多节点协同系统的控制方法、设备及计算机可读存储介质

1.本发明涉及控制工程领域，尤其涉及多节点协同系统的控制方法、设备及计算机可读存储介质。


背景技术：

2.mas系统(multi-agent system，多智能体系统)是由在一个环境中交互的多个智能体组成的计算系统，作为一种全新的分布式计算技术，被广泛地应用于各个控制领域。在mas系统的协同控制中，主要是通过设计合适的控制协议使得各节点之间通过局部信息交换，驱使每个节点的状态或输出趋于一致，以此来协同完成一些单节点无法独自完成的复杂任务。
3.然而，在多节点协同系统的实时控制过程中，节点之间的实时信息交互出现障碍、系统模态发生异常跳变等行为，会对整个系统的稳定性产生负面影响，甚至会导致系统崩溃。例如，在同时包含领导者节点和跟随者节点的网络化控制系统的实际网络通信中，网络传输层的诱导跳变会造成系统中跟随者节点与领导者节点相互之间的状态不一致，从而导致系统的稳定性降低甚至丧失稳定性。
4.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

5.本发明的主要目的在于提供一种多节点协同系统的控制方法，旨在解决在多节点协同系统的实时控制过程中，节点之间的实时信息交互出现障碍、系统模态发生异常跳变等行为，造成系统中跟随者节点与领导者节点相互之间的状态不一致，从而导致系统的稳定性降低甚至丧失稳定性的技术问题。
6.为实现上述目的，本发明提供一种多节点协同系统的控制方法，应用于多节点协同系统，所述多节点协同系统中包含领导者节点和跟随者节点，所述多节点协同系统的控制方法包括以下步骤：
7.获取所述多节点协同系统中所述跟随者节点的状态信息；
8.根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差；
9.根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量；
10.基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
11.可选地，所述根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量的步骤之前，包括：
12.根据所述跟踪误差，确定对应的跟踪误差向量；
13.基于所述跟踪误差向量，计算所述自适应耦合增益系数。
14.可选地，所述根据所述跟踪误差，确定对应的跟踪误差向量的步骤包括：
15.获取所述多节点协同系统对应的有向图；
16.基于所述有向图，确定对应的拉普拉斯矩阵；
17.基于所述拉普拉斯矩阵和单位矩阵，确定对应的所述跟踪误差向量。
18.可选地，所述基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致的步骤，包括：
19.获取所述跟随者节点当前状态对应的状态参数；
20.根据所述输入控制向量以及所述跟随者节点当前状态对应的状态参数，计算所述跟随节点的目标状态参数；
21.基于所述目标状态参数，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
22.可选地，所述基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致的步骤之后，还包括：
23.获取反馈增益矩阵；
24.基于所述反馈增益矩阵、平滑递增函数以及自适应耦合增益系数，按照预设方式构建评估函数；
25.基于所述评估函数，判断所述多节点协同系统系统的稳定性。
26.可选地，所述评估函数根据李雅普诺夫第二稳定性定理构建，用于确定所述领导者节点与所述跟随者节点的状态信息，是否符合所述李亚普诺夫第二稳定性定理。
27.可选地，所述基于所述评估函数，判断所述多节点协同系统系统的稳定性的步骤之前，还包括：
28.构建所述多节点协同系统对应的跳变系统模型；
29.基于所述跳变系统模型，设定所述领导者节点和所述跟随者节点分别对应的预设状态方程；
30.基于所述跳变系统模型，模拟所述多节点协同系统发生异常跳变的场景；
31.在所述异常跳变场景下，执行所述基于所述评估函数，判断所述多节点协同系统系统的稳定性的步骤。
32.可选地，所述基于所述跳变系统模型，模拟所述多节点协同系统系统发生异常跳变的场景的步骤包括：
33.获取所述跳变系统模型包含的模态；
34.基于跳变概率，进行所述模态之间的跳变，以模拟所述多节点协同系统系统发生异常跳变的场景。
35.可选地，为解决上述技术问题，本发明还提供一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多节点协同系统的控制程序，所述多节点协同系统的控制程序配置为实现如上所述的多节点协同系统的控制方法的步骤。
