本文是一篇机械论文，本文针对具有单个领导者的柔性机械臂多智能体系统，提出了一种基于相对阈值事件触发的自适应命令滤波一致跟踪控制算法。
第一章绪论
1.1研究背景及意义
近20年来，多智能体系统得到了计算机、人工智能及自动化等学科的广泛关注。对于多智能体的研究兴趣，源自于自然界群集现象的启发，比如大雁南飞、鱼类成群、蝌蚪群游等，由此引发了人们对多智能体的研究。多智能体是指多个单智能体为了实现某些控制目标，智能体之间通过网络信息通信等方式相互作用和相互协调来共同完成一项任务，从而形成一个耦合的群体网络系统[1-3]。每个智能体都是一个具有独立感知、计算、决策和行为能力的动力学系统，任何一个能独立思考并可以与环境进行信息交互的个体都可以成为智能体，比如机械臂、卫星、网络传感器、飞行器等等。随着当今社会的高速发展，多智能体系统一致性控制和编队控制在军事、航空航天、智能交通、娱乐生活以及社会经济等多个领域展现了广泛的应用前景，比如图1-1所示智能交通管理系统、图1-2所示电力管理系统等，逐渐成为了智能自动控制领域的研究热点方向[4-12]。一致性控制的研究重点是多智能体系统在向目标和设定方向的运动过程中，不仅需要适应外界干扰、通信障碍、延迟等环境约束，并且还需考虑整个多智能体系统中几何稳定的控制问题。此外，编队控制作为多智能体领域一个重要的研究方向，在实际的工程工业环境中得到了丰富的应用。许多专家学者对空中战斗机、水下自主机器人、水面航海舰队、无人车和无人机等编队控制领域展开了广泛的研究，如图1-3所示无人车编队系统、图1-4所示水面航母编队系统、图1-5所示水下机器人编队系统等。一致控制研究为编队控制提供了重要的研究基础和技术支撑，也进一步为多智能体系统相关方面的研究提供了坚实的基础。
机械论文参考
............................
1.2机械臂多智能体系统
近些年来，随着人们生活水平的日益提高以及科学技术水平的飞速发展，对生活智能化、自动化和信息化的要求也逐步提高，机械臂技术已经被广泛应用到医疗、家居、康复等领域。比如随着服务型机器人的兴起，我们的日常生活也逐渐出现了一些低成本的、小型的、“桌面版”的机械臂产品。由于机械臂在生活中的大量运用，使得人类的生产效率得以大幅度的提高，同时也改善了我们的工作环境，让人们的生活越来越智能化。机械臂多智能体是融合了控制工程、人工智能、机械工程等多种学科技术的一个自动化设备，集成了多种学科的优秀成果，代表了高新科技技术的发展前沿，在工业、军事等领域均有重要的应用，在一定程度上反映了一个企业乃至国家先进程度的一个重要标准。
根据国际标准化组织给出的定义，机械臂是一种自动的、位置可控的、具有编程能力的多功能自动装置，能够借助可编程程序来处理各种操作任务。一个机械臂系统通常包括三部分，分别是机械部分、传感部分以及控制部分，共由六个子系统组成，具体为机械系统、机械臂/环境交互系统、驱动系统、感知系统、人机交互系统以及控制系统，具体结构如图1-9所示。机械臂是一个时变的、强耦合的实际复杂非线性系统，其相关的一些设置参数、负载和运行空间环境等都是可以变化的，另外由于实际工作中存在测量误差、外部扰动以及驱动设备等不确定因素，因此建立完整的、精确的动力学和运动学模型非常困难，从而在很大程度上影响了机械臂控制器的设计以及控制品质，机械臂控制系统的物理结构示意图如图1-10所示。另外，随着一些工程以及工业环境的改善，对机械臂的控制结果精度要求不断地提高，因此对机械臂的研究具有很重要的理论意义以及实用价值，在研究者的不断努力下，取得了一些显著的研究成果[16-20]。
..............................
第二章基于相对阈值事件触发的柔性机械臂多智能体系统的自适应一致跟踪控制算法
2.1引言
近年来，由于工程和工业领域的快速发展以及对机器人机械臂的广泛应用，引起了人们对柔性机械臂控制问题研究的广泛关注，很多有关柔性机械臂的控制策略被提出[60-64]。此外，受自然界蜂拥成群、大雁南飞、鱼游成群等聚集现象的启发，也引起了控制领域许多专家学者对多智能体系统的一致跟踪控制问题的极大兴趣。经过关于多智能体系统一致跟踪控制的大量研究，已经成功地提出了一些控制方法达到了跟随者的输出能够同步跟上领导者输出的目标，例如，参见工作[65-68]及其参考文献。然而，由于柔性机械臂多智能体系统本身复杂的结构以及固有的非线性特征，因此目前对于柔性机械臂多智能体系统的一致跟踪控制的研究仍是一个开放性的课题。
由于未知的非线性广泛地存在于大量的实际控制系统中，使得对控制器的设计更加的困难。针对动态系统中完全未知的非线性问题，智能估计技术是解决这一问题的有效方法，如模糊逻辑技术和神经网络技术[69-72]。值得强调的是，在柔性机械臂多智能体系统的反步设计推导过程中，每一步均结合Backstepping方法、Lyapunov函数稳定性理论和自适应智能技术来设计有效的控制器以确保所需要的系统性能。然而，由于在反步设计框架下的推导过程中对虚拟控制的重复求导，计算复杂度大大增加，导致了“复杂性爆炸”问题。据研究所知，动态面控制技术和命令滤波技术[73-76]是两种解决“复杂性爆炸”问题的有效方法。文献[77]针对非线性严格反馈系统提出了一种动态面控制方法，有效地降低了控制器设计的复杂性。然而，与命令滤波技术相比，动态面技术更为保守，因为它需要假设虚拟控制的导数是有界的。虽然命令滤波技术在现有的研究结果中得到了广泛的应用，但尚未被用于解决柔性机械臂多智能体系统的一致跟踪问题。
...........................
