基于强化学习滑模控制的非线性多智能体系统一致性方法

本申请公开了一种基于强化学习滑模控制的非线性多智能体系统一致性方法，包括：初始化所有智能体的状态和领导者的状态，设置评论者网络和行动者网络的权重引入虚拟控制器；引入虚拟控制器以处理通信延迟，设计分布式故障观测器对系统未知故障进行观测，并将观测值用于反馈补偿，同时设计滑模控制器增强系统的鲁棒性及对输入饱和进行抑制，并结合强化学习技术优化各智能体的控制策略，使其能够以接近最优的方式实现状态一致。本申请能够有效消除了系统故障、输入饱和与通信延迟的负面影响，保证了所有智能体最终能够跟随领导者，实现最优一致性。