36.可选地，为解决上述技术问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有多节点协同系统的控制程序，所述多节点协同系统的控制程序被处理器执行时实现如上所述的多节点协同系统的控制方法的步骤。
37.本发明实施例提供一种多节点协同系统的控制方法、设备及计算机可读存储介质，所述方法包括：获取多节点协同系统中跟随者节点的状态信息，进一步地，根据跟随者节点的状态信息，确定领导者节点与跟随着节点之间的跟踪误差，通过跟踪误差和自适应耦合增益系数，采用自适应跟踪算法，确定跟随者节点的输入控制向量，最后，基于输入控制向量，来控制跟随者节点跟随领导者节点，使得跟随者节点与所述领导者节点的状态趋于一致。通过上述方法，来控制跟随者节点的状态，跟随者节点始终跟随领导者节点，即使在多节点协同系统发生异常跳变时，系统内各个节点的状态在发生波动之后，能够逐渐趋于一致，保障了多节点协同系统的稳定性。
附图说明
38.图1为本发明多节点协同系统的控制方法第一实施例的流程示意图；
39.图2为本发明多节点协同系统的控制方法第二实施例的流程示意图；
40.图3为本发明第二实施例参考示例的第一参考图；
41.图4为本发明第二实施例参考示例的第二参考图；
42.图5为本发明第二实施例参考示例的第三参考图；
43.图6为本发明第二实施例参考示例的第四参考图；
44.图7为本发明第二实施例参考示例的第五参考图；
45.图8为本发明第二实施例参考示例的第六参考图；
46.图9为本发明第二实施例参考示例的第六参考图；
47.图10为本发明第二实施例参考示例的第六参考图；
48.图11是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
49.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
50.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
51.随着先进控制技术的日益发展，网络技术的更新迭代和普及，以及分布式大规模复杂网络的出现，mas引起了研究学者们极大的关注，被广泛地成功应用于各个控制领域，在生活方面：如无线传感器网络、大规模的分布式计算和能源系统的优先调度等；在科技和军事方面：例如机器人协同运动、舰队编队航行和无人机的编队飞行等。同时，由于其衍生于生物学、计算机、控制学和社会学等多个学科交叉和渗透发展，mas得到广泛关注，也为目前人工智能带来一次技术和应用上的飞跃。
52.一般来说，协同系统是由多个可计算的智能节点组成，其中，每个单节点可以是一个实际或抽象的实体，其特点是能够通过作用于自身和环境来实现邻居节点的信息传递和交互。在mas的协同控制中，协同一致性是其最基本的研究问题，其目标主要是通过设计合适控制协议使得各节点之间通过局部信息交换，驱使每个节点的状态或输出收敛到一个共同值。个体之间通过物理网络的通信方式完成一些单节点无法独自完成的复杂任务，该过程称之为协同控制。
53.然而，在多节点协同系统的实时控制过程中，节点之间的实时信息交互出现障碍、系统模态发生异常跳变等行为，会对整个系统的稳定性产生负面影响，甚至会导致系统崩
溃。例如，在同时包含领导者节点和跟随者节点的网络化控制系统的实际网络通信中，网络传输层的诱导跳变会造成系统中跟随者节点与领导者节点相互之间的状态不一致，从而导致系统的稳定性降低甚至丧失稳定性。
54.为解决上述技术问题，本发明通过提供一种多节点协同系统地控制方法，该方法的主要内容是一种全分布式的自适应跟踪控制算法，且该算法当中的自适应参数包括时变耦合增益参数。通过获取多节点协同系统中跟随者节点的状态信息，基于跟随者节点的状态信息，来确定领导者节点与跟随着节点之间的跟踪误差，通过跟踪误差和自适应耦合增益系数，按照自适应跟踪控制算法的运算方式，来确定跟随者节点的输入控制向量，最后，通过输入控制向量，来控制跟随者节点跟随领导者节点，使得跟随者节点与所述领导者节点的状态趋于一致。
55.以下，通过具体示例性方案对本发明权利要求要求保护的内容，进行解释说明，以便本领域技术人员更好地理解本发明权利要求的保护范围。可以理解的是，以下示例性方案不对本发明的保护范围进行限定，仅用于解释本发明。
56.本发明实施例提供了一种多节点协同系统的控制方法，参照图1，图1为本发明一种多节点协同系统的控制方法第一实施例的流程示意图。
57.本实施例中，所述多节点协同系统的控制方法包括：
58.步骤s10、获取所述多节点协同系统中所述跟随者节点的状态信息。
