多智能体系统抗干扰控制：LQR与事件触发实战

1. 多智能体系统抗干扰控制实战解析

在无人机编队控制、智能电网调度等场景中，多智能体系统常面临外部干扰的挑战。传统周期控制既浪费通信资源，又难以应对突发扰动。本文将分享一套融合LQR最优控制、扰动观测和事件触发机制的复合控制方案，附带可直接部署的MATLAB/Python代码实现。

1.1 问题建模与核心思路

考虑离散多智能体系统：

code复制x_i(k+1) = A x_i(k) + B u_i(k) + d_i(k)
y_i(k) = C x_i(k)

其中d_i(k)为外部干扰。我们的设计目标有三：

1. 分布式控制：各节点仅依赖邻居信息
2. 干扰抑制：对d_i(k)具有鲁棒性
3. 通信高效：非必要不通信

解决方案架构如图1所示，包含三个关键模块：

• LQR最优控制器生成基准控制律
• DOBC扰动观测器实时估计干扰
• 事件触发机制动态调节通信频率

2. 基础LQR控制器设计

2.1 无干扰情况下的最优控制

首先求解代数Riccati方程：

code复制A'PA - P - A'PB(B'PB+R)^-1 B'PA + Q = 0

对应的MATLAB实现：

matlab复制% 权重矩阵设计准则：
% Q对角元 >> 需要快速收敛的状态分量
% R增大可抑制控制幅值
Q = diag([10, 5, 1]);  % 状态权重
R = 0.1*eye(2);       % 输入权重  

[K,S,e] = dlqr(A,B,Q,R);
disp('最优反馈增益矩阵:');
disp(K);

调试经验：

1. 先令R=I，调整Q使状态收敛速度达标
2. 再增大R直到控制量不过载
3. 若出现震荡，适当增加Q中对角元比值

2.2 分布式控制协议

对于N个智能体，设计协同控制律：

code复制u_i = -K(∑a_ij(x_i - x_j) + g_i x_i)

其中a_ij为邻接矩阵元素，g_i为领导跟随系数。Python实现：

python复制def distributed_control(