多智能体、一致性、时滞 含通信时滞和输入时滞的多智能体一致性仿真 简单的多智能体一致性性仿真图
多智能体、一致性、时滞 含通信时滞和输入时滞的多智能体一致性仿真 简单的多智能体一致性性仿真图，包含状态轨迹图和控制输入图。 适用于初学者。
多智能体系统的一致性控制挺有意思的，特别是加上了时滞之后。今天咱们用MATLAB搞个简单的无人机编队仿真，重点看看通信时滞和输入时滞对收敛速度的影响。不用复杂的高阶模型，就拿一阶积分器模型说事。
先看基础模型。假设有四个无人机，动力学方程简单到离谱：
% 一阶积分器模型 dx = @(x, u) u;这时候要是没有时滞，一致性协议直接用邻居状态差就行。但现实里信号传输总有个延迟，咱们得在代码里模拟这个情况。
先处理通信时滞。假设每个无人机收到邻居信息有0.3秒延迟，咱们在内存里存个历史状态队列：
% 时滞参数 comm_delay = 0.3; % 通信时滞300ms state_history = []; % 存历史状态的环形缓冲区 % 在每次迭代时记录状态 state_history = [state_history; t, x']; if size(state_history,1) > comm_delay/dt state_history(1,:) = []; end取数据的时候得往前翻记录，就像找快递柜里昨天的包裹：
% 获取延迟后的邻居状态 delayed_states = interp1(state_history(:,1), state_history(:,2:end), t - comm_delay);再来看输入时滞，相当于控制器计算出的指令要过段时间才能执行。这个在代码里更好实现，直接把控制量存到队列里：
control_queue = []; % 控制指令缓冲区 u = calculate_control(x); % 新控制量生成 control_queue = [control_queue; u']; % 应用当前可用的最早控制量 if size(control_queue,1) > input_delay/dt current_u = control_queue(1,:); control_queue(1,:) = []; else current_u = zeros(1,4); % 缓冲不足时保持零输入 end这时候系统方程得改成用延迟后的控制量：
x = x + current_u' * dt;把两个时滞叠加上去跑仿真，状态轨迹明显变得扭捏了。这是某次跑出来的收敛过程：
多智能体、一致性、时滞 含通信时滞和输入时滞的多智能体一致性仿真 简单的多智能体一致性性仿真图，包含状态轨迹图和控制输入图。 适用于初学者。
（插入状态轨迹图，横轴时间纵轴状态值，四条曲线最终收敛但路径曲折）
控制输入图更直观，能看到指令像打水漂一样一浪接一浪：
（插入控制输入图，显示脉冲式的控制量发放）
几个调试小技巧：
- 时滞别超过系统稳定裕度，否则直接发散
- 通信时滞比输入时滞影响更大，因为会产生误差累积
- 步长dt要小于最小时滞，否则插值会出鬼影
完整代码大概长这样（核心部分）：
% 参数初始化 dt = 0.01; T = 10; x = [3;1;-2;0]; % 初始状态 u_hist = zeros(4,1); for t = 0:dt:T % 通信时滞处理 delayed_x = get_delayed_states(t); % 计算控制量（包含邻居信息延迟） u = -L * delayed_x; % L是拉普拉斯矩阵 % 输入时滞处理 apply_control = get_delayed_control(u); % 状态更新 x = x + apply_control*dt; % 记录数据 record_plot_data(); end想自己试的可以把时滞参数调大点，马上能看到系统开始抽风。这玩意儿就像煮粥，火候（时滞）大了就糊锅，太小了又煮不熟。多跑几次参数，手感就出来了。