CN109407520B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109407520B CN109407520B CN201811616950.1A CN201811616950A CN109407520B CN 109407520 B CN109407520 B CN 109407520B CN 201811616950 A CN201811616950 A CN 201811616950A CN 109407520 B CN109407520 B CN 109407520B
- Authority
- CN
- China
- Prior art keywords
- fault
- actuator
- agent
- consistency
- additive
- 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.)
- Active
Links
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 104
- 239000000654 additive Substances 0.000 claims abstract description 47
- 230000000996 additive effect Effects 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000009471 action Effects 0.000 claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
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)
- Safety Devices In Control Systems (AREA)
Abstract
本发明公开了一种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。首先,对二阶多智能体系统的外界非线性因素作出普遍适用的利普希茨连续性条件假设。然后,赋予执行器加性故障一个上限并提出了一种关于此上限的一个自适应变化率。最后,利用执行器加性故障上限的估计值提出了一种使得二阶多智能体系统在给定假设和执行器发生加性故障情况下也能实现一致性的容错控制算法。这个算法能够解决二阶多智能体系统在发生执行器加性故障和外界非线性因素同时作用下的一致性实现问题。对于利用滑模控制带来的抖动问题,通过调整执行器加性故障上限估计值的自适应律,重构容错控制律去有效的解决一致性控制过程中抖动带来的危害问题。本发明适用于一类发生执行器加性故障的二阶多智能体系统在外界非线性因素作用下的一致性实现问题。
Description
技术领域
本发明涉及一种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,属于多智能体系统控制领域。
背景技术
近年来,多智能体系统的研究渐渐成为各个领域的研究热门话题,比如生物科学、控制领域、计算机领域、人工智能领域等等。由于多个智能体构成的系统在实现系统整体任务方面具有较高的效率,并且在抵御外界扰动和某些系统参数的摄动方面有着较强的鲁棒性。它摆脱了传统系统对于单个智能体的依赖性。我们可以通过利用多智能体系统中的各个智能体之间的相互信息交换去解决单个智能体所不能完成的任务。除此之外,我们知道在控制领域根据智能体模型的不同往往被分为一阶智能体、二阶智能体以及高阶智能体。本发明就是基于二阶多智能体系统为背景而展开的研究。而对于一个复杂的大系统,往往其内部元部件常常会发生故障。对于故障的发生,往往不可避免。但是故障所带来的影响往往是经济上的损失甚至人员上的伤亡。因此找到一种解决二阶多智能体系统在故障情况下的容错问题具有重要的现实意义。
一致性控制问题是指多智能体系统中的各智能体在特定的控制器设定下,最终各智能体状态趋于一致,它是我们研究多智能体系统的最基础问题。由它衍生出来的问题有很多,比如多智能体的编队控制、群集控制等等。多智能体系统整体智能体状态呈现一致是体现多智能体系统的优越性前提,它主要利用各智能体之间的信息交换来调整各智能体的运动状态,以至于最终达到同一个目标。因此,本发明针对发生故障的二阶多智能体系统提出的容错控制策略能够保证二阶多智能体系统最终一致性在实际应用中具有重要意义。