59.在本实施例中，多节点协同系统由多个可计算的智能节点组成，这些节点包括领导者节点以及跟随者节点，领导者节点负责管理群体的整体状态并协调跟随者节点的活动，而跟随者节点负责执行领导者节点分配给它们的任务。领导者节点以及跟随者节点之间基于控制协议，使得各节点之间通过局部信息交换，驱使每个节点的状态或输出都收敛到一个共同值，协同系统中各节点之间通过物理网络的通信方式，完成一些单节点无法独自完成的复杂任务。在协同系统中，领导者节点的数量一般情况下都为一，跟随者节点的数量则没有限制，在实际的应用场景当中，跟随者节点的数量可以可以根据实际的应用需求来进行调整或限制。节点的状态，可以理解为节点的工作运行状态，为便于分析和研究，可以将跟随者节点的状态信息理解为状态向量，状态向量是指在完全描述一个系统的动态行为时需要n个状态变量，这时可将这n个状态变量看作状态向量的各个分量。此外，协同系统中个节点的状态可以通过状态方程来进行描述，状态方程既反映系统中状态变量和输入变量间的因果关系，也反映每个状态变量对时间的变化关系。
60.获取多节点协同系统中跟随者节点的状态信息，主要是指各跟随者节点以及其邻居节点的状态信息，后续的全分布式自适应跟踪算法都是以跟随者节点的状态信息为基础来提出的。
61.在本实施例中，通过先获取多节点协同系统中跟随者见的状态信息，以便后续基于状态信息来进一步确定领导者节点与跟随者节点之间的跟踪误差。
62.步骤s20、根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差。
63.在本实施例中，多节点协同系统中的跟随者节点始终要跟随领导者节点的状态，并尽可能的与领导者节点的状态保持一致，但在实际跟随过程中，会因为一些因素，使得跟随者节点与领导者节点之间存在一定的时滞性，也即领导者节点与跟随者节点之间存在跟
踪误差。通过跟随者节点的状态信息，来进一步确定领导者节点与跟随者节点的跟踪误差。
64.可选地，领导者节点与各个跟随者节点之间的跟踪误差可以通过多节点协同系统对应的有向图来进行分析，跟踪误差表示方式可以采用跟踪误差向量来进行表示，基于有向图的跟踪误差表示为α为拉普拉斯矩阵的元素，xi表示跟随者节点，xj表示领导者节点，取ξ＝[ξ1,...,ξn]
t
，按照以下紧凑的方式，跟踪误差可写成如下向量的形式：
[0065][0066]
其中，l1为拉普拉斯矩阵，in为单位矩阵。
[0067]
在本实施例中，通过多节点协同系统对应的有向图，来确定领导者节点与跟随者节点的跟踪误差之间的跟踪误差，并以跟踪误差向量的方式来表示跟踪误差，以便后续计算跟随者节点的控制向量。
[0068]
步骤s30、根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量。
[0069]
根据所述跟踪误差和自适应耦合增益系数，确定所述跟随者节点的输入控制参数。
[0070]
在本实施例中，基于跟踪误差以及自适应耦合增益系数，来计算跟随者节点的输入控制参数。自适应耦合增益系数是一种时变耦合参数，代表跟随者节点与领导者节点的耦合程度。以下为自适应跟踪控制算法的表达式。
[0071]
需要说明的是，自适应耦合增益系数也是基于跟踪误差计算得到的，参照以下表达式，ci表示自适应耦合增益系数，通过跟踪误差向量以及反馈增益矩阵来进行计算：
[0072][0073]
其中为基于图的跟踪误差，对于任意的s》0，ρ
ir
(s)≥0，ci(t)是对应于第i个节点的自适应耦合增益系数，节点的个数为n，满足初始值ci(0)≥1，对应的反馈增益矩阵pr》0、kr和γr是稍后给定的待求解矩阵，ρ
ir
(.)为平滑递增函数且满足ρ
ir
(s)≥1对于任意的s》0成立。ui表示需要计算的输入控制参数，其表达式当中显示，输入控制参数的计算是基于跟踪误差、反馈增益矩阵、自适应耦合增益系数以及平滑递增函数来进行的。
[0074]
在多节点协同系统中，如果领导者节点(节点0)的状态方程表示为：
[0075][0076]
，跟随者节点的状态方程表示则为：
[0077][0078]
使用下标i＝0代表领导者，下标i∈{1,...,n}代表跟随者，和分别
表示第i个节点的系统状态参数和控制输入参数，假定领导者的控制输入u0＝0，和分别是具有合适维度的系统矩阵，对应的θ
i(t)
∈m＝{1,...,s}为对应协同系统矩阵的模态。
[0079]
通过上述跟随者节点的状态方程的表达式可以得知，通过计算得到跟随者节点的输入控制参数，代入到跟随者节点的状态方程当中，可以进一步得到用于控制跟随者节点的状态的目标状态参数，也就可以达到控制跟随者节点状态的目的。
[0080]
可选地，上述状态方程并不构成对跟随者节点以及领导者节点状态的限定。
[0081]
在本实施例中，通过确定跟随者节点的输入控制参数，以便后续能够控制跟随者节点的状态。
[0082]
步骤s40、基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
