CN108333949A - 针对多智能体系统执行器部分失效故障的滑模容错控制方法 - Google Patents
针对多智能体系统执行器部分失效故障的滑模容错控制方法 Download PDFInfo
- Publication number
- CN108333949A CN108333949A CN201810206810.0A CN201810206810A CN108333949A CN 108333949 A CN108333949 A CN 108333949A CN 201810206810 A CN201810206810 A CN 201810206810A CN 108333949 A CN108333949 A CN 108333949A
- Authority
- CN
- China
- Prior art keywords
- follower
- formula
- control
- failure
- agent system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000009415 formwork Methods 0.000 title claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 239000003795 chemical substances by application Substances 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于自适应滑模控制的多智能体系统的容错控制方法。考虑二阶非线性多智能体系统发生执行器部分失效故障,结合自适应控制和滑模控制,提出一种容错控制方法。根据智能体之间的相对状态信息定义了一致性误差变量,基于一致性误差变量设计滑模面,给出了渐进稳定的充分条件,基于自适应边界估计的方法估计出故障的上界,从而最终构成完整的滑模容错控制器。本发明通过设计一种基于一致性误差变量的滑模面,简化了问题的复杂度;结合自适应控制和滑模控制的优点,所设计的容错控制律有良好的容错能力。本发明用于带有执行器部分失效故障的多智能体系统的容错控制。
Description
技术领域
本发明涉及一种基于滑模控制的多智能体系统的容错控制方法,属于多智能体系统控制领域。
背景技术
很多具有信号采集、运算和通信能力的智能体,通过网络实现信息交互并协作以完成预定的任务,这就构成了多智能体系统。其中,多智能体系统的个体是具有一定自主行为的控制对象,如地面移动机器人、无人驾驶飞行器、远程智联传感器等。在多智能体系统中,所有的智能体相互协作,共同完成一项复杂的任务。多智能体系统的协同控制是通过设计分布式控制策略,使智能体之间利用局部的信息交换来实现一个共同的目标。随着控制计算和网络技术的发展,多智能体系统的应用也越来越广,普遍存在于我们的生活中。
多智能体系统实现任务的前提是每个智能体本身能够正常运行,一旦在运行中某个或多个智能体发生执行器故障,就可能因控制律不能完整地被执行而导致整体任务失败。由于智能体之间相互连接,单个智能体的故障很可能影响整个系统,甚至导致整个系统崩溃,无法完成任务,造成经济损失甚至人员伤亡。研究多智能系统的容错控制方法,对于提高复杂大系统的可靠性和安全性具有重要的现实意义。
执行器部分失效故障是一种常见的故障。近年来,一些学者研究了具有执行器部分失效故障的多智能体系统的容错控制问题。清华大学张旭等针对同时存在执行器部分失效故障和外部扰动的多智能体系统,设计了具有自适应增益补偿的容错控制律,实现了容错一致性。但是故障模型过于简单,仅适用于具有单个执行器的系统。重庆大学陈刚等针对存在执行器部分失效故障二阶多智能体系统,提出了基于故障检测的容错分配控制策略,但是未考虑系统固有的非线性。
发明内容
发明目的:本发明涉及一种基于滑模控制的多智能体系统的容错控制方法,属于多智能体系统控制领域。
技术方案:一种针对多智能体系统执行器部分失效故障的滑模容错控制方法,在多智能体系统存在执行器部分失效故障时,结合自适应技术,提出一种滑模容错控制方法,使得多智能体系统在发生执行器故障后能够正常运行;根据智能体之间的相对状态信息定义了一致性误差变量,据此设计了滑模面,求解出系统的滑动模态,然后结合自适应边界估计设计出滑模控制律,最终构成容错控制器,包括如下具体步骤:
步骤1)确定领航-跟随多智能体系统的模型及其参数,包括如下步骤:
步骤1.1)确定领航者的运动模型,如式(1)所示:
其中,和分别表示领航者在t时刻的位置和速度状态;为领航者的控制输入;是连续的向量值函数,表示领航者的固有非线性动力学行为;
步骤1.2)确定第i个跟随者的运动模型,如式(2)所示:
其中,表示第i个跟随者在t时刻的位置状态;表示第i个跟随者在t时刻的速度状态;表示发生执行器故障的第i个跟随者的控制输入;是连续的向量值函数,表示第i个跟随者的固有非线性动力学行为;对于式(1)和式(2)中的非线性函数f(x0,v0,t)和f(xi,vi,t),存在非负的实数h1和h2满足式(3):
||f(xi,vi,t)-f(x0,v0,t)||≤h1||x1-x0||+h2||vi-v0|| (3)
步骤1.3)确定跟随着系统的故障模型,令ui(t)表示第i个跟随者的控制输入信号,假设每个跟随者有m(m>1)个执行器,则其发生执行器失效故障后的控制输入为如式(4)所示:
其中θi(t)=diag{θi1(t),...,θim(t)}表示第i个跟随者的执行器失效因子矩阵,时变函数θip(t)(p∈{1,2,...,m})表示第i个跟随者中的第p个执行器的失效因子,并且满足0≤θip(t)<1;当θip(t)=0时,第p个执行器正常工作;当0<θip(t)<1时,第p个执行器部分失效但仍在工作;
步骤2)确定多智能体系统的通讯拓扑结构:
考虑无向图通讯拓扑结构下的领航-跟随多智能体系统,图表示包括跟随者和领航者在内的所有节点之间的信息交互情况,其中表示所有的节点集合,表示节点之间的通讯链接集合,表示邻接矩阵;假设多智能体系统共有n个跟随者,子图G=(V,E,A)表示跟随者之间的通讯拓扑网络,其中V={1,2,...,n}表示跟随者的节点集合,表示跟随者之间的通讯链接集合,表示图G的邻接矩阵;记为图G的Laplacian矩阵,定义其中lij的定义如式(5)所示:
领航者与跟随者之间的邻接矩阵定义为如果领航者0与第i个跟随者之间有一条无向边e0i=(0,i)∈E0,那么bi=1;否则,bi=0;不难发现,
步骤3)设计滑模面,包括如下步骤:
步骤3.1)根据第i个跟随者获取到的邻居信息,定义了一致性位置误差变量exi(t)和一致性速度误差变量evi(t),如式(6)所示:
其中,aij代表第i个跟随者和第j个跟随者之间的连接权重,bi代表第i个跟随者与领航者之间的连接权重,Ni代表第i个跟随者的邻居集合;
记为无向图G对应的Laplacian矩阵,领航者与跟随者之间的邻接矩阵,定义变量式(6)可以改写为向量形式,如式(7)所示:
步骤3.2)利用一致性误差变量设计滑模面函数,如式(8)所示:
S(t)=kex+ev (8)
其中,si(t)为滑模变量,且si(t)=kexi+evi,i=1,2,...,n,k是一个正常数;
步骤4)设计容错控制律,采用自适应方法来估计第i个跟随者执行器故障中的失效因子θi(t)的最大值,设计容错控制律,如式(9)所示:
其中,γi为控制律中非线性量的控制增益,其定义如式(10)所示:
在式(10)中,ωi为故障边界值,其定义为ωi=1/(1-||θi(t)||);是ωi的估计值,且满足φi为补偿因子,且满足σ,ρ,c1,c2为可调节的控制参数;根据式(9)和式(10),控制律可等价表示为向量形式,如式(11)所示:
其中,γ=diag{γ1,...,γn},bn=[b1,...,bn]T;
步骤5)根据多智能体系统的运行状态,选择合适的参数,完成对其的容错控制。
有益效果:本发明提出的一种针对多智能体系统执行器部分失效故障的滑模容错控制方法,在多智能体系统存在执行器部分失效故障时,结合自适应技术,提出一种滑模容错控制方法,使得多智能体系统在发生执行器故障后能够正常运行;根据智能体之间的相对状态信息定义了一致性误差变量,据此设计了滑模面,求解出系统的滑动模态,然后结合自适应方法设计出滑模控制律,最终构成容错控制器,具有如下具体优点:
(1)领航者具有控制输入,能够设计期望的运行轨迹,系统的非线性约束条件进一步放松,方法的适用性更广;
(2)充分考虑到多智能体系统在运行过程中可能存在常值或者时变型执行器部分失效故障,使得控制器的设计具有更好的实用性;
(3)引入自适应边界估计的方法估计出执行器故障的大小,容错控制律不断地改变参数,使得系统保守性更小,控制效果更佳。
本发明所提方法作为一种针对含有执行器部分失效故障的多智能体系统滑模容错控制方法,具有一定的应用意义,易于实现,实时性好,准确性高,能够有效提高控制系统安全性且可操作性强,节省时间,效率更高,可广泛应用于多智能体系统的执行器故障容错控制中。
附图说明
图1是本发明方法的流程图;
图2是Quanser公司研制的实验装置移动机器人Qbot;
图3 Qbot结构简化示意图;
图4是多机器人系统通讯拓扑结构;
图5是x轴位置跟踪误差;
图6是y轴位置跟踪误差;
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图1所示,一种针对多智能体系统执行器部分失效故障的滑模容错控制方法,在多智能体系统存在执行器部分失效故障时,结合自适应技术,提出一种滑模容错控制方法,包括如下具体步骤:
步骤1)确定领航-跟随多智能体系统的模型及其参数,包括如下步骤:
步骤1.1)确定领航者的运动模型,如式(1)所示:
其中,和分别表示领航者在t时刻的位置和速度状态;为领航者的控制输入;是连续的向量值函数,表示领航者的固有非线性动力学行为;
步骤1.2)确定第i个跟随者的运动模型,如式(2)所示:
其中,表示第i个跟随者在t时刻的位置状态;表示第i个跟随者在t时刻的速度状态;表示发生执行器故障的第i个跟随者的控制输入;是连续的向量值函数,表示第i个跟随者的固有非线性动力学行为;对于式(1)和式(2)中的非线性函数f(x0,v0,t)和f(xi,vi,t),存在非负的实数h1和h2满足式(3):
||f(xi,vi,t)-f(x0,v0,t)||≤h1||xi-x0||+h2||vi-v0|| (3)
步骤1.3)确定跟随着系统的故障模型,令ui(t)表示第i个跟随者的控制输入信号,假设每个跟随者有m(m>1)个执行器,则其发生执行器失效故障后的控制输入为如式(4)所示:
其中θi(t)=diag{θi1(t),...,θim(t)}表示第i个跟随者的执行器失效因子矩阵,时变函数θip(t)(p∈{1,2,...,m})表示第i个跟随者中的第p个执行器的失效因子,并且满足0≤θip(t)<1;当θip(t)=0时,第p个执行器正常工作;当0<θip(t)<1时,第p个执行器部分失效但仍在工作;
步骤2)确定多智能体系统的通讯拓扑结构:
考虑无向图通讯拓扑结构下的领航-跟随多智能体系统,图表示包括跟随者和领航者在内的所有节点之间的信息交互情况,其中表示所有的节点集合,表示节点之间的通讯链接集合,表示邻接矩阵;假设多智能体系统共有n个跟随者,子图G=(V,E,A)表示跟随者之间的通讯拓扑网络,其中V={1,2,...,n}表示跟随者的节点集合,表示跟随者之间的通讯链接集合,表示图G的邻接矩阵;记为图G的Laplacian矩阵,定义其中lij的定义如式(5)所示:
领航者与跟随者之间的邻接矩阵定义为如果领航者0与第i个跟随者之间有一条无向边e0i=(0,i)∈E0,那么bi=1;否则,bi=0;不难发现,
步骤3)设计滑模面,包括如下步骤:
步骤31)根据第i个跟随者获取到的邻居信息,定义了一致性位置误差变量exi(t)和一致性速度误差变量evi(t),如式(6)所示:
其中,aij代表第i个跟随者和第j个跟随者之间的连接权重,bi代表第i个跟随者与领航者之间的连接权重,Ni代表第i个跟随者的邻居集合;
记为无向图G对应的Laplacian矩阵,领航者与跟随者之间的邻接矩阵,定义变量式(6)可以改写为向量形式,如式(7)所示:
步骤3.2)利用一致性误差变量设计滑模面函数,如式(8)所示:
S(t)=kex+ev (8)
其中,si(t)为滑模变量,且si(t)=kesi+evi,i=1,2,...,n,k是一个正常数;
步骤4)设计容错控制律,采用自适应方法来估计第i个跟随者执行器故障中的失效因子θi(t)的最大值,设计容错控制律,如式(9)所示:
其中,γi为控制律中非线性量的控制增益,其定义如式(10)所示:
在式(10)中,ωi为故障边界值,其定义为ωi=1/(1-||θi(t)||);是ωi的估计值,且满足φi为补偿因子,且满足σ,ρ,c1,c2为可调节的控制参数;根据式(9)和式(10),控制律可等价表示为向量形式,如式(11)所示:
其中,γ=diag{γ1,...,γn},bn=[b1,...,bn]T;
步骤5)根据多智能体系统的运行状态,选择合适的参数,完成对其的容错控制。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
下面以实际案例仿真说明实施方案的有效性。
采用由加拿大Quanser公司研制的移动机器人Qbot执行器作为应用对象。移动机器人Qbot实验主体如图2。为了建立移动机器人Qbot的数学模型,简化了移动机器人Qbot的结构,其简化后的结构如图3所示。
移动机器人Qbot的运动学方程可以描述为:
其中,v、α、β分别表示Qbot的线速度、方向、角速度,(rx,ry)表示Qbot的惯性位置。
图3中,(hx,hy)是参考点,其定义为h=[hx,hy]T,它与轮轴线的垂直距离为L=0.15m,并且其垂直线与轮轴线正交于中心r=[rx,ry]T,该参考点的位置运动学是完整的。在仿真实验中,考虑参考点的位置协同问题,而不是Qbot的中心位置协同问题。参考点的位置可以描述为:
计算上式关于时间t的二次导数,可得:
令
则移动机器人Qbot的运动学方程可以写为:
其中,x(t)=[hx hy]T为位置状态向量,hx表示x轴方向的位移,hy表示y轴方向的位移;为速度状态向量,表示x轴方向的速度,表示y轴方向的速度;u(t)=[uxuy]T为控制输入向量,ux和uy为控制输入函数;f(x,v,t)=[f1 f2]T为非线性向量,f1和f2为非线性函数。
考虑一个由4个跟随者和1个领航者所组成的多机器人系统,其中领航者标记为0,跟随者标记为i(i=1,2,3,4)。所有机器人均为移动机器人Qbot,其中领航者标记为0,跟随者标记为i(i=1,2,3,4)。领航者机器人的运动学方程为:
考虑执行器故障,则第i个机器人的运动学方程为:
令ui(t)表示第i个跟随者的控制输入信号。假设每个跟随者有m(m>1)个执行器,则其发生执行器失效故障后的控制输入为:
其中θi(t)=diag{θi1(t),...,θim(t)}表示第i个跟随者的执行器失效因子矩阵,时变函数θip(t)(p∈{1,2,...,m})表示第i个跟随者中的第p个执行器的失效因子,并且满足0≤θip(t)<1。当θip(t)=0时,第p个执行器正常工作;当0<θip(t)<1时,第p个执行器部分失效但仍在工作。
假设机器人2和3发生执行器故障,其余机器人无故障,即θi(t)=0,(i=0,1,4)。其中,机器人2执行器故障描述为:
机器人3的执行器故障描述为:
假设多机器人系统之间的通讯拓扑结构如图4所示,所有的边权值都取1。根据通讯拓扑结构,计算得出Laplacian矩阵和邻接矩阵的具体表达式:
领航者和跟随者的位置初始状态分别选取为:[-4,-2.3]T,[-0.5,0.6]T,[-0.5,-5.9]T,[-2.5,-1.7]T和[-2,-1]T。领航者的控制输入u0=[sin(t) cos(t)]T,其中滑模面系数及控制器参数选择如下:k=2,ρ=0.5,σ=0.362,c1=0.137,c2=0.32,h1=1,h2=2。
定义第i个机器人的位置跟踪误差为ehi=xi-x0,图5和图6分别给出了x轴的位置跟踪误差和y轴的位置跟踪误差随着时间的演化曲线。从图5可以看出,对于无故障的机器人1和机器人4,位置跟踪误差在t=7s内收敛到零,能够完全跟踪领航者;从图6可以看出,对于存在故障的机器人2和3,位置跟踪误差在t=9s内收敛到零,能够完全跟踪领航者。因此,在执行器发生故障的情况下,容错控制器能保证多机器人系统实现容错控制。
Claims (1)
1.一种针对多智能体系统执行器部分失效故障的滑模容错控制方法,其特征在于:在多智能体系统存在执行器部分失效故障时,结合自适应技术,提出一种滑模容错控制方法,使得多智能体系统在发生执行器故障后能够正常运行;根据智能体之间的相对状态信息定义了一致性误差变量,据此设计了滑模面,求解出系统的滑动模态,然后结合自适应边界估计设计出滑模控制律,最终构成容错控制器,包括如下具体步骤:
步骤1)确定领航-跟随多智能体系统的模型及其参数,包括如下步骤:
步骤1.1)确定领航者的运动模型,如式(1)所示:
其中,和分别表示领航者在t时刻的位置和速度状态;为领航者的控制输入;是连续的向量值函数,表示领航者的固有非线性动力学行为;
步骤1.2)确定第i个跟随者的运动模型,如式(2)所示:
其中,表示第i个跟随者在t时刻的位置状态;表示第i个跟随者在t时刻的速度状态;表示发生执行器故障的第i个跟随者的控制输入;是连续的向量值函数,表示第i个跟随者的固有非线性动力学行为;对于式(1)和式(2)中的非线性函数f(x0,v0,t)和f(xi,vi,t),存在非负的实数h1和h2满足式(3):
||f(xi,vi,t)-f(x0,v0,t)||≤h1||xi-x0||+h2||vi-v0|| (3)
步骤1.3)确定跟随着系统的故障模型,令ui(t)表示第i个跟随者的控制输入信号,假设每个跟随者有m(m>1)个执行器,则其发生执行器失效故障后的控制输入为ui F(t),如式(4)所示:
其中θi(t)=diag{θi1(t),...,θim(t)}表示第i个跟随者的执行器失效因子矩阵,时变函数θip(t)(p∈{1,2,...,m})表示第i个跟随者中的第p个执行器的失效因子,并且满足0≤θip(t)<1;当θip(t)=0时,第p个执行器正常工作;当0<θip(t)<1时,第p个执行器部分失效但仍在工作;
步骤2)确定多智能体系统的通讯拓扑结构:
考虑无向图通讯拓扑结构下的领航-跟随多智能体系统,图表示包括跟随者和领航者在内的所有节点之间的信息交互情况,其中表示所有的节点集合,表示节点之间的通讯链接集合,表示邻接矩阵;假设多智能体系统共有n个跟随者,子图G-(V,E,A)表示跟随者之间的通讯拓扑网络,其中V={1,2,...,n}表示跟随者的节点集合,表示跟随者之间的通讯链接集合,表示图G的邻接矩阵;记为图G的Laplacian矩阵,定义其中lij的定义如式(5)所示:
领航者与跟随者之间的邻接矩阵定义为如果领航者0与第i个跟随者之间有一条无向边e0i=(0,i)∈E0,那么bi=1;否则,bi=0;不难发现,
步骤3)设计滑模面,包括如下步骤:
步骤3.1)根据第i个跟随者获取到的邻居信息,定义了一致性位置误差变量exi(t)和一致性速度误差变量evi(t),如式(6)所示:
其中,aij代表第i个跟随者和第j个跟随者之间的连接权重,bi代表第i个跟随者与领航者之间的连接权重,Ni代表第i个跟随者的邻居集合;
记为无向图G对应的Laplacian矩阵,领航者与跟随者之间的邻接矩阵,定义变量式(6)可以改写为向量形式,如式(7)所示:
步骤3.2)利用一致性误差变量设计滑模面函数,如式(8)所示:
S(t)=kex+ev (8)
其中,si(t)为滑模变量,且si(t)=kexi+evi,i=1,2,...,n,k是一个正常数;
步骤4)设计容错控制律,采用自适应方法来估计第i个跟随者执行器故障中的失效因子θi(t)的最大值,设计容错控制律,如式(9)所示:
其中,γi为控制律中非线性量的控制增益,其定义如式(10)所示:
在式(10)中,ωi为故障边界值,其定义为ωi=1/(1-||θi(t)||);是ωi的估计值,且满足φi为补偿因子,且满足σ,ρ,c1,c2为可调节的控制参数;根据式(9)和式(10),控制律可等价表示为向量形式,如式(11)所示:
其中,γ=diag{γ1,...,γn},bn=[b1,...,bn]T;
步骤5)根据多智能体系统的运行状态,选择合适的参数,完成对其的容错控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810206810.0A CN108333949B (zh) | 2018-03-09 | 2018-03-09 | 针对多智能体系统执行器失效故障的滑模容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810206810.0A CN108333949B (zh) | 2018-03-09 | 2018-03-09 | 针对多智能体系统执行器失效故障的滑模容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108333949A true CN108333949A (zh) | 2018-07-27 |
CN108333949B CN108333949B (zh) | 2020-10-02 |
Family
ID=62930825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810206810.0A Expired - Fee Related CN108333949B (zh) | 2018-03-09 | 2018-03-09 | 针对多智能体系统执行器失效故障的滑模容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108333949B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108897229A (zh) * | 2018-09-25 | 2018-11-27 | 华东交通大学 | 一种二阶多智能体系统的领导-跟随比例一致性控制方法 |
CN109001982A (zh) * | 2018-10-19 | 2018-12-14 | 西安交通大学 | 一种非线性系统自适应神经容错控制方法 |
CN109085757A (zh) * | 2018-09-19 | 2018-12-25 | 南京航空航天大学 | 针对离散系统多执行器失效故障的主动容错预测控制方法 |
CN109407520A (zh) * | 2018-12-26 | 2019-03-01 | 南京航空航天大学 | 基于滑模控制理论的二阶多智能体系统的容错一致性控制算法 |
CN110095989A (zh) * | 2019-05-29 | 2019-08-06 | 南京邮电大学 | 一种基于反步法的分布式多拉格朗日系统跟踪控制策略 |
CN110161847A (zh) * | 2018-09-18 | 2019-08-23 | 南京航空航天大学 | 一种基于分布式奇异观测器的无人机编队系统传感器故障估计方法 |
CN110221542A (zh) * | 2019-06-04 | 2019-09-10 | 西北工业大学 | 一种二阶非线性多智能体系统固定时间协同跟踪控制方法 |
CN111007722A (zh) * | 2019-12-18 | 2020-04-14 | 厦门大学 | 一种四轮转向自动驾驶汽车横向鲁棒容错控制系统及方法 |
