精读多智能体一致性论文系列 No.1

写在前面

从今天开始，就要开始记录每天读的论文，思路，公式的推导以及其他的一些乱七八糟的东西了。希望能坚持下去吧。如果对文章有任何问题，或者想与我交流，欢迎加我的qq649660368注明来意，谢谢。

摘要

摘要主要讲的是，论文研究了一个非线性领航跟随系统的二阶共识问题。为了解决无法测量智能体的速度，以及非线性部分未知的情况，设计了一种基于观测器的动态输出反馈控制器，并且这是基于非分离原则的。使用这种反馈控制技术，当选择了合适的增益以后，可以看到系统的输出达到了共识。并且文章还给出了两个例子用来验证控制器的有效性。
这里的non-separation principle通过后续的证明，大概意思就是无法进行变量的分离。

准备工作

问题描述

这里的(1)式描述的就是领航跟随系统的每一个智能体。很好理解，状态（位姿）的导数是速度，速度的导数由$f(t_i,x_i,v_i)$以及$u$来决定，它们分别为系统的非线性部分，以及系统的控制量输入，根据现控的基本知识，很明显$u$即为我们需要设计的部分。
同时问题也规定了领航者的指定轨迹，通过加$d$来描述。这里我们认为这些数学符号均为已知量。

图论

这里主要向读者普及了一下图论的基本知识。在我第一遍阅读的时候在这个位置卡了比较久的时间。所以可以考虑去百度一下相关的一些知识，都是非常常用的图论知识。这里作一个简要的说明。
首先对于一张图来说，可以通过 G = { V , E , A } G=\lbrace V,E,A\rbrace G={V,E,A}来描述。$V$是图中顶点的集合，$E$为边的集合，两个顶点之间若有联系，则这个联系就是边。$A$是图的邻接矩阵（这里可以直接百度一下，说的应该比我好）。同时也定义了图的度矩阵，或者说出度矩阵$D$,并且定义拉普拉斯矩阵为$L=D-A$,这个矩阵在其他多智能体一致性论文里也会经常出现。定义了若图是联通的，那就是对任意两个节点之间都有一条路径。
同时我们假设$v_0$是领航者。下文中被标签为下标0的，都是领航者相关的部分。领航者与跟随者之间的联系是单向的，都是领航者向跟随者发布自己的位姿信息，而不会反过来接收跟随者的位姿。我们认为若跟随者与领航者有联系，则$b_i>0$,反之等于0，这样的矩阵为$B$。

假设与引理

第一条假设是对非线性的部分作了一定的条件约束。第二条则是假设图是连通的，即任意两个节点之间至少有一条路径连通。
第一条引理和拉普拉斯矩阵$L$有关，直接使用就好，第二条是认为若图是联通的，则$L+B>0$。

正文

首先文章给出了控制器和观测器的具体设计，以及一些参数的取值范围。直接看文中的3,4，5会比较蒙，阅读的顺序应该为先看其推导过程，再回过来看这个控制器的结构。

证明如下：

首先定义了两个误差量，分别是对领航轨迹和速度的误差。
然后给出了根据误差的符号（上面加一个横线）,给出了跟随者的状态空间表达式。这里的（7）只要把（1）和（2）直接相减就可以得到。然后对控制器的证明由下面的两个步骤完成。第一个步骤是状态反馈控制器的设计，第二个步骤为设计分布式的状态观测器。这里的分布式我觉得就是给每个跟随者都配同一个观测器的意思。

step1：状态反馈控制器设计

这里定义了李雅普诺夫函数，下面的step1的工作都围绕着该函数的导数负定去解决。同时定义了$\xi$方便后面的描述。这里的带入都是一些展开。

式12是将非线性的部分缩写，用${\overline{f}}_i$来表示。这里同样是一些带入的操作。
13式是对12和11的一个整合。没有太大的意义。
14式是对非线性的部分做一些放缩处理。这里使用了两次基本不等式。
第二行到第三行用到了$|a+b|\le |a|+|b|$
黄字部分是我第一遍没有理解的部分。后来发现是对前面那个$2\rho |{\overline{x}}_i||{\xi }_i|$的一次基本不等式。正向看可能不太容易，将答案反推，就能得到它是由什么式子展开的了。（latex还是太方便敲公式。第一遍忘了保存关掉了。所以这里讲的很省略，本来就是为了自己整理一下思路而写的博客，所以哈哈哈大家自己理解一下就好了，应该很容易才对。）

