[分布式控制] (2) 经典一阶系统的一致性问题
[分布式控制] (2) 经典一阶系统的一致性问题
对于多智能体系统,最简单的是研究其的一致性问题,然后才是其衍生的编队问题,有意思的是学者们在这里对控制输入的提法常常是“consensus protocol”(一致性协议)而不是“control scheme”(控制算法)。Olfati-Saber教授是较早做多体一致性且很成功的人,现在已经是个大佬,他的文章十分经典;另外还有位华人大佬Wei Ren教授的文章也是不错的。
建议首先学习图论的预备知识:
[分布式控制] (1) 图论基础
1 前言
经典一阶系统的一致性稳定是最基础最基础的问题,早期的文献在叙述和表达上读起来有点费劲,这里笔者根据自己的相关理解,写出一个比较容易理解的叙述。
2 经典一阶系统的一致性问题
考虑简单一阶级系统:
x
˙
i
=
u
i
{{\dot{x}}_{i}}={{u}_{i}}
x˙i=ui考虑智能体在的图存在生成树,一致性协议为:
u
i
=
−
∑
j
=
1
n
l
i
j
x
j
=
−
∑
j
∈
N
i
n
l
i
j
(
x
i
−
x
j
)
{{u}_{i}}=-\sum\limits_{j=1}^{n}{{{l}_{ij}}{{x}_{j}}}=-\sum\limits_{j\in {{N}_{i}}}^{n}{{{l}_{ij}}\left( {{x}_{i}}-{{x}_{j}} \right)}
ui=−j=1∑nlijxj=−j∈Ni∑nlij(xi−xj)实际上还可以加一个系数
k
>
0
k>0
k>0 :
u
i
=
−
k
∑
j
∈
N
i
n
l
i
j
(
x
i
−
x
j
)
{{u}_{i}}=-k\sum\limits_{j\in {{N}_{i}}}^{n}{{{l}_{ij}}\left( {{x}_{i}}-{{x}_{j}} \right)}
ui=−kj∈Ni∑nlij(xi−xj)下面证明稳定性,考虑如下Lyapunov函数:
V
1
=
1
2
x
T
x
{{V}_{1}}=\frac{1}{2}{{\mathbf{x}}^{T}}\mathbf{x}
V1=21xTx求导
V
˙
1
=
x
T
x
˙
=
−
k
x
T
L
x
\begin{aligned} & {{{\dot{V}}}_{1}}={{\mathbf{x}}^{T}}\mathbf{\dot{x}} \\ & =-k{{\mathbf{x}}^{T}}L\mathbf{x} \end{aligned}
V˙1=xTx˙=−kxTLx可知Laplacian矩阵
L
{L}
L是半正定的,那么必有
V
˙
1
=
−
k
x
T
L
x
≤
0
{{\dot{V}}_{1}}=-k{{\mathbf{x}}^{T}}L\mathbf{x}\le 0
V˙1=−kxTLx≤0。
下面讨论
V
˙
1
=
0
{{\dot{V}}_{1}}=0
V˙1=0的情况,由于图存在生成树,那么有:
α
L
1
n
=
0
n
\alpha L{{\mathbf{1}}_{n}}={{\mathbf{0}}_{n}}
αL1n=0n此时
x
=
α
1
n
\mathbf{x}=\alpha {{\mathbf{1}}_{n}}
x=α1n,即状态量达到一致,为一个和
L
L
L与
x
(
0
)
\mathbf{x}\left( 0 \right)
x(0)有关的未知定值。
因此,从这个Lyapunov函数
V
1
=
1
2
x
T
x
{{V}_{1}}=\frac{1}{2}{{\mathbf{x}}^{T}}\mathbf{x}
V1=21xTx可以得到结论是在上述一致性协议下,当状态量不一致时,
V
1
{{V}_{1}}
V1会一直减少,直到
V
˙
1
=
0
{{\dot{V}}_{1}}=0
V˙1=0,此时
x
=
α
1
n
\mathbf{x}=\alpha {{\mathbf{1}}_{n}}
x=α1n,有
∣
x
i
−
x
j
∣
→
0
\left| {{x}_{i}}-{{x}_{j}} \right|\to 0
∣xi−xj∣→0,但是此时
V
1
≠
0
{{V}_{1}}\ne 0
V1=0。
2 关于均值的推论
这是一个经典的结论,如果图是一个平衡图,那么系统最终会稳定到初始的均值状态,考虑均值:
x
ˉ
=
1
n
∑
i
=
1
n
x
i
\bar{x}=\frac{1}{n}\sum\limits_{i=1}^{n}{{{x}_{i}}}
xˉ=n1i=1∑nxi求导:
x
ˉ
˙
=
1
n
∑
i
=
1
n
x
˙
i
=
k
n
∑
i
=
1
n
∑
j
∈
N
i
n
l
i
j
(
x
i
−
x
j
)
=
0
\begin{aligned} & \dot{\bar{x}}=\frac{1}{n}\sum\limits_{i=1}^{n}{{{{\dot{x}}}_{i}}} \\ & =\frac{k}{n}\sum\limits_{i=1}^{n}{\sum\limits_{j\in {{N}_{i}}}^{n}{{{l}_{ij}}\left( {{x}_{i}}-{{x}_{j}} \right)}} \\ & =0 \end{aligned}
xˉ˙=n1i=1∑nx˙i=nki=1∑nj∈Ni∑nlij(xi−xj)=0说明均值不变化,即