CN111077779A (zh) * | 2019-12-23 | 2020-04-28 | 华东交通大学 | 带扰动混杂多智能体系统实现领导-跟随一致性控制方法 |
CN111781942A (zh) * | 2020-06-23 | 2020-10-16 | 南京航空航天大学 | 一种基于自构造模糊神经网络的容错飞行控制方法 |
CN111880407A (zh) * | 2020-07-16 | 2020-11-03 | 中国人民解放军海军航空大学岸防兵学院 | 一种非线性系统的稳定方法及装置 |
CN111897358A (zh) * | 2020-07-30 | 2020-11-06 | 南京航空航天大学 | 一种基于自适应滑模的无人机编队容错控制方法 |
CN112947560A (zh) * | 2021-02-07 | 2021-06-11 | 广东工业大学 | 未知扰动下的高层消防多无人机滑模跟踪控制方法及系统 |
CN113220007A (zh) * | 2021-05-14 | 2021-08-06 | 哈尔滨工程大学 | 执行机构故障的挠性航天器有限时间姿态协同控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607636A (zh) * | 2016-01-21 | 2016-05-25 | 浙江工业大学 | 一种基于积分滑模算法的轮式移动机器人主从式编队控制方法 |
CN105843240A (zh) * | 2016-04-08 | 2016-08-10 | 北京航空航天大学 | 一种考虑执行器故障的航天器姿态积分滑模容错控制方法 |
JP2017033532A (ja) * | 2015-07-31 | 2017-02-09 | 株式会社東芝 | 分散処理システム、方法、およびプログラム、ならびに分散処理システムを適用した耐故障マルチエージェントシステムおよび病院連携分散処理システム |
CN106647584A (zh) * | 2017-01-17 | 2017-05-10 | 南京航空航天大学 | 一种基于最优滑模的四旋翼飞行器的容错控制方法 |
CN106774273A (zh) * | 2017-01-04 | 2017-05-31 | 南京航空航天大学 | 针对变时滞控制系统执行器故障的滑模预测容错控制方法 |
CN106773679A (zh) * | 2016-12-01 | 2017-05-31 | 北京航空航天大学 | 一种基于角速度观测器的航天器容错控制方法 |
CN106842952A (zh) * | 2017-03-08 | 2017-06-13 | 天津大学 | 针对三旋翼无人机舵机堵塞故障的容错控制方法 |
CN106873369A (zh) * | 2017-02-28 | 2017-06-20 | 北京交通大学 | 针对列车输入受限和执行器故障的自适应容错控制方法 |
CN107390512A (zh) * | 2017-07-27 | 2017-11-24 | 中国船舶重工集团公司第七二四研究所 | 一种冗余驱动伺服系统的抗干扰无间断容错控制方法 |
-
2018
- 2018-03-09 CN CN201810206810.0A patent/CN108333949B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017033532A (ja) * | 2015-07-31 | 2017-02-09 | 株式会社東芝 | 分散処理システム、方法、およびプログラム、ならびに分散処理システムを適用した耐故障マルチエージェントシステムおよび病院連携分散処理システム |
CN105607636A (zh) * | 2016-01-21 | 2016-05-25 | 浙江工业大学 | 一种基于积分滑模算法的轮式移动机器人主从式编队控制方法 |
CN105843240A (zh) * | 2016-04-08 | 2016-08-10 | 北京航空航天大学 | 一种考虑执行器故障的航天器姿态积分滑模容错控制方法 |
CN106773679A (zh) * | 2016-12-01 | 2017-05-31 | 北京航空航天大学 | 一种基于角速度观测器的航天器容错控制方法 |
CN106774273A (zh) * | 2017-01-04 | 2017-05-31 | 南京航空航天大学 | 针对变时滞控制系统执行器故障的滑模预测容错控制方法 |
CN106647584A (zh) * | 2017-01-17 | 2017-05-10 | 南京航空航天大学 | 一种基于最优滑模的四旋翼飞行器的容错控制方法 |
