《分布式算法的通信拓扑鲁棒性及其工程应用.docx》由会员分享，可在线阅读，更多相关《分布式算法的通信拓扑鲁棒性及其工程应用.docx（4页珍藏版）》请在三一文库上搜索。
1、分布式算法的通信拓扑鲁棒性及其工程应用摘要： 本文研究了分布式算法的通信拓扑鲁棒性问题。首先给出了一种典型的分布式算法并得到了保证其稳定的通信拓扑条件，说明了分布式算法在设计通信拓扑时具有较好的灵活性。然后将该思想分别应用于分布式航天器的姿态协同跟踪控制以及油库转运站办公信息网设计当中，说明了分布式算法较主从方式在通信失效下具有更好的鲁棒性，验证了分布式算法的工程价值。关键词：分布式算法；通信拓扑；鲁棒性引言 近些年来，多智能体分布式算法的研究受到了很多科学领域的关注。与集中式的方法相比，分布式算法可以通过使用多个价格低廉、结构简单的智能体联合工作，以替代单个结构复杂、价格昂贵的个体，从而通过
2、协作达到一个相同的目的或功能。本质上讲，其作用就是用软件或多个简单的硬件来替代复杂昂贵的硬件。另一方面，分布式算法的实现不仅能够替代单个复杂的个体，而且能够完成超出单个个体能力范围的任务，也就是说，通过使用分布式算法，多智能体系统的整体能力能够大于个体能力的总和【4】。概况来讲，分布式算法有下面显著的特点：（1）更高的效率，（2）更好的系统性能，（3）更强的鲁棒性和容错性，（4）更低廉的价格，（5）更容易开发和使用。 本文首先给出一种最基本的分布式算法，得到保证其有效的通信拓扑条件，从而说明分布式算法对于通信拓扑变化具有良好的鲁棒性。然后将这种 分布式算法的思想应用于分布式航天器的姿态协同跟踪
3、控制以及油库转运站办公信息网的设计当中，说明分布式算法较主从方式在通信失效下具有更好的鲁棒性，验证了分布式算法的工程价值。2 理论分析与优化方法。 1 图论定义 假设群体中有n个智能体。设一个无向图G由二元组(V，)构成，其中V 是一个有限非空的节点集合， V V 是一个由有序节点对组成的集合。边(vi，vj)意指节点vj能够从节点vi获得信息。节点vi的邻居节点集合被定义为Ni := vj (vj ，vi) E。同时，对于无向图来说，(vj，vi) E也意味着(vi，vj) E。无向图中的无向路径是指边的一个序列，其形式为(vi1 ，vi2)，(vi2 ，vi3)，。与图G相关联的邻接矩阵A
4、 = 被定义为：如果(vj ， vi) E，则aij是一个正值，否则aij =0。与图G相关联的Laplacian矩阵L = 被定义和，。 图G是无向连接的意味着图G中的每个节点都能 够通过无向路径连接到任意其他节点。 2 分布式一致性算法设计 我们知道，分布式算法最为典型的特征就是通过使用局部的信息交互实现一个全局的目标。最为典型的一种分布式算法就是一致性算法。我们在本节中给出一种简单的一致性算法。通过对该算法的分析，研究了分布式算法对于通信拓扑的鲁棒性。在本节中，我们假定每个个体的动力学通过使用单积分器模型进行描述，为 ， i = 1， 2， ， n,(1) 其中xi和ui分别为第i个智能
5、体的状态和控制输入。针对单积分器模型(1)，给出下面一种分布式一致性算法： 其中aij是定义在第1节中与图G相关联的邻接矩阵A的第(i; j)个元素。从(2)中，可以看到，每个个体智能体仅使用局部的相对状态信息，而不需要使用全局的信息。这里局部信息获取的权重由邻接矩阵A来确定，从这个意义上讲，(2)是分布式的。定理1： 对(1)使用(2)，如果图G是无向连接的，则能够得到：当t 时，xi yj，?i, j =1, 2,n。 证明：考虑Lyapunov函数对V求导能够得到 其中x = T ， L是与图G相关联的Lapacian矩阵。注意到当图G是无向连接的时候，L是一个半正定的矩阵，并且有唯一的
6、一个零特征根，与该特征根相关联的特征向量为1n。因此，根据LaSalles Invariance Principle，我们能够得到Lx 0, 这就意味着xi yj，?i, j = 1, 2, n。从而证明了定理1。 注释1：通过定理1，我们可以知道，采用分布式算法(2)，只要通信拓扑G是无向连接的，全局的一致涌现就可以实现。例如，图1、图2和图3都是符合条件的G （这里n = 6）。 3 分布式航天器的姿态协同跟踪控制 分布式航天器的姿态协同跟踪算法的编队控制目标是一个动态量，其精确的实施是某些特定的分布式航天器任务实现的基础。例如，分布式航天器系统的 空间碎片探测任务的实施基础就是保证多个航