[0083]
在本实施例中，在计算得到输入控制参数之后，基于跟随者节点的预设状态方程，根据输入控制向量，以及所述跟随者节点当前状态对应的状态参数，来计算所述跟随节点的目标状态参数，基于目标状态参数，控制跟随者节点的状态与所述领导者节点的状态趋于一致。随者节点的状态方程为步骤s30中写到的状态方程。
[0084]
为便于更加细致地理解本发明的技术方案，以下通过一示例进行说明。
[0085]
示例性的，应用数学建模的方式来构建一组由n+1个相同的单节点构成的领导跟随的马尔可夫跳变多节点协同系统对应的数学模型，该数学模型能够模拟协同系统发生异常跳变的情况，通过应用本发明的自适应跟踪算法，基于输入控制参数来控制跟随者节点的状态，观测系统在发生异常跳变时，跟随者节点状态的变化情况，以此判断系统的稳定性。其中，领导者节点的状态方程表示为：
[0086][0087]
，跟随者节点的状态方程则表示为：
[0088][0089]
使用下标i＝0代表领导者，下标i∈{1,...,n}代表跟随者，和分别表示第i个节点的系统状态参数和控制输入参数，假定领导者的控制输入u0＝0，和分别是具有合适维度的系统矩阵，对应的θ
i(t)
∈m＝{1,...,s}为对应协同系统矩阵的模态。
[0090]
系统模态的切换过程使用齐次马尔可夫过程进行数学建模，且对应的轨迹是右连续的。为方便标注，后面均使用θ
i(t)
＝r表示系统的当前模态，θ
i(t+dt)
＝s表示系统的下一时刻的模态，θ
i(t)
遵循转移速率矩阵π＝[π
rs
]且满足
[0091][0092]
其中dt表示无穷小转移时间间隔，o(dt)表示更高阶的dt，且满足lim
dt
→0(o(dt)/dt)＝0。π
rs
表示系统从t时刻的模态r切换到t+dt时刻的模态s过程的转移速率，且满足
和
[0093]
在完成以上建模过程之后，由跳变模型来模拟系统发生异常跳变的情况。
[0094]
自适应跟踪控制算法表达式如下：
[0095][0096]
取ξ＝[ξ1,...,ξn]
t
，按照以下方式，跟踪误差可写成如下向量的形式：
[0097][0098]
控制目标为实现通过上述跟踪误差向量的表达式得，当且仅当ξ渐进地趋向于0时即可实现，系统领导者节点和跟随者节点所描述的领导跟随问题可被解决。进一步，通过将自适应跟踪控制算法表达式和踪误差向量的表达式代入领导者节点的状态方程和跟随者节点的状态方程中，可推得关于跟踪误差ξ的动态系统如下：
[0099][0100]
其中，
[0101][0102]
通过上述变换，将多节点系统状态xi之间的跟踪问题，转换成基于图的跟踪误差ξ的动态系统的稳定问题。因此，后面只需要通过构建李雅普诺夫函数，利用李雅普诺夫第二稳定性理论来分析系统的稳定性，即证明随着时间t
→
∞，ξ
→
0。
[0103]
进一步的，参照图2，本发明多节点协同系统的控制方法，第二实施例包括以下步骤：
[0104]
步骤s50、构建所述多节点协同系统对应的跳变系统模型。
[0105]
步骤s60、基于所述跳变系统模型，设定所述领导者节点和所述跟随者节点分别对应的状态方程。
[0106]
步骤s70、基于所述跳变系统模型，模拟所述多节点协同系统发生异常跳变的场景。
[0107]
步骤s80、在所述异常跳变场景下，执行所述基于所述评估函数，判断所述多节点协同系统系统的稳定性的步骤。
[0108]
在本实施例中，为了验证本发明提供的自适应跟踪控制算法的有效性，采用数学建模的方式来构建当前多节点协同系统对应的跳变系统模型，在该跳变系统模型当中，预先设置好跟随者点节点以及领导者节点各自对应的状态方程。通过当前跳变系统模型，可以模拟多节点协同系统发生异常跳变的场景。可选地，构建的跳变系统模型为马尔可夫跳
变系统模型，在该模型当中，系统存在多种模态，基于随机的跳变概率，实现多模态之间的跳变，以此来模拟系统发生异常跳变的场景。在发生异常跳变时，基于构建的评估函数来评估多节点协同系统的稳定性。评估函数为根据李雅普诺夫第二稳定性定理构建的函数，在发生异常跳变时，多节点协同系统的稳定性的评估，为判断所述多节点协同系统中领导者节点以及跟随者节点的状态信息，是否符合所述李亚普诺夫第二稳定性定理。当符合李亚普诺夫第二稳定性定理时，证明系统是稳定的，也就相当于本发明的自适应跟踪控制算法是有益的，能够在一定程度上维持系统稳定性，相反，当不符合李亚普诺夫第二稳定性定理时，则证明系统是不稳定的。
[0109]
可选地，采用matlab来构建当前多节点协同系统对应的马尔可夫跳变多节点协同系统，在该系统当中，预先设定好领导者节点与跟随者节点各自对应的状态方程。此外，还要构建评估函数，即李亚普诺夫函数，通过反馈增益矩阵、平滑递增函数以及自适应耦合增益系数，按照预设方式构建评估函数。
[0110]
该函数的表达式如下：
