[论文解读] Distributed Adaptive Fault-Tolerant Control of Uncertain Multi-Agent Systems

Mohsen Khalili, Xiaodong Zhang+3 more|arXiv (Cornell University)|May 20, 2015

Distributed Control Multi-Agent Systems被引用 7

一句话总结

该论文提出了一种用于非线性不确定多智能体系统的分布式自适应容错控制（FTC）方案，利用本地测量值和邻居信息，通过自适应估计器和控制器实现故障检测、隔离与重构。关键贡献在于在多种故障模式下（包括故障预检测、检测到隔离的延迟以及隔离后阶段）严格建立了领导者-跟随者一致性与闭环稳定性。

ABSTRACT

This paper presents an adaptive fault-tolerant control (FTC) scheme for a class of nonlinear uncertain multi-agent systems. A local FTC scheme is designed for each agent using local measurements and suitable information exchanged between neighboring agents. Each local FTC scheme consists of a fault diagnosis module and a reconfigurable controller module comprised of a baseline controller and two adaptive fault-tolerant controllers activated after fault detection and after fault isolation, respectively. Under certain assumptions, the closed-loop system's stability and leader-follower consensus properties are rigorously established under different modes of the FTC system, including the time-period before possible fault detection, between fault detection and possible isolation, and after fault isolation.

研究动机与目标

• 为解决在存在不确定非线性动力学和潜在故障的大规模分布式多智能体系统中维持系统可靠性的挑战。
• 开发一种避免集中式计算与通信开销的分布式容错控制架构。
• 仅使用本地及邻近智能体数据，实现实时故障检测、隔离与控制器重构。
• 在包括检测延迟和隔离不确定性在内的多种故障模式下，保证领导者-跟随者一致性与闭环稳定性。
• 将集中式容错控制方法扩展至具有不确定动力学和执行器/过程故障的领导者-跟随者多智能体构型。

提出的方法

• 每个智能体配备一个本地故障诊断模块，包含一组非线性自适应估计器：一个用于故障检测（FDE），多个用于故障隔离（FIE）。
• FDE采用基于残差的阈值判定方案，观测器增益 $ h_i = 2 $，实现实时异常检测。
• FIE使用多个具有不同增益 $ \lambda_i = 10 $ 的估计器，根据残差相对于阈值的行为区分故障类型。
• 采用含21个神经元、参数可调的径向基函数（RBF）神经网络，对检测后的未知过程故障进行逼近，使用 $ \Gamma_i = 5 $ 和 $ \bar{\delta}_i = 1 $ 确定误差界。
• 可重构控制器包含一个基础控制器和两个自适应FTC控制器，分别在故障检测和隔离后激活，自适应增益为 $ \Upsilon_i = 2 $，$ \bar{\Gamma}_i = 1 $，$ \Gamma_i = 0.2 $。
• 控制器重构采用参数投影方法，过程故障的中心为 $ O_i^1 = 0.5 $，半径为 $ R_i^1 = 0.5 $；执行器故障的中心为 $ O_i^2 = -0.4 $，半径为 $ R_i^2 = 0.4 $。

实验结果

研究问题

• RQ1 在存在过程故障和执行器故障的情况下，分布式FTC方案能否在不确定多智能体系统中维持领导者-跟随者一致性？
• RQ2 如何仅利用本地及邻近智能体信息实现故障检测与隔离，而无需集中监控？
• RQ3 何种控制重构策略可确保在故障检测与隔离之间存在时间延迟期间仍保持稳定与一致性？
• RQ4 自适应估计器与神经网络如何协同处理未知的非线性故障动力学？
• RQ5 闭环系统在所有故障模式下（预检测、检测到隔离阶段、后隔离阶段）的稳定性和一致性特性如何？

主要发现

• 故障检测在故障发生后一秒内完成，如图所示，FDE的残差在 $ t = 5 $ 秒后立即超过阈值。
• 故障隔离成功实现：正确故障类型（过程故障）的残差保持在阈值以下，而错误类型的残差则超过阈值，实现了准确识别。
• 通过自适应FTC控制器实现了领导者-跟随者一致性，如图3所示，跟踪误差实现收敛。
• 若无FTC，故障发生后跟踪误差发散，如图4所示，证实了所提方案的必要性。
• RBF神经网络在检测后有效逼近了未知过程故障函数，初始权重为零，学习率 $ \Gamma_i = 5 $。
• 系统在所有故障模式下（包括故障检测与隔离之间的瞬态阶段）均保持闭环稳定与一致性，理论分析已严格证明。