第１８卷第３期 电光与控制 Ｖ０１．１８ Ｎｏ．３ ２０１１年３月 Ｅｌｅｃｔｒｏｎｉｃｓ Ｏｐｔｉｃｓ＆Ｃｏｎｔｒｏｌ Ｍａｒ．２０１１ 基于ＭＡＳ的无人机纵向飞行控制 常 勇， 吴庆宪， 张立珍， 姜长生 （南京航空航天大学自动化学院，南京２１００１６） 摘要：提出一种基于分层递阶多Ａｇｅｎｔ的无人机自主飞行控制系统，并分别利用动态逆和改进型动态逆方法设计 了纵向姿态控制Ａｇｅｎｔ。首先建立了带推力矢量的无人机六自由度模型，并在此基础上推导出纵向控制方程；进而结 合奇异摄动理论，将无人机纵向飞行控制系统分成快慢两个回路，并为其分别设计了动态逆控制器和改进型动态逆 控制器；最后用设计的控制器对所建无人机模型进行了仿真对比分析。结果表明，基于改进型动态逆设计的控制器 是有效的。且比改进前的动态逆控制器具有更好的控制跟踪性能。 关键词：ＵＡＶ；多Ａｇｅｎｔ系统；动态逆；纵向姿态控制Ａｇｅｎｔ 中图分类号：Ｖ２７１．４ 文献标志码：Ａ 文章编号：１６７１—６３７Ｘ（２０１１）０３—００２１—０４ Ｌｏｎｇｉｔｕｄｉｎａｌ Ｆｌｉｇｈｔ Ｃｏｎｔｒｏｌ ｏｆ ＵＡＶｓ Ｂａｓｅｄ ｏｎ Ｍｕｌｔｉ—－Ａｇｅｎｔ Ｓｙｓｔｅｍ ＣＨＡＮＧ Ｙｏｎｇ， ＷＵ Ｑｉｎｇｘｉａｎ， ＺＨＡＮＧ Ｌｉｚｈｅｎ， ＪＩＡＮＧ Ｃｈａｎｇｓｈｅｎｇ （Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ａｅｒｏｎａｕｔｉｃｓ＆Ａｓｔｒｏｎａｕｔｉｃｓ，Ｎａｍｉｎｇ ２１００１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｎ ａｕｔｏｎｏｍｏｕｓ ｆｌｉｇｈｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｆｏｒ ＵＡＶｓ ｂａｓｅｄ ｏｎ ｈｉｅｒａｒｃｈｉｃａｌ Ｍｕｌｔｉ—Ａｇｅｎｔ Ｓｙｓｔｅｍ（ＭＡＳ）ｃｏｎｔｒｏｌ ａｒｃｈｉｔｅｃｔｕｒｅ，ａｎｄ ｔｈｅ ｌｏｎｇｉｔｕｄｉｎａｌ ｃｏｎｔｒｏｌ Ａｇｅｎｔ ｗａｓ ｄｅｓｉｇｎｅｄ ｂｙ ｕｓｅ ｏｆ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ ａｎｄ ｉｍｐｒｏｖｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｓｉｘ—ｄｉｍｅｎｓｉｏｎａｌ ｍｏｄｅｌ ｏｆ ＵＡＶ ｉｎｃｌｕｄｉｎｇ ｔｈｒｕｓｔ ｖｅｃｔｏｒ ｗａｓ ｂｕｉｈ ｕｐ，ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｗｈｉｃｈ ｔｈｅ ｌｏｎｇｉｔｕｄｉｎａｌ ｃｏｎｔｒｏｌ ｅｑｕａｔｉｏｎ ｗａｓ ｄｅｒｉｖｅｄ．Ｔｈｅｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｓｉｎｇｕｌａｒ ｐｅｒｔｕｒｂａｔｉｏｎ ｔｈｅｏｒｙ，ｔｈｅ ＵＡＶ ｌｏｎｇｉｔｕｄｉｎａｌ ｌｆｉｇｈｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗａｓ ｄｉｖｉｄｅｄ ｉｎｔｏ ｔｗｏ ｌｏｏｐｓ：ｆａｓｔ ｌｏｏｐ ａｎｄ ｓｌｏｗ ｌｏｏｐ，ａｎｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒｓ ａｎｄ ｉｍｐｒｏｖｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒｓ ｗｅｒｅ ｄｅｓｉｇｎｅｄ ｆｏｒ ｂｏｔｈ ｏｆ ｔｈｅｍ．Ｆｉｎａｌｌｙ，ｓｉｍｕｌａｔｉｏｎ ｗａｓ ｍａｄｅ ｆｏｒ ｔｈｅ ＵＡＶ ａｕｔｏｎｏｍｏｕｓ ｌｆｉｇｈｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗｉｔｈ ｔｈｅ ｄｅｓｉｇｎｅｄ ｃｏｎｔｒｏｌｌｅｒｓ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｉｍｐｒｏｖｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ ｉｓ ｅｆｆｅｃｔｉｖｅ，ｗｈｉｃｈ ｃａｎ ｓｕｐｐｌｙ ｂｅｔｔｅｒ ｃｏｎｔｒｏｌ ｐｅｒｆｏｒｍａｎｃｅ ｔｈａｎ ｔｈｅ ｏｒｄｉｎａｒｙ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ． Ｋｅｙ ｗｏｒｄｓ：ＵＡＶ；Ｍｕｌｔｉ—Ａｇｅｎｔ Ｓｙｓｔｅｍ（ＭＡＳ）；ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌ；ｌｏｎｇｉｔｕｄｉｎａｌ ａｔｔｉｔｕｄｅ ｃｏｎｔｒｏｌ Ａｇｅｎｔ ０ 引言 智能、合理的反应。多Ａｇｅｎｔ系统（ＭＡＳ）理论提供了 种可行的途径，ＭＡＳ系统是一种通过适当的体系结 无人机由于摆脱了人的束缚，从而具有有人驾驶 构将多个智能和能力较低或较单一的Ａｇｅｎｔ组织起 飞机无可比拟的优越性，能够在不确定的对象和环境 来，在某种通信机制的基础上，不仅能够完成复杂控制 条件下执行高危任务，无人机的发展因此也越来越受 任务或解决复杂问题，还可以大大提高问题的求解效 到各个国家的重视。近年来，随着作战环境不断恶化 率。 以及飞行任务复杂性不断提高，高度智能化成为未来 姿态控制Ａｇｅｎｔ的实现是基于ＭＡＳ的无人机自主 无人机发展的方向。飞行控制技术是其智能化的关 飞行控制实现的关键之一。动态逆控制方法是目前一 键，所面临的挑战是如何使元人机在变化的环境里做出 种比较成熟的设计方法，但它也有一定的局限性。采 用动态逆方法实现非线性系统的精确线性化是在对象 收稿日期：２０１０—０５—０６ 修回日期：２０１０—０６—０８ 具有精确的数学模型基础上的。然而，任何数学模型 基金项目：航空科学基金与光电控制技术重点实验室基金联合资助 作者简介：常勇（１９７Ｏ一），男，河南鹤壁人，博士生，研究方向为系 都不可能完全反映实际的物理对象，建模误差是不可 统工程。 避免的。因此，本文在动态逆的基础上做了相应改进， ２２ 电光与控制 第１８卷 以提高系统的鲁棒性，使受控对象数学模型在不确定 以及在线对环境态势的感知、信息的处理和控制的重 的情况下，系统仍能达到设计要求。 