7、天器对空间碎片的同时观测。一般可以使用一个主航天器对空间碎片进行跟踪，然后通过分布式航天器系统的姿态协同控制，使编队中的其他航天器对主航天器进行跟随从而实现对同一空间碎片的对准。由于主航天器姿态要随时对准空间碎片，因此这里的编队控制目标就是一个时变量。下面就对跟踪动态目标的姿态协同跟踪算法进行仿真验证，并说明采用分布式方式的姿态协同跟踪算法较主从方式在通信失效下有更好的鲁棒性。在本节中，智能体被具体为航天器的姿态运动学和动力学方程，其描述为： (3) (4) 其中G()被定义为 和为第i个航天器的姿态和角速度，S()为反对称矩阵，Ji和分别为第i个航天器的转动惯量矩阵和 图4 主从方式原通信拓
8、扑 图5 扰动后主从方式通信拓扑 控制力矩。在这里， 假设分布式航天器系统中有四个航天器，航天器1（即为目标d）的姿态为跟随者航天器2，3，4跟随的目标，且该目标姿态为时变的。假定目标姿态，目标角速度,目标控制力矩满足航天器姿态。运动学和动力学方程(3)和(4)，同时取初始状态为= T ，=T rad/s，= T Nm。跟随者航天器2，3，4的初始姿态和初始角速度随机选择。控制力矩被限幅为 0.3 Nm，i = 1, 2,3, 4。航天器的惯量由表1给出。主从方式的通信拓扑由图4给出，并且航天器1和3以及航天器1和4之间的通信在t = 10 s时失效，失效后的通信拓扑如图5所示。跟随者航天器使
9、用一般用于单航天器的跟踪控制方法 表 1 航天器惯量 与之相对应，采用分布式算法的原通信拓扑如图6所示，受到扰动后的通信拓扑变为图7。对于通信拓扑的权重来说，假定当(j， i) E时，aij = 1，其他情况下aij = 0。跟随者航天器的控制力矩采用多航天器的协同跟踪控制方法，其简化形式为(5) 其中， 为姿态矩阵，为在第i个航天器本体系中的表示，和为相对姿态，和为 图6 分布式原通信拓扑 图7 扰动后分布式通信拓扑 相对角速度。当航天器1能够与相应的跟随者航天器通信时，取Ki = 2，Di = 4，i = 2; 3; 4，否则，取Ki = Di = 0。 图8、9和10分别显示了跟随者航天
10、器2、3、4在使用分布式算法(5)时的姿态，角速度和控制力矩变化曲线。从图中可以看到，即使出现通信失效，所有的跟随者航天器依然能够跟踪上它们的时变目标姿态和目标角速度。同时，图11和图12 分别给出了使用主从方式和分布式方式的跟随者航天器姿态和目标姿态之间的误差变化曲线。可以从图中看到，跟随者航天器3、4在使用主从方式时由于通信失效失去了对目标姿态的跟随。而通过使用分布式算法，虽然航天器3、4失去与航天器1的联系，仍然能够通过与航天器2的协同实现对航天器1的跟随。因此，分布式算法较主从方式在通信失效下同样具有更好的鲁棒性。 图8 使用分布式算法（5）的刚体姿态 图9 使用分布式算法（5）的刚体
11、角速度 图10 使用分布式算法（5）的刚体控制力矩 图11 使用主从方式的刚体姿态误差 图12 使用分布式算法（5）的刚体姿态误差 4 油库转运站办公信息网 油库转运站信息化建设主要通过将现场采数据集成到统一的软件平台上，实现资源共享和互通，进行集中监控和管理，同时提取有用的信息实时分析油库各个系统运行状态是否良好，为动态监管提供实时、准确的数据，为辅助决策提供直观、可靠的信息。油库转运站的办公信息网是系统建设当中非常重要的一部分。而设计办公信息网的首要问题就是设计系统的通信拓扑结构。传统的通信拓扑结构设计都是基于集中式的主从方式，其结构图如图13所示。从图中可以看到，操作人员都是服务于上级单
12、位的，而操作人员之间没有通信联系。上级单位作为唯一的领导者，图13 使用主从方式的办公信息网通信拓扑结构 图14 使用分布方式的办公信息网通信拓扑结构 只有它能够获取全局的信息。当某个操作人员与上级单位的通信受到扰动而失效时，我们就可能无法获取准确的全局信息。与主从方式相对应，本节中我们设计了一种无领导者的分布式的通信拓扑结构，其结构图如图14所示。从图中可以看到，即使某个操作人员失去了部分的通信连接，他仍然能够通过与其他操作人员的通信发布自身的信息。因此，可以说，分布式方式较主从方式在通信失效下具有更好的鲁棒性。 5 结论 本文研究了分布式算法的通信拓扑鲁棒性及其工程应用的问题。首先通过理论
13、分析说明了分布式算法在通信拓扑设计时具有较好的灵活性。然后将该思想分别应用于分布式航天器的姿态协同跟踪控制以及油库转运站办公信息网通信拓扑结构设计当中，说明了分布式算法较主从方式在通信失效下具有更好的鲁棒性，是一种有效的工程设计方法。 6 致谢 感谢孟子阳博士和中国自动化控制系统总公司同事对本文所作的贡献。 参考文献： 【1】Ren W., Coates, Beard R. W., Atkins E. M. Information consensusin multivehicle cooperative control: collective group behavior through lo
