称多智能体系统
如果这样的一个条件满足
我们就说系统达到了编队
而当考虑系统的扰动
和故障的时候
在零初始的条件下
如果这样的一个误差性能指标
满足这样的一个
h无穷性能指标的约束
我们就说系统实现了融合编队
因为我们需要处理还有
通信干扰的这样一类
其它噪声的情况
我们不能直接用传统的一个
微分和积分的处理方法
我们需要用到随机积分
和随机微分的处理技巧
因此我们需要首先定义
相关的辅助变量
这是我们
我们基于随机积分
和随机微分的处理过程
给出的状态估计误差
编队误差和故障估计误差的
这样的一个形式
下面是我们的研究结果
对我们所研究的这样的一类
多智能体系统
如果我们前面给出的观测器
故障估计器以及容错控制器的
参数矩阵kτ
rγ以及耦合常数c
满足这样的一个如下的条件
则多智能体系统可以达到
我们定义的容错编队
对上述结论的分析过程
首先 我们需要综合考虑
状态估计误差
编队误差和故障估计误差的
Lyapunov函数的一个分析
然后因为Lyapunov函数
因为还有这样的一个
我们对Lyapunov函数的
一阶偏导数负定性的分析
需要用到伊藤随机微分
处理的技巧
然后我们需要在均值意义下
对Lyapunov函数的稳定性
进行分析
并且需要用到伊藤公式的
相关性质
同时我们还需要考虑
拉普拉斯矩阵特征跟性质的
这样一个矩阵不等式的
放缩处理的一个技巧
在本章的仿真中
我们考虑有五架无人机
构成的这样的一个多智能体系统
这是系统的动态模型
和相关的模型参数
然后这是一个飞行方向
仿真时间我们设定为120秒
其中的一号和四号机
我们选定为故障机
其故障模态由f1和f4给出
然后五架无人机参考的轨迹为
间距为4米的正弦曲线
左边这一幅图是
没有采取容错控制的
无人机编队的飞行轨迹
可以看到
当一号机和四号机
发生故障的时候
整个编队的飞行轨迹都会脱离
都会偏离我们预定的
这样一个正选曲线的轨迹
右边的是我们画出的
对应的一个误差曲线
也可以很明显的看出
就是这个故障的影响
左边这幅图是我们采取
我们给出的容错控制率的
这样的一个无人机编队的
飞行轨迹
右边是对应的误差曲线
可以看到当采取
我们的容错控制之后
当无人机短暂偏离
预定的轨迹之后
可以很快返回运动的轨迹飞行
从而实现了
很好的一个容错编队
这是我们给出的
故障估计的仿真结果
可以看到当故障发生后
故障估计的
故障估计这样的一个信号
可以迅速跟踪上
实际故障的这样一个轨迹
在本章中 我们研究了
同时存在扰动 测量噪声
与通信干扰的这样的一个
非线性随机多智能体编队的
一个协同容错控制问题
并且我们给出了
基于h无穷思想的容错编队
性能指标
为了处理多种随机干扰的作用
我们提出了基于伊藤随机积分
和微分处理技巧
对误差动态系统
进行变换和处理的方法
最后部分是我们的实验验证部分
首先介绍一下我们的实验平台
我们的实验中 用的一个实验系统
包括三架四旋翼无人直升机
和一个地面控制站
然后这是每架四旋翼无人机的
一个硬件构成的一个简图
其中无人机它的位移和速度
位置和速度
需要通过GPS模块来测区
然后为了记录飞行数据
每架飞机呢
有一个容量为两G的SD卡
四旋翼无人直升机
它的位置控制环的时间常数
通常会远大于自带控制环
所以为了简单起见
在无人机编队控制的研究中
我们仅考虑位置和速度信息
此时我们可以把
无人机编队的控制
设定为如下的一个双回路结构
其中的外环主要是为了
控制无人机的位移和速度
内环主要是为了调节
无人机的姿态
本章的实验研究中
我们主要对外环控制进行研究
通常情况下
在无人机的编队控制上
各架无人机对应的动力学模型
可以近似描述为双微分模型
这是我们给出的
无人机一个简化的
状态空间的一个形式
本实验主要是为了验证
问题四中提出的一种
容错编队控制方法
为了使实验方案的简单
我们对于理论结果进行了
一系列的理想化和特殊化的处理
这是我们设计的观测器
和故障估计器
这是我们给出的容错控制率
然后这是我们计算得到的
仿真和实验的参数
下面是仿真结果
在本小结的仿真和实验中
三架无人直升机期望的
飞行轨迹为
距离地面为1.2米
然后彼此间距为三米的
这样的一个作为一个
一米每秒的匀速直线飞行
然后仿真的实验时间均为40秒
其中一号无人机
我们设定为故障机
其故障模式如f1所示
就是说当第十五秒的时候
我们添加这样的一类
比较复杂的一个故障形式
左边这幅图是没有采取
容错控制的
编队访问飞行轨迹曲线
右边这幅图是采取了
容错控制的仿真曲线
这是故障估计的仿真结果
那下面是实验的结果
左边这幅图是没有采取容错控制
右边这幅图是采取了容错控制
可以看到它的效果还是很明显
然后这是故障估计的实验结果
下面向大家看一下
就是我们无人机容错编队
飞行的实验视频
容错控制发挥作用
无人机返回
首先开始 三架无人机
飞向预定的位置 形成编队
目标故障已有明确标识
三架无人机沿预定的航线
编队飞行
目标无人机发生故障
偏离预定航线
其他两架无人机也受到影响
为安全起见 故障发生后
无人机切换到手动控制
使三架无人机处于悬停状态
此阶段 三架无人机调整姿态
并通过程序祛除故障
为第二阶段的实验做准备
三架无人机沿直线进行
编队飞行
目标无人机发生故障
偏离预定航线
其他两架无人机也受到影响