[0111]
v＝v1+v2[0112]
其中，
[0113][0114]
r对应马尔科夫跳变θ
i(t)
的模态。是矩阵的最小特征值，其中g＝diag(q1,
…
,qn)，使得成立。
[0115]
根据李雅普诺夫第二稳定性定义，提出的具有模态依赖的自适应跟踪控制算法能够解决系统所描述的马尔可夫跳变协同系统的跟踪控制问题，对应的平滑递增函数反馈增益矩阵分别是反馈增益矩阵分别是pr》0是下列lmis的一组解，且存在解的一个必要性条件是系统矩阵(ar,br)是可均方稳定的。每个耦合增益系数ci最终将收敛到有限的稳定状态值。
[0116][0117]
为便于更加细致地理解本发明的技术方案，以下通过另一示例进行演示说明。
[0118]
示例性的，考虑一个由6个跟随者和1个领导者所组成的马尔可夫跳变协同系统，节点之间的有向通信拓扑如图3所示。同样地，各节点之间的通信拓扑为有向图，且对应的通信图g满足有向图基本规则，如果节点之间有连接，对应的权重值为1。
[0119]
由图3计算可知图g的邻接矩阵a、入度矩阵d和由跟随者组成的gs拉普拉斯矩阵l1分别是
[0120][0121][0122]
考虑领导者和跟随者的动态系统模型为三阶系统模型，且对应的系统矩阵：
[0123][0124][0125]
假定节点的系统模态在对应3个模态之间进行随机跳转，即θ
i(t)
∈m＝{1,2,3}且对应的转移速率矩阵满足
[0126]
给定各子系统初始模态为θ
i(0)
＝1,i∈1,...,6，自适应耦合增益系数ci(0)的初始值在区间[1,3]随机选择。为了更好地验证所设计的自适应控制算法的可行性和适用性，下面分别选取两组不同的节点初始值：
[0127]
第一组初始值(i)：x1(0)＝[-0.10.10]
t
，x2(0)＝[-0.500.5]
t
，x3(0)＝[-0.300]
t
，x4(0)＝[0-0.50]
t
，x5(0)＝[0.10.50]
t
，x6(0)＝[10.30]
t
和x0(0)＝[00-0]
t
。
[0128]
第二组初始值(ii)：x1(0)＝[-1.510]
t
，x2(0)＝[-2.501.5]
t
，x3(0)＝[-3.500]
t
，x4(0)＝[-130]
t
，x5(0)＝[1.52.50]
t
，x6(0)＝[130]
t
和x0(0)＝[00-0]
t
。
[0129]
首先，在matlab中使用脚本函数对系统矩阵进行定义。然后，调用lmi工具箱来描述不等式(4-8)。通过feasp求解器求解控制器的反馈增益矩阵，根据线性不等式及约束条件，在matlab中使用脚本函数对系统矩阵进行定义，然后调用lmi工具箱来描述不等式。最后，通过feasp求解器求解反馈增益矩阵。求解出的反馈增益矩阵结果如下：
[0130]
k1＝[-0.9194
ꢀ‑
1.9056
ꢀ‑
2.5039],
[0131]
k2＝[-0.8347
ꢀ‑
1.5928
ꢀ‑
2.4408],
[0132]
k3＝[-0.7967
ꢀ‑
1.5853
ꢀ‑
2.2905],
[0133]
对应的自适应耦合增益矩阵如下：
[0134][0135][0136][0137]
参照图4到图10为数值仿真结果，其中图4-图6表示在情况(i)下，所对应三阶系统的状态x1，x2和x3的状态轨迹以及与领导者之间的跟踪误差x
i-x0。图7-图10分别表示在情况(ii)下，所对应三阶系统状态x1，x2和x3的状态轨迹以及与领导者之间的跟踪误差。可以看出在初始化情况(i)下，在大约15s之后，跟随者逐渐和领导者的状态轨迹趋于一致。在初始化情况(ii)下，大约20s之后，跟随者和领导者逐渐趋于一致，分析上述现象是因为情况(ii)的初始值，均比情况(i)的初始值约大10倍，各节点所需要的控制输入量也相应的增加，趋于一致性的时间稍缓。因此，需要合理的选择系统的初始值并在实际应用中谨慎选择设计参数，使得系统的控制性能满足要求。
[0138]
另外，图10展示了两种初始值不同的情况下，对应的自适应耦合增益系数的变化轨迹曲线，图10右侧图表中的ei的轨迹曲线相比于图10左侧图表中ei变化幅值更大，相对来说，该系数调整的幅度也较大，后续两者都是慢慢趋向于稳定状态。
[0139]
在本实施例中，通过构建跳变系统模型以及应用评估函数的方式，来评估系统的稳定性，并基于数据结果来证明本发明自适应跟踪控制算法的有效性。即使系统在发生异常跳变的情况下，各节点的状态仍然能够趋于一致，保证了系统的稳定性。
[0140]
参照图11，图11为本发明实施例方案涉及的硬件运行环境的设备结构示意图。
[0141]
如图11所示，该设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏
(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0142]
本领域技术人员可以理解，图11中示出的结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0143]
如图11所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及多节点协同系统的控制程序。
[0144]
在图11所示的设备中，网络接口1004主要用于与其他设备进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明设备中的处理器1001、存储器1005可以设置在设备中，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：获取所述多节点协同系统中所述跟随者节点的状态信息；根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差；根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量；基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
[0145]
获取所述多节点协同系统中所述跟随者节点的状态信息；
[0146]
根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差；
[0147]
根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量；
[0148]
基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
[0149]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0150]
根据所述跟踪误差，确定对应的跟踪误差向量；
[0151]
基于所述跟踪误差向量，计算所述自适应耦合增益系数。
[0152]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0153]
获取所述多节点协同系统对应的有向图；
[0154]
基于所述有向图，确定对应的拉普拉斯矩阵；
[0155]
基于所述拉普拉斯矩阵和单位矩阵，确定对应的所述跟踪误差向量。
[0156]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0157]
获取所述跟随者节点当前状态对应的状态参数；
[0158]
根据所述输入控制参数以及所述跟随者节点当前状态对应的状态参数，计算所述跟随节点的目标状态参数；
[0159]
基于所述目标状态参数，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。
[0160]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0161]
获取反馈增益矩阵；
[0162]
基于所述反馈增益矩阵、平滑递增函数以及自适应耦合增益系数，按照预设方式构建评估函数；
[0163]
基于所述评估函数，判断所述多节点协同系统系统的稳定性。
[0164]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0165]
构建所述多节点协同系统对应的跳变系统模型；
[0166]
基于所述跳变系统模型，设定所述领导者节点和所述跟随者节点分别对应的预设状态方程；
[0167]
基于所述跳变系统模型，模拟所述多节点协同系统发生异常跳变的场景；
[0168]
在所述异常跳变场景下，执行所述基于所述评估函数，判断所述多节点协同系统系统的稳定性的步骤。
[0169]
进一步地，所述设备通过处理器1001调用存储器1005中存储的多节点协同系统的控制程序，并执行以下步骤：
[0170]
可选地，所述基于所述跳变系统模型，模拟所述多节点协同系统系统发生异常跳变的场景的步骤包括：
[0171]
获取所述跳变系统模型包含的模态；
[0172]
基于跳变概率，进行所述模态之间的跳变，以模拟所述多节点协同系统系统发生异常跳变的场景。
[0173]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0174]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0175]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0176]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本发明的专利保护范围内。