x
ˉ
(
t
)
=
x
ˉ
(
0
)
\bar{x}\left( t \right)=\bar{x}\left( 0 \right)
xˉ(t)=xˉ(0)。
下面考虑如下Lyapunov函数:
V
=
1
2
x
T
(
I
n
−
1
n
1
T
1
)
x
=
1
2
∑
i
=
1
n
(
x
i
−
x
ˉ
)
2
\begin{aligned} & V=\frac{1}{2}{{\mathbf{x}}^{T}}\left( {{I}_{n}}-\frac{1}{n}{{\mathbf{1}}^{T}}\mathbf{1} \right)\mathbf{x} \\ & =\frac{1}{2}\sum\limits_{i=1}^{n}{{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}} \end{aligned}
V=21xT(In−n11T1)x=21i=1∑n(xi−xˉ)2求导
V
˙
=
∑
i
=
1
n
(
x
˙
i
−
x
ˉ
˙
)
(
x
i
−
x
ˉ
)
=
∑
i
=
1
n
(
x
i
−
x
ˉ
)
x
˙
i
=
−
k
∑
i
=
1
n
(
x
i
−
x
ˉ
)
∑
j
=
1
n
l
i
j
x
j
=
−
k
∑
i
=
1
n
x
i
∑
j
=
1
n
l
i
j
x
j
−
k
x
ˉ
∑
i
=
1
n
∑
j
=
1
n
l
i
j
x
j
=
−
k
x
T
L
x
\begin{aligned} & \dot{V}=\sum\limits_{i=1}^{n}{\left( {{{\dot{x}}}_{i}}-\dot{\bar{x}} \right)\left( {{x}_{i}}-\bar{x} \right)} \\ & =\sum\limits_{i=1}^{n}{\left( {{x}_{i}}-\bar{x} \right){{{\dot{x}}}_{i}}} \\ & =-k\sum\limits_{i=1}^{n}{\left( {{x}_{i}}-\bar{x} \right)\sum\limits_{j=1}^{n}{{{l}_{ij}}{{x}_{j}}}} \\ & =-k\sum\limits_{i=1}^{n}{{{x}_{i}}\sum\limits_{j=1}^{n}{{{l}_{ij}}{{x}_{j}}}}-k\bar{x}\sum\limits_{i=1}^{n}{\sum\limits_{j=1}^{n}{{{l}_{ij}}{{x}_{j}}}} \\ & =-k{{\mathbf{x}}^{T}}L\mathbf{x} \end{aligned}
V˙=i=1∑n(x˙i−xˉ˙)(xi−xˉ)=i=1∑n(xi−xˉ)x˙i=−ki=1∑n(xi−xˉ)j=1∑nlijxj=−ki=1∑nxij=1∑nlijxj−kxˉi=1∑nj=1∑nlijxj=−kxTLx有如下关系:
0
≤
ρ
2
(
L
)
(
I
n
−
1
n
1
n
1
n
T
)
≤
L
0\le {{\rho }_{2}}\left( L \right)\left( {{I}_{n}}-\frac{1}{n}{{\mathbf{1}}_{n}}\mathbf{1}_{n}^{T} \right)\le L
0≤ρ2(L)(In−n11n1nT)≤L
ρ
2
(
L
)
{{\rho }_{2}}\left( L \right)
ρ2(L)为
L
L
L最小非零正特征值,这里笔者偷个懒,关于这个不等式详细证明参考下面两篇文章:
X. Yi, J. Wei, D. V. Dimarogonas, and K. H. Johansson, “Formation control for multi-agent systems with connectivity preservation and event-triggered controllers,” in Proc. 20th World Congr., IFAC, Toulouse, France, Jul. 2017, pp. 9367–9373.
M. Mesbahi and M. Egerstedt, Graph Theoretic Methods in Multi-Agent Networks. Princeton, NJ, USA: Princeton Univ. Press, 2010.
那么
V
˙
=
−
k
x
T
L
x
≤
−
ρ
2
(
L
)
k
x
T
(
I
n
−
1
n
1
n
1
n
T
)
x
\dot{V}=-k{{\mathbf{x}}^{T}}L\mathbf{x}\le -{{\rho }_{2}}\left( L \right)k{{\mathbf{x}}^{T}}\left( {{I}_{n}}-\frac{1}{n}{{\mathbf{1}}_{n}}\mathbf{1}_{n}^{T} \right)\mathbf{x}
V˙=−kxTLx≤−ρ2(L)kxT(In−n11n1nT)x即有
x
i
→
x
ˉ
=
x
ˉ
(
0
)
{{x}_{i}}\to \bar{x}=\bar{x}\left( 0 \right)
xi→xˉ=xˉ(0)