构。自主控制的实现是以自主控制系统的实现为基础 １自主控制的多Ａ 模型 能递减的原则设计了由组织级、协调级和控制级３部 分构成的自主飞行控制系统，如图１所示。 自主控制是不需要人的干预并以最优的方式执行 给定的控制策略，且具有快速而有效的自主适应能力， 图１元人机自主飞行多Ａｇｅｎｔ控制系统结构框图 Ｆｉｇ．１ Ｂｌｏｃｋ ｄｉａｇｒａｍ ｏｆ ＵＡＶ ａｕｔｏｎｏｍｏｕｓ ｆｌｉｇｈｔ ｍｕｌｔｉ－Ａｇｅｎｔ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ 元人机完成自主飞行控制的步骤如下： １）组织级相当于人的“大脑”，代表控制系统的主 导思想，具有最高的智能水平，它通过人际接口获取任 务命令后，能够根据存储在长期存储器内的本原数据 协调级的决策和调度。 以上Ａｇｅｎｔ之间通过相互协调、相互合作共同完 成无人机自主飞行的控制。但无人机之间的协调和合 作离不开通信Ｈ ，通信是实现控制的基础。本文采用 集合，进行推理、规划、决策、学习（反馈）和记忆操作， 在一定的约束条件下，将任务指令分解成一系列的子 任务，进而分解成一定的控制指令，并能实时处理飞行 过程中下级决策Ａｇｅｎｔ汇报的信息，对影响整个系统 运行的情况做出合理的处理； ２）协调级相当于人的“神经系统”，是连接组织级 和执行级的接口，起承上启下的作用，它的主要任务是 接受组织级Ａｇｅｎｔ的任务指令，根据知识库内的专家 经验做出决策，把涉及到改变整个系统状态的结果通 多Ａｇｅｎｔ之间可以直接通信的消息通信机制，Ａｇｅｎｔ通 信语言（ＡＣＬ）是Ａｇｅｎｔ之间交换信息和知识的通信语 言，其遵循ＦＩＰＡ（Ｔｈｅ Ｆｏｕｎｄａｔｉｏｎ ｆｏｒ Ｉｔｅｌｎｌｉｇｅｎｔ Ｐｈｙｓｉｃａｌ Ａｇｅｎｔｓ）标准，其内容语言规范定义了应用在ＦＩＰＡ．ＡＣＬ 消息内容上不同的表示方式，提供了不同标准的编码 形式。 在了解了无人机如何实现自主飞行控制之后，对 纵向姿态控制Ａｇｅｎｔ做了详细的设计。 知给组织级Ａｇｅｎｔ，并负责调度其下层的执行级Ａｇｅｎｔ 来完成系统设定的整体飞行任务中的某一专项任务； ３）执行级相当于人的“行为器官”，处于飞行控制 ２姿态控制Ａｇｅｎｔ控制律设计 姿态控制Ａｇｅｎｔ位于多Ａｇｅｎｔ系统的控制感知子 系统，采用反应式Ａｇｅｎｔ，它可以根据自身资源、状态、 系统的最低级，要求具有最高的控制精度、最低的智 能，该层的Ａｇｅｎｔ能够感知自身与外界环境状态，并能 在一定范围内控制自身运行状态，具有很强的实时反 应能力以及很好的控制精度和鲁棒性，执行级为协调 级和组织级提供飞行过程中的各类信息，同时受上层 行为能力做出反应，与轨迹Ａｇｅｎｔ相互通信协调共同 在线生成控制指令，控制无人机的飞行运动状态。 ２．１无人机纵向控制系统方程的推导 在欧美坐标 下，在对系统及其环境做了合 理假设的基础上，根据非线性刚体运动思想进行建模， 第３期 常勇等： 基于ＭＡＳ的无人机纵向飞行控制 ２３ 得到带推力矢量的六自由度微分方程 。