技术特征：
1.一种多节点协同系统的控制方法，其特征在于，应用于多节点协同系统，所述多节点协同系统中包含领导者节点和跟随者节点，所述多节点协同系统的控制方法包括以下步骤：获取所述多节点协同系统中所述跟随者节点的状态信息；根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差；根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量；基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。2.如权利要求1所述的多节点协同系统的控制方法，其特征在于，所述根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量的步骤之前，包括：根据所述跟踪误差，确定对应的跟踪误差向量；基于所述跟踪误差向量，计算所述自适应耦合增益系数。3.如权利要求2所述的多节点协同系统的控制方法，其特征在于，所述根据所述跟踪误差，确定对应的跟踪误差向量的步骤包括：获取所述多节点协同系统对应的有向图；基于所述有向图，确定对应的拉普拉斯矩阵；基于所述拉普拉斯矩阵和单位矩阵，确定对应的所述跟踪误差向量。4.如权利要求1所述的多节点协同系统的控制方法，其特征在于，所述基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致的步骤，包括：获取所述跟随者节点当前状态对应的状态参数；根据所述输入控制向量以及所述跟随者节点当前状态对应的状态参数，计算所述跟随节点的目标状态参数；基于所述目标状态参数，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。5.如权利要求1所述的多节点协同系统的控制方法，其特征在于，所述基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致的步骤之后，还包括：获取反馈增益矩阵；基于所述反馈增益矩阵、平滑递增函数以及自适应耦合增益系数，按照预设方式构建评估函数；基于所述评估函数，判断所述多节点协同系统系统的稳定性。6.如权利要求5所述的多节点协同系统的控制方法，其特征在于，所述评估函数根据李雅普诺夫第二稳定性定理构建，用于确定所述领导者节点与所述跟随者节点的状态信息，是否符合所述李亚普诺夫第二稳定性定理。7.如权利要求5所述的多节点协同系统的控制方法，其特征在于，所述基于所述评估函
数，判断所述多节点协同系统系统的稳定性的步骤之前，还包括：构建所述多节点协同系统对应的跳变系统模型；基于所述跳变系统模型，设定所述领导者节点和所述跟随者节点分别对应的预设状态方程；基于所述跳变系统模型，模拟所述多节点协同系统发生异常跳变的场景；在所述异常跳变场景下，执行所述基于所述评估函数，判断所述多节点协同系统系统的稳定性的步骤。8.如权利要求7所述的多节点协同系统的控制方法，其特征在于，所述基于所述跳变系统模型，模拟所述多节点协同系统系统发生异常跳变的场景的步骤包括：获取所述跳变系统模型包含的模态；基于跳变概率，进行所述模态之间的跳变，以模拟所述多节点协同系统系统发生异常跳变的场景。9.一种设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多节点协同系统的控制程序，所述多节点协同系统的控制程序配置为实现如权利要求1至8中任一项所述的多节点协同系统的控制方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有多节点协同系统的控制程序，所述多节点协同系统的控制程序被处理器执行时实现如权利要求1至8任一项所述的多节点协同系统的控制方法的步骤。

技术总结
本发明公开了一种多节点协同系统的控制方法、设备及计算机可读存储介质，应用于多节点协同系统，所述多节点协同系统中包含领导者节点和跟随者节点，所述多节点协同系统的控制方法包括以下步骤：获取所述多节点协同系统中所述跟随者节点的状态信息；根据所述跟随者节点的所述状态信息，确定所述领导者节点与所述跟随着节点之间的跟踪误差；根据所述跟踪误差和所述跟随者节点对应的自适应耦合增益系数，确定所述跟随者节点的输入控制向量；基于所述输入控制向量，控制所述跟随者节点跟随所述领导者节点，以使所述跟随者节点的状态与所述领导者节点的状态趋于一致。通过上述方法，能够维持多节点协同系统的稳定性。维持多节点协同系统的稳定性。维持多节点协同系统的稳定性。


技术研发人员：邱丽 王梦龙 邓涛 朱啟明 黄真 刘承香
受保护的技术使用者：深圳大学
技术研发日：2023.04.13
技术公布日：2023/8/9