04基于观测器的线性多智能体事件触发一致性
多智能体系统一致性控制这事儿，最近在无人机编队和分布式机器人领域火得不行。传统的控制方
法每隔固定时间就得更新信息，搞得通信信道像早晚高峰的地铁站。这时候有个叫事件触发的机制突然冒
出来，说咱们能不能只在必要的时候才通信？就像老司机开车，发现偏离车道了才调整方向盘，而不是每隔
两秒就硬掰一下。
先看个二阶线性多智能体的典型模型：
```python
class Agent:
def __init__(self, A, B, L):
self.x = np.random.randn(2,1) # 状态向量[位置;速度]
self.observer_x = np.zeros((2,1)) # 观测器状态
self.A = A # 系统矩阵
self.B = B # 控制矩阵
self.L = L # 观测器增益
def update_observer(self, neighbors_info):
# 邻居信息格式：{邻居ID: (估计状态, 触发时间)}
sum_term = np.zeros((2,1))
for nbr_id, (x_hat, t_k) in neighbors_info.items():
sum_term += self.L @ (x_hat - self.observer_x)
self.observer_x += self.A @ self.observer_x + sum_term
```
这段代码里的观测器就像给每个智能体装了预测眼，不用实时盯着邻居的状态，而是通过数学估计
来脑补队友的动向。关键点在于`L`矩阵的设计，它决定了观测器对误差的敏感程度——太激进容易误判，太
保守又反应迟钝。
事件触发条件才是精髓所在，咱们看个实际判断逻辑：
```python
def check_trigger(agent, threshold):
# 计算当前状态与观测器估计的误差
e = agent.x - agent.observer_x
# 事件触发条件：误差超过阈值或距离上次触发超过T_max