由于滑动模态可以进行设计且与对象参数及扰动无关,这就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辨识、物理上实现起来较为简单等优点。因此,滑模控制理论在针对于非线性系统的控制中具有广泛的应用。为了解决二阶多智能体系统在外部非线性因素作用下的一致性问题,我们引入了滑模控制理论来辅助容错控制器的设计。然而,我们知道在滑模控制过程中往往会出现抖动现象。抖动带来的危害非常大,比如高频振动、影响控制性能等。因此,本发明为了解决滑模控制带来的抖动作用,提出了一种消除抖动的方法。这在实际应用中具有重要意义。
发明内容
发明目的:在现存的一些控制方法基础上,为了解决二阶多智能体系统在执行器故障和外界非线性因素同时作用下的一致性实现问题,通过合理假设非线性因素满足的普遍条件以及提出的执行器故障上限估计值的自适应律去设计分布式容错控制协议,最终利用李雅普诺夫稳定性理论去证明该算法的理论可行性。对于滑模控制带来的抖动问题,本发明提出了一种有效的解决方法。
技术方案:本发明提出了一种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。首先,对二阶多智能体系统的外界非线性因素作出普遍适用的利普希茨连续性条件假设。然后,赋予执行器加性故障一个上限并提出了一种关于此上限的一个自适应变化率。最后,利用执行器加性故障上限的估计值提出了一种使得二阶多智能体系统在给定假设和执行器发生加性故障情况下也能实现一致性的容错控制算法。这个算法能够解决二阶多智能体系统在发生执行器加性故障和外界非线性因素同时作用下的一致性实现问题。对于利用滑模控制带来的抖动问题,通过调整执行器加性故障上限估计值的自适应律,重构容错控制律去有效的解决一致性控制过程中抖动带来的危害问题。本发明适用于一类发生执行器加性故障的二阶多智能体系统在外界非线性因素作用下的一致性实现问题,包括如下具体步骤:
步骤1)确定所提算法适用的二阶多智能体系统的模型,具体步骤可分为以下几步:
步骤1.1)确定带有特定假设条件的外界非线性因素的第i个跟随智能体发生执行器加性故障的状态空间模型如下式(1)所示:
这里xi∈Rm和vi∈Rm分别代表第i个跟随智能体的位移变量和速度变量,βi(t)∈Rm代表第i个跟随智能体时变的执行器加性故障,且满足βi=[βi1,...,βim]T,f:Rm×Rm×R+→Rm表示未知的关于外界扰动和建模误差的非线性矢量函数,ui∈Rm表示第i个跟随智能体的控制输入矢量。
步骤1.2)确定带有外界不确定因素的领导智能体的状态空间模型如下式(2)所示:
这里x0∈Rm和v0∈Rm分别代表领导智能体的位移变量和速度变量,u0∈Rm表示领导智能体的控制输入矢量,f(x0,v0,t)和上面f(xi,vi,t)代表相同的含义。
对于非线性矢量函数f(xi,vi,t)以及执行器加性故障βij满足下面不等式(3)和(4)
||f(xi,vi,t)-f(x0,v0,t)||2≤k1||xi-x0||2+k2||vi-v0||2 (3)
这里k1和k2均是非负常数,可以根据实际的系统情况来进行选择。
步骤2)确定二阶多智能体系统的通信网络拓扑结构:
考虑到多智能体系统是由1个领导者和n个跟随者组成,因此,我们利用图去描述多智能体之间的通信连接关系,这里表示图中节点的集合,表示图中有向边的集合。对于跟随者之间的交流拓扑结构,我们用G={v,ε}来表示,让表示图G的权重矩阵,在这里如果智能体i能够收到来自智能体j的信息,那么aij=1,其中i≠j,否则,aij=0。定义节点i的邻节点为Ni={j∈v|(i,j)∈ε,i≠j},因此,图G的拉普拉斯矩阵L=(lij)∈Rn×n被定义为lij=-aij,其中j≠i,
步骤3)确定一致性跟踪误差系统模型,具体步骤如下所示:
步骤3.1)首先定义一致性误差变量如式(5)和式(6)所示:
这里i∈{1,...,n}。
将式(5)和式(6)写成简洁形式如下所示:
步骤3.2)根据式(7)和式(8)对时间的一阶导数,我们可以得到一致性跟踪误差系统如下所示:
步骤4)设计自适应容错一致性控制算法,具体步骤可以分为以下几部分:
步骤4.1)选择合适的滑模面如下所示:
S(t)=ev(t)+cex(t) (10)
这里表达式(10)需要满足赫尔维茨条件,即c>0。
步骤4.3)设计容错一致性控制律如下所示:
ui=uai+ubi+uci (12)
其中