容错控制发挥作用
无人机返回预定的航线飞行
我们的实验视频
已经上传到了那个优酷网上
最后总结一下
我们论文的主要创新点
首先 我们针对具有二阶
随机动态模型的多智能体系统
提出了一种分布式
最优故障检测方法
并且给出了智能体的位置动态
和速度动态发生故障时
进行分布式故障检测
所需要满足的条件
第二就是我们对上述方法
进行了扩展
应用于具有一般线性
随机动态模型的
这样的一类多智能体编队系统
第三 就是我们研究了
具有模型不确定性的
异构随机多智能体编队系统的
这样的鲁棒故障检测问题
提出了一种基于分布式估计器
与分布式自适应阈值相结合的
这样的一类鲁棒故障检测方法
第四就是 我们针对具有
非线性动态模型的多智能体编队
我们提出了一种基于分散式
和分布式状态观测器
与自适应故障估计器相结合的
主动容错编队控制方法
利用第三种方法进行扩展
我们进一步研究了
存在扰动 测量噪声
与通信干扰的这样的一类
非线性随机多智能体
编队系统的容错控制问题
最后我们利用
四旋翼无人直升机平台
为实验对象
对理论成果进行了实验验证
下一步 实变动态模型描述一下
以及具有施加事件处罚机制
另外就是奇异系统模型描述下的
多智能体编队系统的
故障检测与容错控制问题
是我们需要进一步考虑的方向
这是目前已经发表的期刊论文
已经发表的会议论文
这是已经修回和再审的
论文和专利
这是博士在读期间
所获的部分奖项
然后最后衷心感谢
我的导师周老师
以及副导师何老师
对我的指导和帮助
感谢钟老师课题组的两位同学
对我们实验研究
给予的大力支持
感谢各位论文评审专家
和各位答辩委员会的专家
谢谢各位老师 请您批评指正
先提几个问题
那个 你在2.4的时候
对那个通讯拓扑的假设呢
是假设了 有相有相图
有生存术的假设
对对
但是前面的话呢
是做的无向图的假设
对对
这为什么
前面那些问题为什么
有向图要是 做有向图假设
有什么困难吗
你说前面的三个问题
为什么不用有向图是吧
对
这个
因为您是这方面的那个权威专家
您知道那个有向图和无向图
它主要的区别就是
因为无向图它拉普拉斯矩阵
是一个对称的
对称的半正定矩阵
所以它的特征图
就满足一些个很好的一个性质
对对对
所以我们后续出来
处理起来就比较方便
但是对于这个有向图
它的拉普拉斯矩阵
就不满足上述条件
所以就是说
处理起来可能复杂一些
所以我们前三个问题就是
考虑了比较简单的这样一个情况
一个是可能会出现重根
对对对
可能会出现负根是吧
对对
那样会 你试过是吧
我试过 处理起来可以解决
但是过程要复杂一些
描述起来复杂一点
对对对 描述比较复杂一些
应该是可以解决
可以做
对对
行 你这个往前翻
翻到比如说 那个15页
这个条件 这个矩阵的
我就看你这个中间这个条件
这个rank的话是相乘的
那这两个 那个collect集的话
是可以乘起来的
对对对
因为后面是in
应该是相等的
对对对
那乘起来的话呢
后面都是in的话
其实您说就可以把它去掉了
可以拿掉了
对对对 是那个
我们后续有就是
我们论文推导的过程中
就直接把那in去掉了
但是因为这里为什么这样给出呢
就是说因为要跟我们前面
给出来的那个基于
最优结果滤波器的
功能检测方法
它那个结论保持一致
因为它那个结论去
需要满足这样的条件
因为你拿掉之后
计算量就小了
对对对
包括下面这个也是
下面这个的话
因为后面都可以写成Xin的
对对对 是是
也可以拿掉
对 就是说他那个可以
collect那个集可以写到外面
对 就一提到外头的话
就不需要了
因为你讨论是说是满秩嘛
对对对是
后面插一个in的话不影响秩
对 是是
是吧 就可以拿掉了
我们定理的推导过程中
就是直接把它拿出来了
但是这里为了就是统一期间
都把它写成这样的一个
Collect集的形式多
对 因为多智能体的话
有一个结论是希望
尽可能简洁计算量
但是你这个小n的话
是系统的阶次 不是那个
个体的个数
不是 对对那个系统的维数
对 这样的话问题还不是太
太大
-个人答辩陈述
--个人答辩陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩及陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩及陈述
--个人答辩及陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩及陈述
--个人答辩陈述
-问题及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问题及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--Video
-问题回答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问题及答辩结果
-个人答辩陈述
--个人答辩陈述
-问答及答辩结果
--问答及答辩结果
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video
-个人答辩陈述
--Video
-问答及答辩结果
--Video
-个人学术感言
--Video