1.一种针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,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。
2.根据权利要求1所述的针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,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:xi(k+1)=x(k)+ui(k)+ωi(k)+fi(k) (1)其中,xi(k)表示节点的状态信息,ωi(k)∈R代表系统的扰动,fi(k)代表节点的故障信息,ui(k)是系统的控制输入,其中:其中,K为系统的控制增益,aij表示信息在网络中的传播权重,xij(k)是节点i接受到的节点j的信息,xii(k)表示节点i当前的信息;
考虑到系统延迟和数据丢包的影响,xij(k)=θi(k)xj(k)+(1‑θi(k)xj(k‑1) (j∈Ni∪{i}) (3)其中,θi(k)是满足随机分布的网络丢包算子;
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:T
令x(k)=(x1(k),x2(k),…,xN(k)) ,进而得到整个系统的动态方程:x(k+1)=x(k)‑kMθLx(k)‑k(I‑Mθ)Lx(k‑1)+ω(k)+f(k) (5)其中:
T
ω(k)=(ω1(k),ω2(k),…,ωN(k))T
f(k)=(f1(k),f2(k),…,fN(k))Mθ=diag{θ1(k),θ2(k),…,θN(k)}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,Mθ=表示整个系统的网络丢包算子参数矩阵。
3.根据权利要求2所述的针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,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zi(k);
T
令z(k)=(z1(k),z2(k),…,zN(k)) ,得到辅助输出状态变量的动态方程:其中,I是具有一定适维数的单位矩阵。
4.根据权利要求3所述的针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,所述状态观测器为:
其中,Γi称为选择矩阵,用来选择z(k)中对节点i适用的状态信息,g是需要正定的控制参数; 分别是节点i对x(k)和z(k)估计状态, 是节点j对z(k)估计状态。
5.根据权利要求4所述的针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,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, P、Q、R都是正定对称矩阵;
Λ=diag{θ1,θ2,…,θN}其中,IN代表N维单位阵。
6.根据权利要求5所述的针对数据丢包的时滞多智能体系统故障检测方法,其特征在于,故障指示状态和代价函数如下:Jij=E(||ζij(k)||) (13)当 确定节点j发生了故障。