摘要
本发明涉及一种非凸输入约束下多智能车辆预设性能的最优协同控制方法,属于多智能体协同控制技术领域。解决非凸输入约束处理保守性、预设性能与最优控制分离设计、传统方法时效性不足等问题。设计非凸约束算子直接映射控制输入至可行方向极值;构建分布式预设时间观测器实现领导者状态精确估计;结合时变性能函数与误差变换将预设性能控制转换为最优控制问题;基于强化学习迭代算法求解HJB方程逼近最优控制律。本发明突破传统凸近似方法的保守性,确保控制输入严格满足非凸约束;通过预设时间观测消除时间不确定性;融合预设性能与最优控制实现多目标协同优化;强化学习算法兼具全局收敛性与实时性,适用于复杂动态环境下的多车协同控制。
技术关键词
协同控制方法
智能车辆
迭代算法
多智能体协同
方程
强化学习算法
智能体系统
观测器
深度神经网络
观测误差
矩阵
生成树
控制策略
时效性
非线性
定义
极值