第1章　绪论

1.1　研究背景与意义

在自然界，生物群体的合作和协同行为可以提高群体的智能性，比如鸟群迁徙、鱼群集结等。受此启发，在控制领域，融合“计算、通信与控制”的多智能体协调控制得到了很大的发展。由于具有高灵活性、高效率、高容错性和并行性等优点，近20年来，多智能体协调控制一直是国内外的研究热点［1-3］。以美国为例，早在21世纪初，由著名学者组成的国家科技顾问小组已将以航天器编队和无人机编队为代表的协调控制技术列为21世纪美国优先发展的核心技术［4］，并率先启动实施了著名的类地星座成像（SI， Stellar Imager），轨道快车（OE， Orbit Express），行星搜寻器（TPF， Terrestrial Planet Finder）和战场协同等（图1-1）等项目［5-7］。目前，各国正逐步探索将多智能体协调控制技术应用于工业生产、地质勘探、灾难救援、深空探测等多个领域并初步取得了一些研究成果。

图1-1　协调控制技术的应用

针对网络环境下多EL系统协调控制的研究是MAS协调控制研究领域的重要分支。EL方程主要用于刻画诸如机器人、机械臂、航天器（卫星）姿态等大量机械系统及一些电力系统的动力学特性。截至目前，控制界已对单EL系统的分析与综合进行了广泛、深入的研究并将研究成果广泛应用于以上工程领域。未来空间站多机械臂协调装配、在轨遥操作、航天器协调高精度干涉测量与合成孔径成像、地面轮式机器人编队等都属于多EL系统协调任务范畴。这些系统不仅可广泛应用于空间探索、卫星保障、气象预警、灾难救援等民用领域，而且还可应用于侦察监视、空间对抗、航天器协同攻击等军事领域，并极大提升单一武器平台的作战效能，具有广阔的应用前景。区别于单EL系统，网络化多EL系统通过网络进行信息交互与共享，并达到群体的控制目标。

在协调控制领域，目前大多数研究对象为一阶或高阶网络化线性动力学系统。一方面，由于EL系统动力学具有本质非线性特征，因此现有针对线性系统的研究成果不能直接推广至网络化EL系统中；另一方面，目前针对单EL系统控制相对成熟的研究成果也不能直接推广至网络化系统中，这是因为基于网络的信息交互是多体系统与单体系统的本质区别，而网络特性（拓扑结构、时延等）则直接决定系统的本质特性。特别是在外层空间、战场等复杂环境条件下，受传输距离、电磁干扰、人为干扰压制等因素影响，网络时延和信息丢失不可避免；而在一些军事应用中，为实现信息传输的隐蔽性与安全性，则要根据战场态势及任务综合决定多智能体通信网络的拓扑结构。这些因素决定了针对网络化EL系统的分布式协调控制较之单个EL系统的控制具有更高的技术难度和挑战性。

从控制结构来看，目前针对多EL系统的协调控制主要有两种控制方式：集中式和分布式。集中式控制方式是假设存在一个主控台，能和所有个体通信并且有能力对所有个体实施全局控制。从本质上讲，集中式控制方式是对传统单体控制方法的直接推广。而分布式控制方式则不需要主控台，只需要个体之间进行局部信息交换或反馈以实现系统的整体目标。尽管这两种方式在实际系统中都有所应用，然而，相对于集中式控制方式，分布式控制方式具有更多的优势，比如较少的能量消耗，较低的通信计算成本和较高的容错性等。因此，分布式控制方式能够自然地反映多EL系统之间的信息交互，且具有更高的鲁棒性和更好的可扩展性，所以将研究的焦点放在分布式控制方式上。