14、cal interaction. IEEE Control Systems Magazine，2007, 27(2): 71-82. 【2】Cao Y., Stuart D., Ren W., Meng Z. Distributed containment control for multiple autonomous vehicles with double-integrator dynamics: algorithms and experiments. IEEETranscations on Control Systems Technology, 2011, 19(4),929-938.
15、【3】Meng Z., Ren W., Cao Y., You Z. Leaderless and leaderfollowing consensus with communication and input delays under a directed network topology. IEEE Transcations on Systems, Man, and Cybernetics - Part B: Cybernetics, 2011,41(1), 75-88. 【4】Russell S. J., Norvig P. Arti_cial Intelligence: A Modern
16、Approach. 2nd edition, Prentice Hall series in artificial intelligence, 2003, Upper Saddle River, N. J.: Prentice Hall. 【5】Liu J., 靳小龙, 张世武, 吴建兵. 多智能体模型与实验. 清华大学出版社, 2003, 中国北京市. 俞辉. 多智能体机器人协调控制研究及稳定性分析. 华中科技大学,2007, 中国湖北省武汉市. 【6】Olfati-Saber R., Murray R. M. Consensus problems in net-works of agent
17、s with switching topology and time-delays. IEEE Transactions on Automatic Control, 2004, 49(9):1520-1533. 【7】Ren W., Atkins E. M. Distributed Multi-vehicle Coordinated Control via Local Information Exchange. International Journal of Robust and Control, 2007, 17(10-11):1002-1033. 张育林, 曾国强, 王兆魁, 郝继刚.
18、分布式卫星系统理论及应用. 科学出版社, 2008. Meng Z., Ren W., You Z. Distributed nite-time attitude containment control for multiple rigid bodies. Automatica,2010, 46(12), 2092-2099. 孟子阳. 基于一致性算法的多航天器姿态协同控制研究. 清华大学,2010, 中国北京市. Wen J. T. Y., Kreutz-Delgado K. The Attitude Control Problem. IEEE Transactions on Automatic Control, 1991,36(10): 1148-1162. Meng Z., Ren W., You Z. Decentralised cooperative attitude tracking using modified Rodriguez parameters based on relative attitude information. International Journal of Control, 2010, 83(12): 2427-2439. 范梦飞等. 库区信息化改造技术方案. 中自控自动化技术有限公司,2011, 中国北京市.