为了便于 式中： 为快回路带宽，它的选取要符合工程实际的需 要，一般为１０ ｒａｄ／ｓ。快回路控制器结构原理见图２。 研究无人机运动规律，可以把无人机的运动分为纵向 和横侧向两组互不相关的运动。因为无人机横侧向是 对称的，在平衡位置，横侧向的姿态角不应该发生变 化。因此，可横侧向的状态变量为 ＝０，Ｐ＝０，ｒ： ０，咖＝０， ＝０。 将其代人已知的无人机六自由度数学模型中，即 可将飞机运动方程解耦为不依赖横侧向状态量的纵向 方程组： Ｖ＝一（Ｄ＋Ｍｇｓｉｎ（０一 ）一Ｔｃｏｓｃ￣）／Ｍ ＆＝ｑ一（Ｌ—Ｍｇｏｏｓ（０一 ））／ＭＶ ＝ｃ，（ｍ＋ｍ ） （１） ０＝ｑ ｈ＝Ｖｓｉｎ（０一 ） 式中：Ｌ，Ｄ分别为作用于无人机上的升力和阻力；ｍ为 作用于飞机上的俯仰力矩；ｍ 为推力矢量产生的俯仰 力矩，其值为ｍ ＝Ｘ ·Ｔ·８ ，Ｘ，为发动机喷管到飞机 质心的距离；ｃ ：１／ 。 ２．２基于动态逆 “ 的姿态控制Ａｇｅｎｔ控制律设 计 结合奇异摄动理论，元人机纵向飞行控制系统方 程可描述为 ，＝ （ ）＋ｇ，（Ｘ）Ｕ （２） Ｘ ＝厂ｍ（Ｘ１）＋ｇ ｌ（ｘ１）ｘｚ＋ｇｍ２（ ）Ｕ （３） 式中： ＝ｑ为快回路被控量俯仰角速率； ＝０为慢 回路被控量俯仰角； ：［Ｖ， ，ｑ，０，ｈ］ ， ＝［ ， ，０， ｈ］ ；Ｈ＝［ ， ］ 分别为鸭翼和推力矢量纵向偏角；ｇ， （ ）＝［ｇｑｓｇｑＳ］，其具体表达式为 （ｉ）＝ ＝ · 。 （ ）＝１。 式（３）中右边第３项表示舵面产生的操纵力，其比 舵面产生的操纵力矩小得多，因此可以忽略不计，即 ｇ （ｘ）＝０。Ｔ为飞机推力大小；，竹为惯性矩；ｃ （ ）， ｃ椰 （ ）为气动参数。 在确定了式（２）中的所有参数的具体求解算法之 后，便可以从该式中解出快回路控制量Ｕ。 Ｕ＝ｇ厂 ［一 （ ）＋ ］ （４） 且 （５） 图２快回路控制器结构原理框图 Ｆｉｇ．２ Ｓｔｒｕｃｔｕｒａｌ ｄｉａｇｒａｍ ｏｆ ｆａｓｔ－ｌｏｏｐ ｃｏｎｔｒｏｌｌｅｒ 在确定了式（３）中的所有参数的具体求解算法之 后，便可以从该式中求解出慢回路控制量 即 ，。慢 回路的输出作为快回路的期望输入，从而根据一定的 控制分配算法映射成舵面偏角指令占 和发动机舵面 偏角指令 ，使 跟踪期望输入 。 根据动态逆方法，慢回路的控制律为 ＝ｇ －。１（ｉｌ）［一厂ｍ（ｉ１）＋口 ］＝ （６） 且 ＝Ｗ （ 一 ） （７） 式中：加 为慢回路带宽，取２ ｒａｄ／ｓ。慢回路控制器结 构见图３。 图３慢回路控制器结构图 Ｆｉｇ．３ Ｓｔｒｕｃｔｕｒａｌ ｄｉａｇｒａｍ ｏｆ ｓｌｏｗ—ｌｏｏｐ ｃｏｎｔｒｏｌｌｅｒ ２．３ 基于改进型动态逆姿态控制Ａｇｅｎｔ控制律设 计 采用动态逆方法实现非线性系统的精确线性化是 基于对象具有精确的数学模型基础上的，而无人机逆 模型存在不可避免的误差，这会给系统带来不确定性。 因此，单独采用非线性动态逆方法设计的飞行控制系 统将不能解决所谓的鲁棒性能问题。为了克服干扰力 和力矩及非线性对消误差引起的影响，可在回路中引 入误差（ 一 ）的积分，当存在干扰和对消误差时， ≠ ，将其误差的积分反馈到回路中，能有效地提高系 统的摄动能力。结构如图４所示。 