一种针对数据丢包的时滞多智能体系统故障检测方法

摘要

本发明提供了一种针对数据丢包的时滞多智能体系统故障检测方法，属于故障检测技术领域，包括：根据多智能体系统的信息拓扑结构，建立描述同时含有故障信息、网络时延和数据丢包特征的系统模型；在系统模型的基础上结合多智能体的每个节点在网络上传播的信息，构建辅助状态向量；在智能体节点上构建状态观测器，实时估计系统的状态信息和辅助状态向量信息；利用状态观测器的输出信息，构建故障指示状态向量，比较故障指示状态向量中各元素的阈值大小判断故障点。该方法通过比较故障指示状态向量中各元素的阈值大小，可以通过一个节点监控整个系统节点的故障状态。

说明书

技术领域

本发明属于故障检测技术领域，具体涉及一种针对数据丢包的时滞多智能体系统故障检测方法。

背景技术

多智能体系统具有灵活的可扩展性，是目前解决复杂网络控制系统的有效手段。但是，由于多智能体系统没有监控实体，这也使得多智能体系统非常容易遭受故障的影响，比如智能体本身的执行器故障、传感器故障以及来自网络的攻击故障。当其中一个节点遭受故障时，故障信号可能通过网络传播到其他节点，从而影响整个系统的安全运行。因此，安全性是保证多智能体系统正常运行的关键。并且，受限于网络本身的影响，多智能体系统在信息传输过程中还会受到网络时滞和数据丢包的影响。

对智能体系统本身是一个分布式系统，缺少监控整个系统状态的网络实体。传统的基于监控实体的集中故障检测方法不适用于对智能体系统。多智能体系统的网络化拓扑结构也会系统在信息传递中出现信息延迟和数据丢包的影响。目前基于未知输入观测器的分布式故障检测方法是对智能体系统进行故障检测的一种有效方法。但是，基于未知输入观测器的分布式故障检测需要在一个节点上构建多个观测器，这不仅增加了节点的运算负担，也会在很大程度上影响系统的实时性。并且，目前的一些故障检测方法也没有考虑到网络时滞和数据丢包对系统的影响。

发明内容

为了克服上述现有技术存在的不足，本发明提供了一种针对数据丢包的时滞多智能体系统故障检测方法，目的在于构建一个计算简单并可以有效抑制网络时滞和数据丢包的多智能体系统的故障检测方法。