15式也是对前面阶段性的整理，并且将公式用向量来描述。
16是直接给出了作者设计的控制器。
第二个等式是将上面的${\xi }_i$展开，同时也将$|{\overline{x}}_i|,|{\overline{v}}_i|$展开得到。问题可能在找不到$x_d,v_d$，但是明显全都展开再整理以后可以得到16式。
17是将所有的16式组合起来，通过矩阵表示。
问题可能在不知道什么表示什么。
这里给出一点小小的提示：
${\sum }_{j\in N_i}{a}_{ij}(x_i-x_j)=L\overline{x}$，其他的自己去考虑了哈。我就不打了。把16式拆成四个部分而已。

这里的17带入15，但是其实他作了这样一个操作再带入
$u=u-u_s+u_s$
然后再做的带入。
结合下面19式得到的结论就可以得到了。
这里的黄色部分，是选择了一个合适的k值，来保证$\dot{V_s}$的负定。
这里的推导省略了。
$2{\rho }^2+\rho +1-k(L+B)\le 0$
$k(L+B)\ge 2{\rho }^2+\rho +1$
通过公式可以得到19式的条件。${\lambda }_{min}(L+B)$是求后面括号矩阵的最小特征值。在这里应该是一个矩阵方面的不等式结论。我没有查到也没有学过，学艺不精，但是论文里面写了，应该就是对的吧，看着就很有道理。
在得到了19式的结果后，我们就可以得到，可以达到系统的全局共识,也就是这里的控制量输入$u=u_x$的时候。

step2:分布式观测器的设计

定义两个新的量 ${\theta }_i,{\eta }_i$，并且认为$\hat{\theta },\hat{\eta }$是他们的估计值，也就是实际可以测量得到的值。
21式的左边是正常的对${\theta }_i,{\eta }_i$的求导。而后面的估计误差乘一个系数$l$则是观测器的基础操作。不明白的可以回去看看线性系统理论方面的观测器的设计。这里的$l$为待调的参数。
22式是换汤不换药的继续组合+矩阵表示，和17差不多，上面理解了，下面就没问题了。
23 24式需要时间自己看一下，就是简单的求导+带入。

25式就是对21的组合+矩阵表达。
接下来定义两个误差量$e_1,e_2$，分别是对两个量的观测误差。
通过23和25式，可以求导并整理得到27的结论。这里我也自己推过一遍，证明他是对的，这里用到了$e_2$下面的那个奇怪的$l$。没有用到什么新的公式。

28式给出的是观测器的李雅普诺夫函数。接下去的理解和推导还是有不小的难度的。
首先29式第一行是直接对28的求导，并且将27的结论带入并做一些整合。细心一点可以得到论文相同的结果，没有问题。
第三行是将上面的 1,4，7消去，2,5组合，得到公式的前两项。并且做了两次基本不等式。
对$2(-\sqrt{\frac{1}{2}}{e}_1^T(L+B)）\ast (\sqrt{\frac{1}{2}}\frac{\overline{F}}{l})\le \frac{1}{2}{e}_1^T(L+B{)}^2{e}_1+\frac{{\overline{F}}^2\overline{F}}{2l^2}$
同样的方法可以得到下面那一项。
第五行就是做了一个合并，这里用到的${\lambda }_{max}[(L+B){]}^2$应该和19式类似用到了一个矩阵不等式方面的结论。
同样的，这里的非线性部分${\overline{F}}^2\overline{F}$也可以在30式进行处理缩放。
第一行是展开成级数的形式，第二行使用了假设1的公式。
第三行，先通过${\xi }_i$做的转化，然后同样用到了前面14式用到的$|a+b|\le |a|+|b|$。不再赘述。
第四行是先将平方展开，然后对中间带绝对值的乘法做了一个基本不等式。
至于为什么这么设计，应该有他自己的道理。
第五行为表示成矩阵形式。
31是对上面的30和29的一个整合。
通过31式这个最终结果，我们发现${\dot{V}}_e$的负定条件是没有办法证明出来的，因为这和$\overline{x},\xi$的取值有关。所以我们只能得到一个非分离原理的控制器。

