⚡ electrical engineering

Robust synchronization for multi-agent systems governed by PDEs with observable and unobservable disturbances

本文提出了一种针对由抛物型偏微分方程支配的多智能体系统的鲁棒同步控制方案，该方案利用边界扰动观测器和分布式控制器，在同时存在可观测边界扰动和不可观测域扰动的情况下实现指数跟踪和输入状态稳定性。

原作者： Yongchun Bi, Jun Zheng, Guchuan Zhu, Jiye Zhang

发布于 2026-05-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Yongchun Bi, Jun Zheng, Guchuan Zhu, Jiye Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一支编队飞行的自主无人机群，或一组完美同步移动的机器人。在现实世界中，这些系统很少是完美的。它们会遭遇阵风、传感器故障以及意想不到的机械故障。本文解决的是该问题的一个非常具体且困难的版本：当一群智能体（如机器人或无人机）受控于复杂的连续物理过程（如热扩散或流体流动），并遭受两种截然不同的“噪声”冲击时，如何保持它们的同步。

以下是利用日常类比对该论文解决方案的分解说明。

场景：热量的交响乐

将系统中的每个智能体想象成一根细长的金属棒，而不是简单的机器人。金属棒的“状态”是其沿长度方向每一点的温度。支配这一过程的物理规律是抛物型偏微分方程（PDE）。简单来说，这意味着某一点的温度取决于其邻近点的温度，并且像热量在金属棒中扩散一样随时间变化。

目标是让所有这些金属棒遵循特定的“领导者”温度模式（参考轨迹），并彼此完美匹配（同步）。

问题：两种噪声

研究人员识别出两种破坏这种和谐的不同类型的干扰：

“可见”噪声（可观测扰动）： 想象有人正主动向金属棒的末端吹送热空气或冷空气。系统可以“看到”边界处正在发生这种情况。这就像一个已知变量；系统知道：“嘿，有人在左端吹风。”
“不可见”噪声（不可观测扰动）： 这是棘手之处。想象不可见的热源随机出现在金属棒内部，或者执行器（控制末端的装置）出现微小的、不可预测的故障。系统对这些情况一无所知。它不知道它们的大小、速度或模式。这就像试图用手平衡一把扫帚，而有人却在秘密地摇晃你脚下的地板。

大多数先前的研究只能处理一种类型的噪声，或者假设噪声是可预测的。本文问道：如果同时存在末端的可见风和内部的不可见摇晃，该怎么办？

解决方案：智能团队策略

作者设计了一个两部分的策略来解决这个问题：

1. “侦探”（扰动观测器）

为了处理末端的可见噪声，团队为每个智能体构建了一个“侦探”。

工作原理： 该侦探运行一个金属棒的并行模拟。它将金属棒应该做的（基于控制输入）与它实际做的进行比较。
技巧： 尽管金属棒内部有不可见的噪声在摇晃，但该侦探足够聪明，能够隔离来自末端的特定信号。它实际上是在说：“我在边缘的预测与现实之间的差异，必然是由那个可见的风引起的。”
结果： 系统估算出风力，并立即施加反向力将其抵消。这就像降噪耳机，但是是针对金属棒的末端。

2. “连锁反应”（分布式控制）

为了保持金属棒的同步，它们并不都与一台中央计算机通信（那将很慢且需要太多数据）。相反，它们使用有向循环。

类比： 想象一排人传递消息。第 1 个人听第 N 个人的，第 2 个人听第 1 个人的，依此类推。
效率： 每个智能体只需要监听一个邻居。这极大地减少了通信负载。
鲁棒性： 即使不可见的噪声在摇晃金属棒，控制律也能确保如果一个智能体稍微偏离，邻居会将其拉回。系统设计使得小误差不会爆炸；它们会被限制在可控范围内。

结果：为何重要

论文通过数学证明（使用“广义李雅普诺夫方法”等高级工具，这就像复杂系统的能量检查工具）表明该方法有效：

当不可见噪声消失时： 系统完美地锁定目标并保持在那里，误差以指数速度消失（就像球滚到碗底）。
当不可见噪声存在时： 系统不会崩溃。相反，误差保持有界。这意味着由于不可见的摇晃，金属棒可能会轻微晃动，但它们不会失控。摇晃越剧烈，晃动越大，但这种关系是可预测且安全的。
输入 - 状态稳定性（ISS）： 这是上述“有界性”的技术术语。它保证系统的反应总是与扰动的规模成比例。如果不可见噪声很小，误差就很小。如果噪声巨大，误差会更大，但仍然受控。

仿真：付诸测试

作者对 5 个智能体（金属棒）进行了计算机仿真。

他们在末端引入了可见风，并在内部引入了不可见摇晃。
他们展示了“侦探”成功估算并抵消了风。
他们展示了即使存在不可见的摇晃，智能体也能保持接近领导者并彼此靠近。
他们证明了随着不可见摇晃强度的降低，误差变小，从而证明了系统的鲁棒性。

总结

本质上，本文提出了一种针对一组复杂物理系统的鲁棒控制策略。它解决了在遭受已知边界扰动（系统主动抵消）和未知内部扰动（系统在容忍中不失效）攻击时保持同步的问题。它通过最小化通信实现了这一目标，使其成为现实世界应用中一种高效且可靠的方法，因为在这些应用中，完美的信息永远无法获得。