CN106873369A (zh) * | 2017-02-28 | 2017-06-20 | 北京交通大学 | 针对列车输入受限和执行器故障的自适应容错控制方法 |
CN106842952A (zh) * | 2017-03-08 | 2017-06-13 | 天津大学 | 针对三旋翼无人机舵机堵塞故障的容错控制方法 |
CN107390512A (zh) * | 2017-07-27 | 2017-11-24 | 中国船舶重工集团公司第七二四研究所 | 一种冗余驱动伺服系统的抗干扰无间断容错控制方法 |
Non-Patent Citations (1)
Title |
---|
肖冰等: "航天器执行机构部分失效故障的鲁棒容错控制", 《控制与决策》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110161847A (zh) * | 2018-09-18 | 2019-08-23 | 南京航空航天大学 | 一种基于分布式奇异观测器的无人机编队系统传感器故障估计方法 |
CN109085757A (zh) * | 2018-09-19 | 2018-12-25 | 南京航空航天大学 | 针对离散系统多执行器失效故障的主动容错预测控制方法 |
CN108897229A (zh) * | 2018-09-25 | 2018-11-27 | 华东交通大学 | 一种二阶多智能体系统的领导-跟随比例一致性控制方法 |
CN108897229B (zh) * | 2018-09-25 | 2021-04-30 | 华东交通大学 | 一种二阶多智能体系统的领导-跟随比例一致性控制方法 |
CN109001982A (zh) * | 2018-10-19 | 2018-12-14 | 西安交通大学 | 一种非线性系统自适应神经容错控制方法 |
CN109001982B (zh) * | 2018-10-19 | 2021-01-19 | 西安交通大学 | 一种非线性系统自适应神经容错控制方法 |
CN109407520A (zh) * | 2018-12-26 | 2019-03-01 | 南京航空航天大学 | 基于滑模控制理论的二阶多智能体系统的容错一致性控制算法 |
CN109407520B (zh) * | 2018-12-26 | 2021-04-06 | 南京航空航天大学 | 基于滑模控制的二阶多智能体系统的容错一致性控制算法 |
CN110095989A (zh) * | 2019-05-29 | 2019-08-06 | 南京邮电大学 | 一种基于反步法的分布式多拉格朗日系统跟踪控制策略 |
CN110221542A (zh) * | 2019-06-04 | 2019-09-10 | 西北工业大学 | 一种二阶非线性多智能体系统固定时间协同跟踪控制方法 |
CN110221542B (zh) * | 2019-06-04 | 2021-09-17 | 西北工业大学 | 一种二阶非线性多智能体系统固定时间协同跟踪控制方法 |
CN111007722A (zh) * | 2019-12-18 | 2020-04-14 | 厦门大学 | 一种四轮转向自动驾驶汽车横向鲁棒容错控制系统及方法 |
CN111077779B (zh) * | 2019-12-23 | 2022-05-13 | 华东交通大学 | 带扰动混杂多智能体系统实现领导-跟随一致性控制方法 |
CN111077779A (zh) * | 2019-12-23 | 2020-04-28 | 华东交通大学 | 带扰动混杂多智能体系统实现领导-跟随一致性控制方法 |
CN111781942A (zh) * | 2020-06-23 | 2020-10-16 | 南京航空航天大学 | 一种基于自构造模糊神经网络的容错飞行控制方法 |
CN111880407A (zh) * | 2020-07-16 | 2020-11-03 | 中国人民解放军海军航空大学岸防兵学院 | 一种非线性系统的稳定方法及装置 |
CN111897358B (zh) * | 2020-07-30 | 2022-04-15 | 南京航空航天大学 | 一种基于自适应滑模的无人机编队容错控制方法 |
CN111897358A (zh) * | 2020-07-30 | 2020-11-06 | 南京航空航天大学 | 一种基于自适应滑模的无人机编队容错控制方法 |
CN112947560A (zh) * | 2021-02-07 | 2021-06-11 | 广东工业大学 | 未知扰动下的高层消防多无人机滑模跟踪控制方法及系统 |
