基于边缘拉普拉斯的自适应多智能体系统不确定性形态控制新方法

大多数现有的预期性能形态控制方法都是将性能要求直接施加于智能体之间的相对状态，而是施加于 consensus 误差上，这缺乏其解的物理解释。本文提出了一种新颖的自适应预期性能形态控制策略，能够保证对相对误差实现预期性能，用于不确定的高阶多智能体系统，基于一类有向图。由于考虑了相对误差的性能约束，误差动力学中涉及包含智能体之间全局图信息的耦合非线性相互作用项，导致更困难且具有挑战性的全分布式控制设计。本文通过提出一系列非线性映射并利用边缘拉普拉斯结合李亚普诺夫稳定性理论，所提出的形态控制方案与现有结果相比具有以下吸引人特性：1）通过仅调整设计参数即可在统一方式下保证不同的性能要求，而无需在所提出的固定控制协议下进行控制 redesign 和稳定性重新分析，使设计更加用户友好且实现更不要求；2）如果性能要求是全局的，则完全消除了现有预期性能控制中常见的初始约束的复杂且繁重的验证过程；3）通过使用自适应参数估计技术，完全解耦非线性相互作用，确保形态流形的渐近稳定性。最后 performed various performance behaviors 的仿真以展示理论结果的效率。