技术摘要：由偏微分方程支配的多智能体系统在可观测与不可观测扰动下的鲁棒同步

问题陈述
本文探讨了由抛物型偏微分方程（PDE）支配的多智能体系统（MASs）的鲁棒同步问题。具体挑战在于一个复杂的扰动场景，其中同时涉及三种不同类型的扰动：

可观测的狄利克雷边界扰动：作用于狄利克雷边界（ $x=0$ ）的扰动，这些扰动可以被测量或估计。
不可观测的域内扰动：发生在空间域内的扰动 $f^{(i)}(x,t)$ ，对其幅值、动力学特性或结构没有任何先验信息。
不可观测的实现扰动：影响狄利克雷和罗宾边界处边界控制输入的扰动 $d^{(i)}_0(t)$ 和 $d^{(i)}_1(t)$ ，源于量化误差、噪声或时间延迟等实际实现问题。

控制目标是仅利用参考信号和单个相邻智能体的局部输出信息来设计分布式控制器。系统必须实现：

对可观测的狄利克雷边界扰动进行估计和抑制。
在不存在不可观测扰动的情况下，实现指数同步和参考跟踪。
在存在不可观测扰动的情况下，实现有界的跟踪和同步误差，并保持输入到状态稳定性（ISS）。

方法论
作者提出了一种基于以下核心组件的分布式控制方案：

扰动观测器设计：为每个智能体构建一个扰动观测器，以估计可观测的狄利克雷边界扰动 $q^{(i)}(t)$ 。该观测器利用边界输出测量值（ $y^{(i)}(t)$ 和 $y^{(i)}_v(t)$ ），并旨在确保即使在存在不可观测的域内和边界扰动的情况下，观测器误差系统仍具有鲁棒性。
分布式控制律：控制输入 $U^{(i)}_0(t)$ $U_{0}^{(i)} (t)$ 和 $U^{(i)}_1(t)$ $U_{1}^{(i)} (t)$ 采用有向循环拓扑进行设计。智能体 1 接收来自智能体 $N$ $N$ 的信息，智能体 $i$ $i$ 接收来自智能体 $i-1$ $i - 1$ 的信息。
- 狄利克雷控制输入 $U^{(i)}_0(t)$ 结合参考信号 $r(t)$ 和估计的扰动 $-\hat{q}^{(i)}(0,t)$ 以实现跟踪。
- 罗宾控制输入 $U^{(i)}_1(t)$ 利用相邻智能体的边界状态来协调同步。
稳定性分析框架：
- 适定性：利用提升技术和半群理论建立了闭环系统解的存在性和唯一性。
- 广义李雅普诺夫方法（GLM）：为了处理由扰动引入的非齐次狄利克雷边界项，且无需扰动的导数，作者采用广义李雅普诺夫方法结合递归技术。
- 最大范数估计：与以往通常局限于希尔伯特空间的工作不同，该分析在连续函数空间 $C([0,1])$ （最大范数）中推导了鲁棒性估计，提供了性能的逐点刻画。

主要贡献与结果
本文提出了四个主要的理论结果：

扰动估计：证明了如果不存在域内扰动，估计误差 $q^{(i)}(t) - \hat{q}^{(i)}(0,t)$ 将指数收敛至零。在存在不可观测的域内扰动的情况下，估计误差保持有界。
鲁棒跟踪：证明了跟踪误差系统具有鲁棒性。在不存在不可观测扰动的情况下，系统实现指数跟踪。当存在不可观测扰动时，跟踪误差保持有界，且其界限随扰动幅值缩放。
鲁棒同步：证明了智能体之间的同步误差具有鲁棒性。与跟踪类似，在没有不可观测扰动的情况下实现指数同步，而在存在不可观测扰动时保持有界同步。分析明确考虑了有向循环拓扑的耦合效应。
输入到状态稳定性（ISS）：证明了由被控对象、参考信号、观测器和辅助系统组成的闭环系统，对于所有扰动（可观测和不可观测）以及参考信号是输入到状态稳定的（ISS）。这为系统的鲁棒性提供了定量框架。

意义与主张
本文声称填补了现有文献的空白，因为大多数研究要么关注完全可观测的扰动，要么关注特定类型的不可观测扰动（例如域内扰动或诺伊曼/罗宾边界扰动）。本工作的显著之处在于：

处理混合扰动：这是首次考虑在基于 PDE 的 MAS 同步中同时存在可观测的狄利克雷边界扰动和不可观测扰动（包括域内扰动以及狄利克雷 - 罗宾边界扰动）。
克服分析难点：广义李雅普诺夫方法的使用使作者能够在不需要扰动导数的情况下处理狄利克雷边界扰动，而这是此类系统经典李雅普诺夫分析的常见局限。
更强的性能刻画：通过在最大范数（连续空间）而非仅仅是 $L^2$ （希尔伯特空间）中推导估计，本文提供了关于估计、跟踪和同步性能的更强、逐点的保证。
实际相关性：所提出的方案依赖于最小通信（有向循环）和局部信息，使其适用于通信带宽有限且扰动不可避免的实际工程应用。

针对 $N=5$ 个智能体的数值仿真验证了理论发现，展示了在各种扰动幅值下有效的扰动估计、抑制和鲁棒同步。作者得出结论，其框架为复杂基于 PDE 的多智能体环境中的鲁棒同步提供了一种系统化的方法。