一种事件触发多智能体系统及其分布式协同故障检测方法

技术领域

本发明涉及多智能体系统的故障检测技术领域，尤其涉及一种事件触发多智能体系统及其分布式协同故障检测方法。

背景技术

随着现代人工智能和工程系统的规模和复杂程度日益提升，多智能体系统作为较为常见的大规模分布式互联系统，越来越需要及时有效的故障检测技术。

目前多智能体系统的智能体数量庞大，分布不均匀，缺乏集中式管理，更加容易发生故障；同时，仅利用本地信息对多智能体系统进行故障检测，其检测结果不够准确；对此需要发展一种对多智能体系统行之有效的分布式协同故障检测技术。

此外，多智能体系统信息交互带来大量的通信负担会影响系统性能，对此多智能体系统需要引入事件触发以降低信息交互的频率，延长智能体的使用寿命。

如何解决上述技术问题本发明面临的课题。

发明内容

本发明的目的在于提供一种事件触发多智能体系统及其分布式协同故障检测方法，有利于在多智能体系统中实现分布式的最优故障检测，与此同时发挥多智能体之间的协同合作的优势，有利于降低对单智能体的性能要求。

本发明的思想为：本发明提出一种事件触发多智能体系统及其分布式协同故障检测方法，可以实现多智能体系统中精确及时的分布式协同故障检测，同时还降低了多智能体系统的通讯和计算资源消耗，更有利于多智能体系统的故障检测及其他性能实现。

本发明是通过如下措施实现的：一种基于事件触发的多智能体系统，包括智能体动力学模型构建，协同最优故障检测设计模块，事件触发模块，分布式实施协同最优故障检测模块，所述的多智能体系统基于事件触发参考状态进行信息交互，进而实现协同故障检测。

所述的智能体动力学模型构建是由p个独立的智能体组成多智能体系统，智能体之间可进行双向信息传递，如果智能体j和智能体i均可获得对方的信息，则称智能体i和智能体j互为邻居，节点i的邻居集合用

式中，i＝1,2,...,p表示智能体的编号，j＝i

将所有关于智能体i的参考模型(1)堆叠起来，并结合克罗内克积的定义，可以得到

其中，

所述的协同最优故障检测设计模块包括状态观测器、故障检测滤波器、残差评估器和决策单元，所述的状态观测器观测相邻智能体的状态并传递到故障检测滤波器，同时通过事件触发模块传递给其他相邻智能体的状态观测器和故障检测滤波器，所述的故障检测滤波器输出为残差，并连接残差评估器，所述的残差评估器的输出连接决策单元，用于判断是否发生故障。

所述的故障检测滤波器，其特征是：构造伴有邻居智能体信息交互的状态观测器和残差生成器，具体为

式中

定义所有对节点i存在协作检测的邻居节点构成了协同故障检测网络

式中，

式中，G

上式(6)消除了智能体个体之间信息交互过程的痕迹，为获取协同故障检测结果打开了全局视角，同时便于接下来对协同最优残差生成器进行设计。此外，由于

根据式(6)，通过z变换最终得到协同残差生成器

由于实现完美未知输入解耦的条件过于苛刻，考虑设计最优矩阵L

类似的有，为了研究

为了在故障灵敏度与干扰鲁棒性之间取得权衡，基于上面两个不等式，将最优残差生成器设计问题转换为求解如下H

结合

则优化问题(11)可以重新整理成

令G

使得下式成立：

当Q(z)＝I时，可以得到上述优化问题的最优解为

其中，最优解

上述设计的最优参数L

所述的事件触发模块是定义如下事件检测器，即决策当前时刻是否发生采样并传输节点l对节点i的参考状态估计值：

式中，Δ

诊断智能体j基于其邻居节点传递的参考状态估计采样信号

类似得到协同故障检测的模型：

式中

相应有

式中，

其中，事件触发传输误差

所述的残差评估与阈值设定，其特征是：残差评估器作为故障检测系统的第二个阶段，旨在区分未知输入扰动和故障信息以判断是否发生故障。当残差评估超过阈值则意味着系统发生故障，反之正常。其决策逻辑如下所示：

