通过两时间尺度分离方法实现异构二阶多智能体系统的共识控制与性能恢复

为什么让一组个体达成一致很重要

从机器人群体到自动驾驶车队与电力网，许多现代技术依赖于大量设备的集体动作，这些设备必须在噪声、延迟和部分失效的情况下保持同步。工程师把这些集合称为“多智能体系统”。当每个成员即便在不确定性下仍能平滑协调时，整个系统会变得更安全、更快速、更高效。本文提出了一种新方法，使这样的群体不仅能够达成一致，而且其行为看起来仿佛这些不确定性从未存在过。

智能设备团队如何尝试达成一致

在典型的协同网络中，一个单元充当领导者，其他为跟随者。每个跟随者只能感知自身状态以及来自通信图中邻近节点的信息，通信连接可以是单向或双向的。基本目标称为共识跟踪，即所有跟随者仅通过这些本地交换信息随时间匹配领导者的位置和速度。这在无人机编队、高速公路车队或工厂中协调机械臂等应用中至关重要，因为集中式控制会过慢或过于脆弱。

为什么现实中的不完美会带来麻烦

真实硬件很少完全按教科书中的方程运行。总会存在“未建模动力学”——被忽略的非线性效应、摩擦变化或参数误差——以及诸如阵风、传感器噪声或执行器故障等外部扰动。早期关于共识控制的研究通常只处理未建模动力学或扰动中的某一类，很少同时应对两者。即便可以保证达成一致，群体的运动常常比理想设计更慢或更振荡。换句话说，系统可能保持稳定并最终同步，但会丧失决定响应速度和平滑度的精心调优的瞬态性能。

一种用于消除不确定性的两速策略

作者将一种最初为单一系统设计的技术改造并推广到二阶智能体网络（位置和速度均重要的系统）。他们首先为理想化、完全已知的群体设计一个标称共识控制器，该控制器确定期望的响应速度和形状。然后他们添加了第二个更快的机制——高增益滤波器——持续观测网络误差信号的演化。这个快速层推断所有隐藏非线性、扰动甚至领导者输入未知变化的组合效应，并将补偿信号反馈到原始控制器中。

数学与仿真表明的结果

通过李雅普诺夫稳定性分析，论文证明在适当调节滤波器速度的情况下，多智能体网络中的所有内部信号保持有界且共识误差随时间收敛至零。关键是，不确定且受扰动系统的闭环行为会收敛到干净的标称设计的行为；这称为性能恢复。作者展示了该方法适用于对称（无向）与非对称（有向）通信图，并且不需要精确知道领导者的实际控制输入——只需一个上界。与先前鲁棒共识方案的数值比较表明，该方法以不增加额外控制能量的情况更快地收敛到领导者轨迹。

从理论到物理试验案例

为突出实际相关性，作者将方法应用于倒立摆网络，这是控制工程中的经典试验平台。每个摆受到非线性重力力和施加在力矩输入上的扰动，且领导摆也受到扰动。尽管存在这些复杂因素，跟随者仍然能紧密跟踪领导者的角度和角速度，且运动保持平滑和良好可控。重新设计的控制器使受扰系统能够重现无扰标称轨迹，强调该方法在现实设备中能容忍建模误差和环境噪声。

对未来的意义

总之，本文提出了一种共识控制策略，使异构智能体网络在存在隐藏效应和扰动时仍能表现得像在理想环境中运行。通过将问题分解为塑造期望集体行为的慢层和用于消除不确定性的快层，该方法恢复了原始性能，而不仅仅是避免系统失效。这可以帮助未来的机器人群体、联网车辆和智能电力系统更快更可靠地协调，但将该方法扩展到快速变化或存在通信延迟的网络仍然是一个开放挑战。

引用: Mohammadalizadeh, S., Arefi, M.M. & Khayatian, A. Consensus control and performance recovery of heterogeneous second-order multi-agent systems via two-time-scale separation approach. Sci Rep 16, 9702 (2026). https://doi.org/10.1038/s41598-026-37308-1

关键词: 多智能体系统, 共识控制, 鲁棒协调, 分布式控制, 性能恢复