由于多智能体系统协同控制任务的复杂性和智能体所受到的环境因素，每个智能体的非线性子系统之间将会存在非线性连接，并且这些非线性的子系统通过网络彼此相互耦合使得整个多智能体系统难以准确地建立其数学模型，从而基于模型的控制方法将不再适用于这类非线性耦合多智能体系统。因此，在大数据时代背景下如何最大化利用系统产生的数据来对系统进行控制，而不并需要建立其精确的数学模型是一项非常有意义并且值得研究的课题。

近日，我院青年泰山学者车伟伟教授所带领的团队成员在多智能体系统协同控制研究领域取得新进展，有效地解决建模困难和安全控制两大难题，该成果以青岛大学为第一通信单位，以Distributed Model-Free Adaptive Control for Learning Nonlinear MASs Under DoS Attacks为题，发表在著名国际期刊《IEEE Transactions on Neural Networks and Learning Systems》（2021，IF=10.451，DOI：10.1109/TNNLS.2021.3104978）上，该期刊是中科院工程技术类一区期刊。第一作者为自动化学院硕士研究生马永胜。

该研究提出了一种改进的动态线性化方法来获取非线性多智能体系统的等价线性数据模型。为了减小拒绝服务攻击对系统造成的影响，设计了一个攻击补偿器。基于所获得线性数据模型和所设计的攻击补偿器，提出了一种新颖的基于学习的分布式无模型自适应控制算法在抵抗网络攻击的同时实现协同控制目标。该控制算法提供了一个统一的框架来实现无领导者的一致性控制，有一个领导者的追踪控制和有多个领导者的包容控制任务。

本课题研究得到了国家自然科学基金、山东省自然科学基金和山东省青年泰山学者基金等项目的资助。