step3:输出反馈控制器设计

这里综合step1和step2所得的结论，可以直接获取32式这个控制器。

选择了step1,2所提供的李雅普诺夫函数，进行组合得到了33。这里的$l^{\frac{3}{2}}$属于作者的技巧。
通过上面的19和31结论，我们可以快速的写出34式。
35式是下面三个组合起来的，我一起贴上，免得反反复复去找了。3和16式，



加上下面的20式

20式的后半部分可以把16式的最后$v_i$相关的部分转化为$\eta$，从而带入得到上面的35式。
26式被用在了35到36上。小于等于左边的部分通过26式可以得到。
而右边的不等式可以通过构造基本不等式来解决。和前文思路一致，这里不再赘述。
将得到的36式带入前面总结的34式，可以直接得到37。

这里的38的获得，需要一定的时间去思考。首先想要满足$\dot{V}$负定的条件。对于$l$来说需要满足两个中括号的条件。但是很明显，对于第一行的不等式，完全被第二行所包含。也就是被38式max内的第一项所包含，所以这里省略了。
同样的，对37式的第三行的公式而言，其实就对应了max的第二项。我们剩下的目标就是将37式第二行内求解出$l$的条件。
假设$l^{\frac{1}{2}}=x$。
我们可以得到
$x^2-k^{2}x-\frac{9\lambda }{2}>0$
通过求根公式可以得到其中一个大的解是:(小的那个不符合第一行的那个结果，敲公式太麻烦被我省去了):
$x>\frac{k^2+\sqrt{k^4+18\lambda }}{2}$
这里又用到了一个基本不等式：
$\sqrt{a}+\sqrt{b}\ge \sqrt{a+b}$
所以
$x\ge k^2+\sqrt{\frac{9\lambda }{2}}$
这样就得到了38的结论。
然后39式给出了$\dot{V}$负定的结论。当满足上述条件以后，可以得到了。也就是文中所述$x_i\to x_d,v_i\to v_d$，当$t\to \infty$。


这里还给了三个remark，
Remark 1
文中提出的共识算法，是分布式的，信息都是邻居之间传递，所以提高了效率和鲁棒性，并且对通信的要求较小。
Remark 2
虽然考虑的多智能体系统是非线性的，但所提出的控制器和观测器都是线性的。在这里，我们不使用传统的观察者设计方法（即复制整个非线性系统）的主要原因有两个方面：(i)非线性项f./通常由于参数不确定而未知，(ii)线性观测器是更简单、更易于实现。这种观察器和控制器设计方法称为非分离原理设计方法，这里贴一篇参考文献，这里的非分离原理是针对这篇文章所说的，有机会我也会去读一下。Qian C, Lin W. Output feedback control of a class of nonlinear systems: a nonseparation principle paradigm. IEEE
Transactions on Automatic Control 2002; 47(10):1710–1715.。当然，如果它是已知的，我们可以直接为每个代理构造观察者。然后，基于分离原理，我们可以分别分析控制系统的稳定性和观察者误差系统的稳定性。在这种情况下，由于大量信息的使用，闭环系统的动态性能将会更好。
Remark 3
从定理3.1提出的增益条件可以发现，控制器/观察者增益仅由Lipschitz常数和邻接矩阵的最小和最大特征值决定。 因此，增益条件将受到通信拓扑图而不受多智能体个数的影响。
论文剩下的部分给出了两个数值的例子，作为这篇文章的支撑材料。大家去翻翻原文就好。这里就不贴了，反正我也懒得翻译。