由于 ： ＝ （ （８） 故 “＝ｇ ）［一，（ ）＋ （Ｘｃ－－Ｘ）＋ （ ）一 ］（９） 电光与控制 第１８卷 制律加入到Ａｇｅｎｔ中。最后启动Ａｇｅｎｔ行为对Ａｇｅｎｔ进 行仿真。 受现实条件，无人机真实的气动参数无法得 到。本文仿真中的气动参数根据ｘ一系列验证机所 得，经试验证明基本可以满足仿真需求。 设初始条件为：惯性矩 ＝７５ ６７３．６ ｋｇ·ｍ ； ＝ １０２．０９ ｍ／ｓ；ｑ：０；Ｍ＝１０ ６１７ ｋｇ； ＝０．１５６ ６８ ｒａｄ；ｈ＝ 图４改进型动态逆控制器结构框 Ｆｉｇ．４ Ｄｉａｇｒａｍ ｏｆ ｉｍｐｒｏｖｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ 当非线性对消准确，开环传递函数Ｃ（ｓ）： ． １ 一 回路仍为一阶响应，且比例积分能消除干扰 十ａ 引起的稳态误差。当存在对消误差时，回路则为二阶 响应，选择合适积分增益，不仅能消除干扰产生的稳态 误差，而且还使非线性对消误差的影响减小，因为在非 线性对消通道中，增加了一个附加反馈，从而提高了对 模型摄动的鲁棒性。 取 ＝０．４ｓ～，比例积分只需在慢回路中引入，而 快回路中误差也可借助此比例积分加以消除。 ３基于ＪＡＤＥ平台的Ａｇｅｎｔ仿真 要实现一个真正的ＭＡＳ，就需要一个现有的开发 环境ｏ ＪＡＤＥ（Ｊａｖａ Ｄｅｖｅｌｏｐｍｅｎｔ Ｆｒａｍｅｗｏｒｋ）是ＭＡＳ通 信的开发软件，是一个完全由Ｊａｖａ语言开发的软件框 架，可以用来开发基于Ａｇｅｎｔ的应用程序，并且符合ＦＩ— ＰＡ规范，能实现多Ａｇｅｎｔ系统间的互操作，极大地简 化了开发智能体系统的过程。下载并成功安装ＪＡＤＥ 后，在命令行中输入ｊａｖａ ｊａｄｅ．Ｂｏｏｔ—ｇｕｉ将看到如图５所 示的图形化用户界面。 图５ ＪＡＤＥ图形化用户界面 Ｆｉｇ．５ ＪＡＤＥ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ 首先在ＪＡＤＥ中创建名为ＡＣＡｇｅｎｔ的姿态控制 Ａｇｅｎｔ并完成Ａｇｅｎｔ的注册。ＪＡＤＥ使用Ｂｅｈａｖｉｏｕｒ来表 示一个Ａｇｅｎｔ要执行的任务，它提供两种方法：ａｃｔｉｏｎ（） 方法表示行为类可以完成的任务；ｄｏｎｅ（）方法表示当任 务完成时返回真值，没返回时返回假值，ａｃｔｉｏｎ（）方法再 次被调用。将所设计的控制律写入ＡＣＢｅｈａｖｉｏｕｒ的 ａｃｔｉｏｎ（）抽象函数中，然后用ａｄｄＢｅｈａｖｉｏｒ（）的方法把控 ３ ０００ ｍ：Ｔ＝６ ０００ Ｎ：０＝０．１５６ ６８ ｒａｄ。 １）采用动态逆控制器，当０ ＝５。时，系统输出０的 响应曲线如图６所示。 图６采用动态逆控制器系统鲁棒性验证 Ｆｉｇ．６ Ｒｏｂｕｓｔｎｅｓｓ ｖａｌｉｄａｔｉｏｎ ｏｆ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｌｌｅｒ ２）采用改进型动态逆控制器，当０ ＝５。时，系统 输出０的响应曲线如图７所示。 图７采用改进型动态逆控制器系统鲁棒性验证 Ｆｉｇ．