[0018] 现有的分布式事件触发一致性算法的实现：每个智能体需要整合接收的通信信息(即邻居的状态)和涉及矩阵的指数计算，以及数据融合等步骤来访问和计算其相邻智能体发送的状态信息。此外，所有的智能体都需要访问一些全局信息，即遍历整个通信拓扑图。
[0019] 针对上述问题，本发明给出了以下思路：
[0020] 1)在保持多智能体控制系统一致性稳定的基础上，给出精简的控制器协议与事件触发机制，以提高控制效率。
[0021] 2)解耦多智能体控制系统的触发策略，使每个智能体只在自己的触发时刻更新，有效的降低了事件触发控制的更新频率，同时也降低了每个智能体的计算成本。
[0022] 3)考虑到多智能体控制系统存在的不确定性因素，如系统的全局信息的不确定性，提出基于事件触发的自适应控制策略以避免参数选择时的不确定性问题。
[0023] 基于上述研究思路，本发明基于分布式自适应事件触发的多智能体一致性方法的流程图如图1所示，包括如下步骤：
[0024] 1)确定多智能体系统集合，这里选取 n表示智能体个数；建立智能体间的通信拓扑图G和给定相应通信算法，智能体之间的联系用拉普拉斯矩阵L来描述。
[0025] 对于多智能体集合 这里d表示每个智能体用d个状n
态量表示；各个智能体间的通信网络用图G(V，E)表示，V∈R 表示图顶点(即多智能体集m
合)，E∈R表示各顶点间的联系，即智能体间的可通信支路有m条。
[0026] 对于多智能体系统之间的通信交流，用代数图论的方法来描述；G(V，E)为无向图，定义G(V，E)的邻接矩阵W，当(i，j)∈E时wi，j＝1，否则wi，j＝0；构建G(V，E)的度矩阵D＝diag(d1，d2，..di，..dn)，di为每个顶点i的邻居数；可以得到G(V，E)的拉普拉斯阵L＝D‑W，定义G(V，E)的关联矩阵H表示图顶点与边的联系，当第k条边起始于顶点i时，hki＝1，当第k条边结束于顶点i，hki＝‑1，否则hki＝0；根据代数图论的知识，可得：
[0027] rank(L)＝n‑1，null(L)＝span{1n}，L＝HTH
[0028] 2)针对每个智能体，选定稳定的状态空间控制模型，根据控制要求选定稳定的状态控制矩阵(A，B)；每个智能体的线性控制方程表示为： xi表示第i个智能体的状态量，其中ui即为需要设计的控制器协议。
[0029] 3)根据最优化理论解算ARE方程：ATP+PA‑PBBTP+Q＝0，取Q＝In，求解P，K＝BTP，以便多智能体控制系统控制器协议的设计。需要指出的是ARE方程是指代数黎卡提方程，是求解最优二次型时用到的一个矩阵方程。
[0030] 4)设计多智能体控制系统控制器协议并引入自适应估计算法解决参数依赖的不确定性问题。
[0031] 对于传统的连续系统的一致性协议可表示为：
[0032]
[0033] c表示多智能体控制系统前向增益，K为多智能体控制系统反馈增益矩阵；而针对于事件触发机制，数据的传输与采样表示为离散非周期形式：
[0034]
[0035] 其中 表示智能体i的第hi次触发时刻。该控制器协议的实现涉及指数计算且需要全局信息融合等复杂步骤才能完成。
[0036] 针对上述存在的局限，对ui进行一定的简化与改进，得到精简的事件控制器协议：
[0037]
[0038] 这里 表示Kronecker积，Id为d维单位阵；此时每个单智能体的事件触发只与本身的触发时刻相关，极大的节约了计算成本。
[0039] 进一步的，在上述控制器协议的基础上，对前向增益ci(t)进行自适应估计是指：将ui修改为：
[0040]
[0041] 自适应更新规则为：
[0042]
[0043] ηi为选定常增益参数，即在控制器更新的同时，每个智能体的不确定参数ci根据自适应算法进行自调节，克服了每个智能体状态更新时控制器协议对全局信息的实时访问与不确定性因素的影响。
[0044] 5)定义多智能体控制系统的测量误差，其中的误差采用基于PID的误差模型。
[0045] 根据控制要求设计多智能体控制系统测量误差的表示形式：
[0046]
[0047] 基于此，提出一种基于PID的误差模型：
[0048]
[0049] 这里kp，ki，kd表示给定的pid参数，可结合实际自由给定。
[0050] 6)定义多智能体控制系统的事件触发辅助函数
[0051] 引入辅助函数 的选择可根据以下依据：
[0052] Case1：p∈[1，∞)，
[0053] Case2：p∈(0，1)， 且 表示辅助函数有界
[0054] Case3： 且
[0055] 7)基于5)中定义的误差设计多智能体控制系统的事件触发函数，在保证多智能体控制系统一致性稳定的基础上确定事件触发无Zeno现象。
[0056] 所述的Zeno现象是指：如果事件在有限时间内被触发无限多次，该现象被称为Zeno现象。在事件驱动机制的研究中，一个关键的任务就是排除Zeno行为；就需要设计合理的事件触发函数。在事件触发控制中，智能体对状态的测量误差决定了智能体是否触发。
[0057] 针对于非自适应控制器协议： 设计其对应的事件触发函数：
[0058]
[0059] 表示事件触发的辅助函数，控制误差阈值。当fi(t)＝0时，Si重置为零，智能体i事件触发并更新控制器。
[0060] 进一步地，检验多智能体控制系统的一致性是指：通过设计系统的李亚普洛夫函数对多智能体控制系统的一致性稳定性进行检测；系统的李亚普洛夫函数表示为：
[0061] 进一步可以得到：
[0062] 记β＝λmin(P‑1Q)得到 即limt→∞V(t)＝0
[0063] 意味着多智能体控制系统一致性渐近稳定：x0(∞)＝x1(∞)＝…＝xn(∞)[0064] 进一步的确定多智能体控制系统无Zeno现象，具体是指：通过计算误差函数的变化率得到：
[0065]
[0066] 其中Ni为智能体i的邻居数，
[0067] 进而可以推导得到当Πi(t)＝0时，易得到 若||Si(t)||＝0就意味着 恒有fi(t)＜0。即 时间段，不会再一次触
发事件，即可排除Zeno现象；Πi(t)≠0时，可以积分得到： 进
一步可证明存在恒正的时间常数 这意味着每两次事件触发时间存在一定
的时间差，即也可排除Zeno现象。
[0068] 对于自适应控制器协议： 事件触发函数改写为：任取一正数ξi∈R
[0069] 根据上述的Zeno检测方法与一致性分析可以证明修改后的分布式自适应事件触发控制器协议能够达到系统一致性要求且无Zeno行为。与此同时，该控制器协议的提出克服了系统设计时对前向增益参数估计过程中对全局信息不确定性依赖的缺点，改善了系统的稳定性能。
[0070] 8)将7)中所得到的分布式自适应事件触发控制器协议与其对应事件触发函数通过编程写入每一个智能体，并通过建立的通信拓扑图实现智能体间的分布式信息交互，实现所有智能体的一致性稳定，每个智能体的触发时刻由出发函数决定，当 时，Si重置为零，智能体i所有事件触发并更新控制器协议ui。
[0071] 上述参数可随意选定，并非对本发明作任何形式上的限制，在不超出权利要求所记载的方案的前提下可以灵活的设计系统模型以及选定参数。