式中

那么，阈值

其中

事实上，根据式(21)难以直接给出残差评估函数乃至阈值。为此，考虑协同残差信号(24)的评估函数，假设f(k)＝0,u(k)＝0，可以得到

其中，由于P都是双随机矩阵，存在

类似的，假设f(k)＝0,d(k)＝0，可以得到

根据无故障情况下获得的残差评估函数的上确界设定协同检测网络

并结合协同检测网络

值得注意的是，上述阈值的前半部分描述了时间触发下的阈值大小，当引入事件触发需要提升阈值以确保故障检测系统零误报。若采用

所述的分布式实施协同最优故障检测模块，其特征是：设计构造邻接矩阵P以实现协同残差生成器在多智能体系统中分布式实施的目标。由于根据式(4)难以直接设计矩阵P，设

则进行如下迭代：

式中权值系数

式中，

堆叠至通信子网络

式中，根据式(37)构造初始邻接矩阵

当迭代次数达到δ＝T/τ，当前时刻节点j与其他邻居节点的信息交互停止更新，并得到

结合

可以看出，矩阵

与现有技术相比，本发明的有益效果为：本发明。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明提供的事件触发的多智能体系统结构图。

图2为本发明基于事件触发的多智能体分布式协同故障检测系统结构框图。

图3为本发明中五辆智能体小车分布式互联系统结构图。

图4为本发明事件触发多智能体系统及其分布式协同故障检测方法的仿真结果图；

图5为本发明中检测节点3时的事件触发采样间隔图，包括(a)小车1和2检测节点3时的事件触发间隔图和(b)小车5检测节点3时的事件触发间隔图。

图6为本发明中小故障情况下对节点3的故障检测效果的仿真结果图。

其中，附图标记为：1、被检测智能体；2、无线网络；3、邻居智能体；4、被检测智能体；5、故障检测滤波器；6、残差评估器；7、决策单元；8、零阶保持器；9、事件检测器；10、协同故障检测网络；11、3号智能体小车；12、2号智能体小车；13、4号智能体小车；14、1号智能体小车；15、5号智能体小车。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。当然，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

参见图1至图6，本发明提供一种事件触发多智能体系统及其分布式协同故障检测方法，参照图1，所述的多智能体系统包括：被检测智能体1，无线网络2，邻居智能体3；

参照图2，所述的事件触发的多智能体系统包括七个部分：被检测智能体4，故障检测滤波器5，残差评估器6，决策单元7，零阶保持器8，事件检测器9，协同故障检测网络10，其中，所述的故障检测滤波器包括状态观测器、残差生成器，所述的事件检测器连接智能体的状态观测器，所述的状态观测器观测相邻智能体的状态并传递到残差生成器，同时通过事件检测器传递给其他相邻智能体的故障检测滤波器，所述的故障检测滤波器输出为残差，并连接残差评估器，所述的残差评估器的输出连接决策单元，其功能为判断是否发生故障，所述的故障检测单元能直接应用于具有分布式特性的多智能体系统。

参照图3，为五辆智能体小车构成的多智能体系统，其中，智能体小车分别标号为3号智能体小车11，2号智能体小车12，4号智能体小车13，1号智能体小车14，5号智能体小车15，所述的五辆智能体小车在平面上运动组成多智能体系统，其状态空间表达式描述如下：

式中，

N

根据Metropolis-Hastings权值方法，则带有权重的初始邻接矩阵可以设为

考虑任意小车的转向角传感器可能发生故障，则有E

此外，干扰与多种因素有关，包括道路侧倾角、车身侧倾角和侧倾率等因素，仿真中假设智能体i的干扰为正弦信号，分别记作

相应每个小车受到的干扰的上确界分别设为

设定初始时刻k＝0并且仿真运行周期为200时刻，控制周期设定为T＝1s，通信周期设定为τ＝0.5s，根据定理4.1可以设计出最优观测器增益和滤波器增益：

参照图4，为仿真结果图，其中(a)邻居节点对节点1的故障检测效果图和(b)邻居节点对节点3的故障检测效果图。所有的邻居节点都能检测出3号小车有故障，而检测其他节点皆为正常。

参照图5，为检测节点3时的事件触发采样间隔图，包括(a)小车1和2检测节点3时的事件触发间隔图，当3号小车发生故障时，1和2号小车的触发间隔相较3号小车正常时更加密集；(b)小车5检测节点3时的事件触发间隔图，由于5号小车受到了更大的外部干扰信号，在时刻90至140之间发生的通讯次数比(a)中更多，但并没有影响在小车3发生故障时的密集触发采样以获取更多有用信息用于故障诊断。

参照图6，为小故障情况下所有邻居对节点3的故障检测效果图，设干扰不变，选定常数小故障为

可以看到，当系统发生故障较小而干扰相对较大时，事件触发的故障检测系统存在漏检率偏高的现象，但所设计的阈值确保了零误报率的实现。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。