Adaptive Distributed Observer-based Model Predictive Control for Multi-agent Formation with Resilience to Communication Link Faults
作者: Binyan Xu, Yufan Dai, Afzal Suleman, Yang Shi
分类: eess.SY
发布日期: 2024-10-31
💡 一句话要点
提出一种自适应分布式观测器模型预测控制方法，解决通信故障下多智能体编队控制问题。
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 多智能体系统 编队控制 分布式观测器 模型预测控制 通信故障 自适应控制
📋 核心要点
- 现有方法在通信故障下，多智能体编队控制鲁棒性不足，且分布式模型预测控制公式复杂。
- 采用自适应分布式观测器估计领导者状态，将编队跟踪问题分解为局部跟踪问题，简化控制。
- 该方法增强了分布式编队跟踪对通信故障的鲁棒性，并简化了分布式模型预测控制的公式。
📝 摘要（中文）
本文针对存在输入约束和未知通信故障的非线性多智能体编队跟踪控制问题，提出了一种新的基于自适应分布式观测器的分布式模型预测控制方法。该设计在局部控制系统中采用自适应分布式观测器来估计领导者的状态、动力学以及相对于领导者的相对位置。利用估计的数据作为局部参考，原始的编队跟踪控制问题可以分解为几个完全局部化的跟踪控制问题，这些问题可以通过局部预测控制器有效地解决。通过结合自适应分布式观测器，该设计不仅增强了分布式编队跟踪对通信故障的鲁棒性，而且简化了分布式模型预测控制的公式。
🔬 方法详解
问题定义：论文旨在解决非线性多智能体系统在存在通信链路故障和输入约束条件下的编队跟踪控制问题。现有方法在面对通信故障时，编队控制的鲁棒性较差，并且分布式模型预测控制的公式通常较为复杂，难以实现高效的控制。
核心思路：论文的核心思路是利用自适应分布式观测器来估计领导者的状态信息，包括其动力学和相对位置。通过将全局的编队跟踪控制问题分解为多个局部化的跟踪控制问题，每个智能体只需要关注自身与领导者的相对关系，从而降低了控制的复杂性，并提高了对通信故障的容错能力。
技术框架：该方法的技术框架主要包含以下几个模块：1) 自适应分布式观测器：用于估计领导者的状态信息。2) 局部预测控制器：基于估计的状态信息，实现对领导者的跟踪控制。3) 分布式模型预测控制：协调各个智能体的控制行为，实现整体的编队控制目标。整体流程是每个智能体首先通过自适应分布式观测器估计领导者状态，然后利用局部预测控制器进行跟踪，最后通过分布式模型预测控制实现编队。
关键创新：该方法最重要的技术创新点在于将自适应分布式观测器与分布式模型预测控制相结合。传统的分布式模型预测控制方法通常需要大量的通信和计算资源，而该方法通过引入自适应观测器，降低了对全局信息的依赖，提高了控制的效率和鲁棒性。与现有方法相比，该方法在通信故障存在的情况下，能够更好地维持编队的稳定性和跟踪精度。
关键设计：自适应分布式观测器的设计是关键。需要选择合适的自适应律来保证观测器的收敛速度和精度。同时，局部预测控制器的设计也需要考虑输入约束，以保证控制信号的可行性。分布式模型预测控制器的设计需要平衡各个智能体的控制目标，并保证整体编队的稳定性。
🖼️ 关键图片
📊 实验亮点
论文通过仿真实验验证了所提出方法的有效性。实验结果表明，即使在存在通信链路故障的情况下，该方法仍然能够保证多智能体编队的稳定性和跟踪精度。具体的性能数据和对比基线未知，但摘要强调了该方法在通信故障下的鲁棒性提升。
🎯 应用场景
该研究成果可应用于无人机编队飞行、机器人协同作业、智能交通系统等领域。在这些场景中，通信链路的可靠性可能受到环境干扰或恶意攻击的影响，该方法能够提高系统的容错能力，保证任务的顺利完成，具有重要的实际应用价值和潜在的经济效益。
📄 摘要（原文）
In order to address the nonlinear multi-agent formation tracking control problem with input constraints and unknown communication faults, a novel adaptive distributed observer-based distributed model predictive control method is developed in this paper. This design employs adaptive distributed observers in local control systems to estimate the leader's state, dynamics, and relative positioning with respect to the leader. Utilizing the estimated data as local references, the original formation tracking control problem can be decomposed into several fully localized tracking control problems, which can be efficiently solved by the local predictive controller. Through the incorporation of adaptive distributed observers, this proposed design not only enhances the resilience of distributed formation tracking against communication faults but also simplifies the distributed model predictive control formulation.