CN113220007A (zh) * | 2021-05-14 | 2021-08-06 | 哈尔滨工程大学 | 执行机构故障的挠性航天器有限时间姿态协同控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108333949B (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108333949A (zh) | 针对多智能体系统执行器部分失效故障的滑模容错控制方法 | |
CN109557818A (zh) | 具有执行器和传感器故障的多智能体跟踪系统的滑模容错控制方法 | |
CN108803316B (zh) | 针对多智能体系统执行器故障的主动容错控制方法 | |
CN109116736B (zh) | 基于滑模的线性多智能体系统执行器故障的容错控制方法 | |
Zhang et al. | Constrained coordinated path-following control for underactuated surface vessels with the disturbance rejection mechanism | |
CN110658821B (zh) | 一种多机器人抗干扰分组时变编队控制方法及系统 | |
CN109445447A (zh) | 一种多智能体编队跟踪控制方法及系统 | |
CN106945020A (zh) | 一种空间双机械臂系统运动协调控制方法 | |
Sun et al. | A novel tracking control approach for unmanned underwater vehicles based on bio-inspired neurodynamics | |
CN109407520A (zh) | 基于滑模控制理论的二阶多智能体系统的容错一致性控制算法 | |
CN109240091A (zh) | 一种基于强化学习的水下机器人控制方法及其进行跟踪的控制方法 | |
CN106406097B (zh) | 多机械臂系统的分布式自适应协调控制方法 | |
CN112305918A (zh) | 超螺旋观测器下的多智能体系统滑模容错一致性控制算法 | |
Qian et al. | Robust formation maneuvers through sliding mode for multi-agent systems with uncertainties | |
Qi et al. | Three-dimensional formation control based on nonlinear small gain method for multiple underactuated underwater vehicles | |
Xu et al. | Moving target surrounding control of linear multiagent systems with input saturation | |
CN110497415B (zh) | 一种基于干扰观测器的多机械臂系统的一致控制方法 | |
CN112947086B (zh) | 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法 | |
Borhaug et al. | Straight line path following for formations of underactuated underwater vehicles | |
Dong et al. | Formation control of nonholonomic mobile robots | |
CN114237041A (zh) | 一种基于预设性能的空-地协同固定时间容错控制方法 | |
Qian et al. | Observer-based leader-following formation control of uncertain multiple agents by integral sliding mode | |
Enjiao et al. | Finite-time control of formation system for multiple flight vehicles subject to actuator saturation | |
CN109240317A (zh) | 考虑螺旋桨故障的海底地震检波飞行节点有限时间构型包含控制方法 | |
Zhang et al. | Neural integrated control for a free-floating space robot with suddenly changing parameters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201002 |