1.一种时变异构多智能体一致性控制方法，其特征在于：包括以下步骤：S1、建立多智能体系统的输入输出关系模型与连接拓扑图，其中，所述输入输出关系模型中每个智能体有多个传感器，且含有随机噪声；

S2、根据输入输出关系模型，对单个智能体中任一传感器创建卡尔曼观测器，得到该智能体在其任一传感器下的状态估计信息；

S3、设置最优信息融合准则，对该智能体下所有传感器的状态估计信息进行线性加权融合，得到该智能体的最优状态估计信息；其中，所述最优信息融合准则为取该智能体任一传感器和另一传感器状态估计信息的最小协方差矩阵作为线性加权的加权矩阵；

S4、根据智能体的最优状态估计信息，设置一致性控制协议，对多智能体进行一致性控制，其中，所述一致性控制协议中状态反馈增益采用最小二乘法进行计算。

2.如权利要求1所述的一种时变异构多智能体一致性控制方法，其特征在于：所述多智能体系统中有N个智能体，第i个智能体有Ni个传感器，对于第i个智能体以及该智能体第j个传感器的第t时刻的输入输出关系模型为：xi(t)＝Ai(t‑1)xi(t‑1)+Bi(t‑1)ui(t‑1)+wi(t‑1)n k

其中，xi(t)∈R表示第i个智能体的系统状态，ui(t)∈R表示第i个智能体的系统输入，n k， p表示第i个智能体的第j个传感器的可测输入，R、R 、R分别表示系统的n维、k维和p维向量；wi(t)和 是独立的零均值噪声序列；矩阵Ai，Bi， 分别为系统状态矩阵，系统输入矩阵和系统观测矩阵。

3.如权利要求1所述的一种时变异构多智能体一致性控制方法，其特征在于：所述连接拓扑图 其中， 表示图中节点的集合， 表示图中连接节点的边线集合， 表示该图的邻接权重矩阵，并有aii＝0；

当(i，j)∈ε时， 节点i可以接收到节点j的信息，否则表示节点i所有邻接点的集合；节点i的入度定义为令D＝diag(d(1)，d(2)，…，d(N))，diag表示对角块矩阵，则该图的拉普拉斯矩阵为

4.如权利要求2所述的一种时变异构多智能体一致性控制方法，其特征在于：所述步骤S2具体包括：对第i单个智能体的第j个观测器创建卡尔曼观测器：其中， 表示智能体i在j传感器下的状态估计值， 表示后置状态估计值，j j表示前置状态估计值，Pi (t+1|t)表示前置协方差矩阵，Pi (t+1|t+1)表示后置协方差矩阵， 为卡尔曼增益，Qi(t)为wi(k)的协方差， 为 的协方差。

5.如权利要求4所述的一种时变异构多智能体一致性控制方法，其特征在于：智能体i的最优状态估计信息：其中， 表示状态估计增益系数矩阵，

jk

Pi (t)为第i个智

能体第j个传感器与第k个传感器在t时刻估计值的协方差矩阵， 表示状态估计矩阵；In为n×n维单位矩阵， 为Ni×Ni的块矩阵矩阵，其中，每个块为n×n维T T的单位矩阵；若某个矩阵或向量a写为a形式，则a表示为a的转置。

6.如权利要求5所述的一种时变异构多智能体一致性控制方法，其特征在于：所述步骤S3中得到该智能体的最优状态估计信息，具体包括：jk

令 根据Pi ，则有：

当 最小时，智能体i的卡尔曼观测器取得最优融合估计值；

令 Λi为拉格朗日算子，

则 时，Li(t)取得最小值，即

即

求解得：

得出智能体i最终的状态估计值为：

其中，

7.如权利要求1所述的一种时变异构多智能体一致性控制方法，其特征在于：所述步骤S4具体包括以下步骤：T T T T T T

令 u(t)＝[u1(t) … uN(t) ] ，w(t)＝[w1(t) … wN(t)] ，A(t)＝diag[A1(t) … AN(t)]，B(t)＝diag[B1(t) … BN(t)]，T(t)＝diag[T1(t) … TN(t)]；

T T T

x(t)＝[x1(t) … xN(t) ]，T T

δ(t)表示同步误差， 表示状态的平均值，若某个矩阵或向量a写为a 形式，则a 表示为a的转置；Ti(t)为输入增益矩阵；

根据最小二乘法，令 多智能体实

现一致性控制，其中，S为任意矩阵，+代表伪逆。

8.如权利要求1所述的一种时变异构多智能体一致性控制方法，其特征在于：得到所述状态反馈增益T(t)，具体包括：根据同步误差δ(t)，则有：

其中，E为均方差矩阵，

将 近似为x(t)，则：

令

则

当A(t)‑B(t)T(t)LN＝0时，即 时，多智能体实现一致性控制。

9.一种时变异构多智能体一致性控制系统，其特征在于：采用如权利要求1‑8中任一项所述的一种时变异构多智能体一致性控制方法进行多智能体一致性控制。

10.如权利要求9所述的一种时变异构多智能体一致性控制系统，其特征在于：所述多智能体系统中有N个智能体，第i个智能体有Ni个传感器，对于第i个智能体以及该智能体第j个传感器的第t时刻的输入输出关系模型为：xi(t)＝Ai(t‑1)xi(t‑1)+Bi(t‑1)ui(t‑1)+wi(t‑1)n k

其中，xi(t)∈R表示第i个智能体的系统状态，ui(t)∈R表示第i个智能体的系统输入，n k， p表示第i个智能体的第j个传感器的可测输入，R ，R ，R ；wi(k)和 是独立的零均值噪声序列；矩阵Ai，Bi， 分别为系统状态矩阵，系统输入矩阵和系统观测矩阵。