７ Ｒｏｂｕｓｔｎｅｓｓ ｖａｌｉｄａｔｉｏｎ ｏｆ ｔｈｅ ｉｍｐｒｏｖｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｃｏｎｔｒｏｎｅｒ 通过仿真结果可知，两者都在２ Ｓ左右实现了无人 机纵向俯仰角的快速跟踪，并且超调量都较小，符合元 人机控制精度要求，可见所设计的动态逆控制器和改 进型动态逆控制器都是有效的。但通过对比可明显看 出，后者比前者跟踪曲线更加平滑，且当气动参数调整 为原来的５０％时，后者比前者具有更小的超调量。由 此可见，通过对动态逆控制器的改进，系统的跟踪精度 和摄动性得到了提高。 ４结束语 （下转第３０页） ３０ 电光与控制 第１８卷 （上接第２４页） ｉｎｇ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｓｏｆｔｗａｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｅｎｇｉｎｅｅｉｒｎｇ，２００１（１１）：２３１－２５８． 本文设计出一种分层递阶多Ａｇｅｎｔ无人机自主飞 行控制体系结构，有利于自主飞行控制系统的快速设 计与实现。并将多Ａｇｅｎｔ系统与动态逆方法交叉、融 ［４］陈玉明．飞行器的自主飞行控制方法研究［Ｄ］．南京： 南京航空航天大学，２００３． ［５］吴森堂，费玉华．飞行控制系统［Ｍ］．北京：北京航空 航天大学出版社，２００５． 合，设计了纵向姿态控制Ａｇｅｎｔ，并进行了仿真验证。 最后的仿真实验结果表明，设计出的姿态控制Ａｇｅｎｔ 可以很好地控制元人机的姿态角；改进后的动态逆控 ［６］ 朱秋芳．歼击机超机动飞行控制及多机协同多目标攻 击技术研究［Ｄ］．南京：南京航空航天大学，２００７． 制器比改进前具有更好的跟踪性能，且提高了系统的 鲁棒性。本文的研究为进一步实现元人机自主飞行控 制打下了一定的基础。 ［７］ 陈海．无人机自主控制综述及自主着陆控制系统设计 ［Ｄ］．西安：西安工业大学，２００７． ［８ 何慧．无人机自动着陆纵向控制技术研究［Ｄ。］．南京： 南京理工大学，２００８． ［９］ 杜金刚．基于动态逆方法的飞行控制系统设计与仿真 ［Ｄ］．西安：西安工业大学，２００６． ［１０］ 王峰．元人机飞行运动建模与自主飞行控制技术研 究［Ｄ］．南京：南京航空航天大学，２００９． 『１ １］ ＢＡＪＯＤＡＨ Ａ Ｈ．Ｇｅｎｅｒａｌｉｚｅｄ ｄｙｎａｍｉｃ ｉｎｖｅｒｓｉｏｎ ｓｐａｃｅ． 参考文献 ［１］王德瀚．基于ＭＡＳ的智能控制系统研究［Ｄ］．哈尔滨： 哈尔滨理工大学，２００７． ［２］ ＷＯＯＬＤＲＩＤＧＥ Ｍ，ＪＥＮＮＩＮＧＳ Ｎ Ｒ．Ｔｈｅ Ｇａｌａ ｍｅｔｈｏｄｏｌｏ． ｇｙ ｆｏｒ ａｇｅｎｔ—ｏｒｉｅｎｔｅｄ ａｎａｌｙｓｉｓ ａｎｄ ｄｅｓｉｇｎ［Ｊ］．Ａｕｔｏｎｏｍｏｕｓ Ａｇｅｎｔ ａｎｄ Ｍｕｌｔｉ—Ａｇｅｎｔ Ｓｙｓｔｅｍｓ，２０００（３）：２８５－３１２． ｃｒａｆｔ ｃｏｎｔｒｏｌ ｄｅｓｉｇｎ ｍｅｔｈｏｄｏｌｏｇｉｅｓ［Ｊ］．ＩＥＴ Ｃｏｎｔｒｏｌ Ｔｈｅ— ｏｒｙ Ａｐｐｌ，２００９，３（２）：２３９－２５１． ［３］ＤＥＬＯＡＣＨ ｓ Ａ，ＷＯＯＤ Ｍ．Ｍｕｌｔｉ—ａｓｃｎｔ ｓｙｓｔｅｍｓ ｅｎｇｉｎｅｅｒ—