为了实现上述目的，本发明提供如下技术方案：

一种针对数据丢包的时滞多智能体系统故障检测方法，包括以下步骤：

根据多智能体系统的信息拓扑结构，建立描述同时含有故障信息、网络时延和数据丢包特征的系统模型；

在系统模型的基础上结合多智能体的每个节点在网络上传播的信息，构建辅助状态向量；

在智能体节点上构建状态观测器，实时估计系统的状态信息和辅助状态向量信息；

利用状态观测器的输出信息，构建故障指示状态向量，比较故障指示状态向量中各元素的阈值大小判断故障点。

优选地，所述系统模型的构建包括以下步骤：

多智能体系统的节点状态系统表示如下：

x

其中，x

其中，K为系统的控制增益，a

考虑到系统延迟和数据丢包的影响，

x

其中，θ

联立(2)和(3)，得到含有网络时滞和数据丢包影响的控制输入：

令x(k)＝(x

x(k+1)＝x(k)-kM

其中：

ω(k)＝(ω

f(k)＝(f

M

其中，L表示系统的拓扑图的权重矩阵，ω(k)是系统的扰动向量，f(k)是系统的故障向量,M

优选地，根据系统的当前状态值以及控制协议的输出信号共同构建公式(6)所示的辅助状态信息，辅助输出状态为z

令z(k)＝(z

其中，I是具有一定适维数的单位矩阵。

优选地，所述状态观测器为：

其中，Γ

优选地，所述状态观测器抑制网络时延和数据丢包的参数正定方法为：

当以下不等式满足成立时，观测器(8)、观测器(9)对存在故障、网络时延和数据丢包的多智能体系统的状态信息进行有效估计：

其中，

Λ＝diag{θ

其中，I

优选地，故障指示状态和代价函数如下：

J

当

本发明提供的针对数据丢包的时滞多智能体系统故障检测方法具有以下有益效果：

该发明在系统状态信息的基础上构建的辅助状态向量，不需要其它的额外信息，不会增加系统的通信消耗。设计的状态观测器，可以抑制网络时延和数据丢包对状态估计的影响，具有较强的鲁棒性。观测器的设计参数少，且正定过程简单，不会增加系统的运算负担，可以实现在线实时检测。

附图说明

为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1的针对数据丢包的时滞多智能体系统故障检测方法的流程图。

具体实施方式

为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例1

本发明提供了一种针对数据丢包的时滞多智能体系统故障检测方法，具体如图1所示，包括以下步骤：

步骤1、根据多智能体系统的信息拓扑结构，建立描述同时含有故障信息、网络时延和数据丢包特征的系统模型；

步骤2、在系统模型的基础上结合多智能体的每个节点在网络上传播的信息，构建辅助状态向量；辅助状态变量的目的是为了估计系统中故障信号及扰动信号。

步骤3、在智能体节点上构建状态观测器，实时估计系统的状态信息和辅助状态向量信息；并给出了观测器抑制网络时延和数据丢包的参数整定算法；

步骤4、利用状态观测器的输出信息，构建故障指示状态向量，比较故障指示状态向量中各元素的阈值大小判断故障点，可以通过一个节点监控整个系统节点的故障状态。

具体的，步骤1中系统模型和步骤2中辅助状态向量的构建过程如下：

系统模型的构建如下：

多智能体系统的节点状态系统可以表示如下：

x

其中，x

其中，K为系统的控制增益，a

考虑到系统延迟和数据丢包的影响，

x

其中，θ

联立(2)和(3)，得到含有网络时滞和数据丢包影响的控制输入：

令x(k)＝(x

x(k+1)＝x(k)-kM

其中：

ω(k)＝(ω

f(k)＝(f

M

其中，L表示系统的拓扑图的权重矩阵，ω(k)是系统的扰动向量，f(k)是系统的故障向量,M

构建一个像x

令z(k)＝(z

其中，I是具有一定适维数的单位矩阵。

以上，本发明够构建了一个包含故障信息、网络时延和数据丢包影响的多智能体系统模型。基于此模型，本发明可以构建实现故障检测功能的观测器。

其中：Γ

令

本发明可以得到如下状态方程

其中，

为了获得估计偏差，本发明可以选择e

联立(10)、(13),可以得到

将(11)带入(14)得

又因为:

由(13),(15),(16)和(17)得到

其中，

联立(7)和(11)得

将(12)、(13)带入(19)得:

e

其中，

状态观测器抑制网络时延和数据丢包的参数正定方法为：

当以下不等式满足成立时，观测器(8)、(9)可以在对存在故障、网络时延和数据丢包的多智能体系统的状态信息进行有效估计

其中，

Λ＝diag{θ

其中，I

由此，通过利用线性矩阵不等式求解公式(21)和(22)，可以最终确定本发明可以的观测器的待定系数g。

根据观测器的输出，本发明可以构建下面的故障指示状态和代价函数

J

(24)

当

本发明针对复杂网络环境下的多智能体系统，提出了一种在线的故障检测方法，以提高系统的安全性。该算法利用智能体系统的相关信息，构建了一种在线故障观测器，并提出了能够抑制网络延迟和数据丢包影响的观测器参数正定方法。利用本发明的故障检测方法，通过在一个网络节点上构建的估测器，可以有效监控整个网络节点的故障信息，并能确定故障节点的位置。由于该算法只是利用了智能体系统的相关状态信息，没有其他的额外性，不会增加系统的网络传输消耗。并且该算法的参数正定方法简单，计算量小，可以实现有效的在线故障检测。

以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。