自然界中鱼群、牧群、鸟群等的集群运动都会有一个共同的现象：群体运动进行一段时间后，生物个体的运动状态会趋于一致。控制理论的先驱者和数学家对此进行了研究，并提出了多智能体系统（multi-agent systems）的概念，用以描述和处理大规模系统协同控制问题[46，47]。一致性算法[48]是解决多智能体系统协同控制问题的重要手段。科研工作者对一致性算法进行了大量的理论研究工作，分别对一阶系统，双积分器二阶系统[49，50]，含有未知项、非线性[51]的二阶系统，高阶多智能体系统[52，53]进行了研究，利用代数图论和李雅普诺夫稳定性理论等对上述系统在一致性协议控制作用下的收敛性进行了研究。在这些基础理论研究后，Su 研究了速度不可测条件下多智能体系统的一致性算法[54]，研究了输入饱和情况下的一致性算法[55，56]。Hui[57]等研究了 Second-order 系统有限时间收敛的一致性问题。Guan[58]等研究了 Leader-Follower 模式下二阶系统的有限时间一致性跟踪算法。Zhang[59]等在多智能体一致性算法的基础上集成了分布式滑模变结构观测器，增强了一致性协议的抗干扰能力，得到了鲁棒一致性跟踪协议。
一致性算法丰富的研究工作，为一致性算法在列车运行控制中的应用提供了坚实的基础。Ren W 较早开展了一致性算法在车辆运行协同控制中的研究和应用[60，61]，研究了多种限制条件下多车的协同控制问题。Li[62]等仅利用相邻车厢的信息交换，实现了模型参数不确定条件下动车组的一致性控制；随后，依据列车的工程背景考虑了执行器输出力矩的饱和特性，在原有控制器基础上集成抗干扰输入饱和模块，实现了有限控制输入条件下多车的一致性跟踪[63]。王天稚[64]设计了带有人工势能场的一致性算法，实现了多车速度对目标曲线的一致性跟踪，并保证车间距始终处于安全距离。(www.xing528.com)
多智能体一致性控制的研究已有丰富的成果，也成功地移植到多电机、多无人机、多车等的协同控制；但是把一致性算法运用到列车制动控制中的文章鲜有提及，现有将一致性算法与高速列车结合的文章，实现的是对多节车厢的协同控制，即在控制作用下速度达到一固定值，然而列车制动过程的目标曲线是加速度变化较小的时变曲线；并且高速列车运行环境多变，算法对时变曲线的跟踪以及对不确定性阻力的处理能力和鲁棒性有待进一步研究。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