2.3自适应一致性跟踪控制器设计和稳定性分析
2.3.1自适应一致性跟踪控制器设计
机械论文参考
........................
第三章 基于切换阈值事件触发的柔性机械臂多智能体系统的自适应渐近跟踪包含控制算法 ........................... 39
3.1 引言 ................................... 39
3.2 系统描述和预备知识 ..................... 40
第四章 总结与展望 ................................ 66
4.1 总结 ..................................... 66
4.2 展望 ....................................... 67
第三章基于切换阈值事件触发的柔性机械臂多智能体系统的自适应渐近跟踪包含控制算法
3.1引言
近年来，多智能体系统的协同控制[21-25]由于其在无人机编队控制、交通车辆调度控制、智能电网控制、网络资源分配等领域的广泛应用，已成为控制领域的一个研究热点。此外，由于农业及工业领域对智能机械臂的运用愈加普遍，引起了大量控制领域专家的相关研究浪潮，并取得了一些研究成果[16-20]。随着研究的逐渐成熟以及对机械臂高精度、高速度和高稳定性要求的不断提高，机械臂多智能体系统的控制研究引起了研究者们的深度思考，并得到了一些有效的成果。此外，基于已有控制方案得出的控制结果大都是一个领导者和多个跟随者的类型，为了提高智能体之间的信息传递效率，具有多个领导者和多个跟随者的柔性机械臂多智能体系统的包含控制算法是一个有意义的研究课题。
由于未知的非线性广泛的存在于大多数实际系统中，从而增大了设计控制器的困难，智能逼近技术[36-43](模糊逻辑技术和径向基函数神经网络技术)被提出来解决这一问题。文献[70]中利用坐标变换、变量分离技术以及径向基函数神经网络的通用逼近能力，构造了各个子系统的公共状态反馈控制器，从而实现了整个闭环切换系统的半全局依概率有界。针对实际的柔性机械臂系统，通常会采用合理的坐标变换对系统进行转换，进而利用反步法进行设计。但是有一个明显的缺陷值得注意，在基于反步法进行证明推导的过程中，需要对虚拟控制重复求导，计算量随着系统阶数的增高而不断地增大，这将导致“复杂性爆炸”问题。为了解决这一问题，现有文献中提出了动态面技术和命令滤波技术[73-76]两种有效的处理方法。相比于动态面技术，命令滤波技术的优势在于通过引入补偿信号可以减少因命令滤波器而引起的误差。但是通过结合命令滤波技术和反步法来降低计算复杂度的方法还未广泛应用于柔性机械臂多智能体系统，因此对柔性机械臂多智能体系统采用命令滤波技术、设计新的坐标变换来解决“复杂性爆炸”问题是一个有意义的研究方向。
...............................
第四章总结与展望
4.1总结
由于机械臂多智能体在工业、医疗、交通运输、航空航天等领域的广泛使用，机械臂多智能体逐渐走入我们的日常生活中，使得对其研究具有重要的经济和社会价值。但是由于机械臂多智能体系统结构的复杂性、不确定性以及非线性程度逐渐提高，使得对该模型的分析、设计以及控制成为了一件具有挑战性的工作，因此相关研究也成为了控制领域研究的热点问题。当面对机械臂多智能体系统时，由于领导者数量的不同，领导者与跟随者之间的通信方式随之改变，所要采取的控制方法也不同，得到的控制效果也不一样。基于上述考虑，本文针对具有单个领导者的柔性机械臂多智能体系统，提出了一种基于相对阈值事件触发的自适应命令滤波一致跟踪控制算法。其次，针对具有多个领导者的柔性机械臂多智能体系统，提出了一种基于切换阈值事件触发的自适应命令滤波渐近跟踪包含控制算法。最终，分别为两类机械臂智能体设计有效的控制器，保证了闭环系统的稳定性且达到了良好的一致跟踪性能。本文的主要贡献和创新点可以总结如下：
(1)本文对于实际的柔性机械臂多智能体系统，采用神经网络智能逼近技术对系统中未知的非线性函数进行建模，解决了未知非线性函数对控制器造成的设计障碍，消除了对系统的影响。
(2)本文通过结合命令滤波技术和反步法，并采用新提出的适合具有多个领导者的机械臂多智能体系统的坐标变换，成功的解决了传统反步过程中出现的“复杂性爆炸”问题，降低了计算复杂度，减轻了计算负担。
(3)本文将事件触发机制扩展到了非严格反馈形式下的柔性机械臂多智能体系统中，并分别考虑了相对阈值机制和切换阈值机制，在保证系统稳定的情况下，节约了通信资源、降低了网络带宽压力、避免了通信信道拥堵问题。
(4)相比于部分文献中只保证了有界的跟踪控制效果[93-95]，本文提出了自适应渐近跟踪包含控制算法，通过巧妙地采用数学方法以及Barbalat引理，使得跟随者与领导者之间的跟踪误差可以渐近收敛到零。
参考文献（略）