步骤4.4)证明一致性跟踪误差系统(9)是渐进稳定的,具体步骤如下所示:
通过步骤4.3的分析,本发明所提出的容错控制律(12)可以使得滑动模态到达并维持在滑模面S=0上,因此,通过构造李雅普诺夫函数如下式(17)
步骤5)消除滑模控制过程中的抖动问题。具体步骤如下所示:
调整执行器故障上限估计值的自适应律如式(18)所示:
有益效果:本发明提出的一种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,不仅能够在执行器故障情况下实现二阶多智能体系统的一致性控制,同时也能够削弱滑模控制过程中的抖动问题。总的来说,具有如下具体优点:
①通过设计的执行器故障上限估计值的自适应律,我们可以得到执行器上限的估计值,在利用执行器故障信息精度不是很高的场合,可以节省故障检测设备的开销。在一定程度提高整个控制过程的经济效益。
②设计的分布式容错控制律所用到的都是各智能体与其相邻智能体之间的位置误差以及速度误差,并不需要全部智能体运动信息,因此在实际控制器驱动的实现中相比测量全局信息更容易被满足。
③利用滑模控制理论辅助容错控制律的设计,能够解决发生执行器故障的二阶多智能体系统在外界非线性不确定因素影响下的一致性实现问题,充分利用了滑模控制的不连续性,使得整个控制过程更易实现。
本发明所提出的一种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,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,可广泛应用于一类发生执行器加性故障的二阶多智能体系统在外界非线性因素作用下的一致性实现问题。
附图说明
图1是本发明方法的流程图;
图2是轮式移动机器人Qbot结构简图;
图3是多轮式机器人Qbot系统的通信拓扑网络;
图4是参考点坐标(hxi,hyi)中hxi方向上的一致性动态跟踪曲线;
图5是参考点坐标(hxi,hyi)中hyi方向上的一致性动态跟踪曲线;
图6是轮式移动机器人Qbot线速度动态跟踪曲线;
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,本发明提出了一种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。首先,对二阶多智能体系统的外界非线性因素作出普遍适用的利普希茨连续性条件假设。然后,赋予执行器加性故障一个上限并提出了一种关于此上限的一个自适应变化率。最后,利用执行器加性故障上限的估计值提出了一种使得二阶多智能体系统在给定假设和执行器发生加性故障情况下也能实现一致性的容错控制算法。这个算法能够解决二阶多智能体系统在发生执行器加性故障和外界非线性因素同时作用下的一致性实现问题。对于利用滑模控制带来的抖动问题,通过调整执行器加性故障上限估计值的自适应律,重构容错控制律去有效的解决一致性控制过程中抖动带来的危害问题。本发明适用于一类发生执行器加性故障的二阶多智能体系统在外界非线性因素作用下的一致性实现问题,具体步骤可分为以下几步:
步骤1.1)确定带有特定假设条件的外界非线性因素的第i个跟随智能体发生执行器加性故障的状态空间模型如下式(1)所示:
这里xi∈Rm和vi∈Rm分别代表第i个跟随智能体的位移变量和速度变量,βi(t)∈Rm代表第i个跟随智能体时变的执行器加性故障,且满足βi=[βi1,...,βim]T,f:Rm×Rm×R+→Rm表示未知的关于外界扰动和建模误差的非线性矢量函数,ui∈Rm表示第i个跟随智能体的控制输入矢量。
步骤1.2)确定带有外界不确定因素的领导智能体的状态空间模型如下式(2)所示:
这里x0∈Rm和v0∈Rm分别代表领导智能体的位移变量和速度变量,u0∈Rm表示领导智能体的控制输入矢量,f(x0,v0,t)和上面f(xi,vi,t)代表相同的含义。
对于非线性矢量函数f(xi,vi,t)以及执行器加性故障βij满足下面不等式(3)和(4)
||f(xi,vi,t)-f(x0,v0,t)||2≤k1||xi-x0||2+k2||vi-v0||2 (3)
这里k1和k2均是非负常数,可以根据实际的系统情况来进行选择。
步骤2)确定二阶多智能体系统的通信网络拓扑结构:
考虑到多智能体系统是由1个领导者和n个跟随者组成,因此,我们利用图去描述多智能体之间的通信连接关系,这里表示图中节点的集合,表示图中有向边的集合。对于跟随者之间的交流拓扑结构,我们用G={v,ε}来表示,让表示图G的权重矩阵,在这里如果智能体i能够收到来自智能体j的信息,那么aij=1,其中i≠j,否则,aij=0。定义节点i的邻节点为Ni={j∈v|(i,j)∈ε,i≠j},因此,图G的拉普拉斯矩阵L=(lij)∈Rn×n被定义为lij=-aij,其中j≠i,
步骤3)确定一致性跟踪误差系统模型,具体步骤如下所示:
步骤3.1)首先定义一致性误差变量如式(5)和式(6)所示:
这里i∈{1,...,n}。
将式(5)和式(6)写成简洁形式如下所示:
步骤3.2)根据式(7)和式(8)对时间的一阶导数,我们可以得到一致性跟踪误差系统如下所示:
步骤4)设计自适应容错一致性控制算法,具体步骤可以分为以下几部分:
步骤4.1)选择合适的滑模面如下所示:
S(t)=ev(t)+cex(t) (10)
这里表达式(10)需要满足赫尔维茨条件,即c>0。
步骤4.3)设计容错一致性控制律如下所示:
ui=uai+ubi+uci (12)
其中
步骤4.4)证明一致性跟踪误差系统(9)是渐进稳定的,具体步骤如下所示:
通过步骤4.3的分析,本发明所提出的容错控制律(12)可以使得滑动模态到达并维持在滑模面S=0上,因此,通过构造李雅普诺夫函数如下式(17)
步骤5)消除滑模控制过程中的抖动问题。具体步骤如下所示:
调整执行器故障上限估计值的自适应律如式(18)所示:
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公司研制的多轮式移动机器人Qbot系统作为应用研究对象。Quanser公司研制的实验装置轮式移动机器人Qbot的结构简图如图2所示。
由动力学关系我们可以得到如下关系:
其中αi,βi,vi分别代表第i个轮式移动机器人的角位移、角速度以及线速度。(rxi,ryi)表示第i个轮式移动机器人的惯性位置。定义坐标(hxi,hyi)为参考点。因为参考点(hxi,hyi)的动力学特性是完整的,因此我们考虑参考点(hxi,hyi)的一致性实现问题。我们假设参考点与惯性位置(rxi,ryi)沿着坐标轴的距离为Li。因此,参考点(hxi,hyi)满足下面的表达式
从而
让
因此,单个轮式移动机器人的动力学方程可以简化为如下形式:
由此可以很容易的看出上面的动力学方程通过一系列等价变换可以转换为二阶智能体形式。因此本发明所提出的方法适用于多轮式移动机器人Qbot系统。
而对于多轮式移动机器人Qbot系统的通信拓扑结构,我们选择如图3所示。系统由一个编号为0领导移动机器人和四个编号分别为1,2,3,4的跟随移动机器人组成。由图3,可以得到拉普拉斯矩阵L以及邻接矩阵B分别如下
此外,我们选取各个轮式移动机器人的初始状态为[hx0,hy0]T=[0,0]T,[hx1,hy1]T=[-2.5,1.2]T,[hx2,hy2]T=[3.2,-0.2]T,[hx3,hy3]T=[-1.6,1.5]T,[hx4,hy4]T=[2.4,-3.0]T。选择滑模面参数c=0.32以及控制参数η=23.27。对于执行器加性故障上限值,我们均采取
通过仿真我们可以得到容错一致性控制效果图如图4、图5和图6。根据图4和图5,可以看出通过利用式(12)中提出的分布式容错一致性控制律,使得所有跟随轮式移动机器人Qbot能够最终实现和领导轮式移动机器人Qbot相同的运动状态不管是在参考点(hxi,hyi)的hxi方向还是在hyi方向。
Claims (1)
1.一种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;首先,对二阶多智能体系统的外界非线性因素作出普遍适用的利普希茨连续性条件假设;然后,赋予执行器加性故障一个上限并提出了一种关于此上限的一个自适应变化率;最后,利用执行器加性故障上限的估计值提出了一种使得二阶多智能体系统在给定假设和执行器发生加性故障情况下也能实现一致性的容错控制算法;这个算法能够解决二阶多智能体系统在发生执行器加性故障和外界非线性因素同时作用下的一致性实现问题;对于利用滑模控制带来的抖动问题,通过调整执行器加性故障上限估计值的自适应律,重构容错控制律去有效的解决一致性控制过程中抖动带来的危害问题;包括如下具体步骤:
步骤1)确定所提算法适用的二阶多智能体系统的模型,具体步骤可分为以下几步:
步骤1.1)确定带有特定假设条件的外界非线性因素的第i个跟随智能体发生执行器加性故障的状态空间模型如下式(1)所示:
这里xi∈Rm和vi∈Rm分别代表第i个跟随智能体的位移变量和速度变量,βi(t)∈Rm代表第i个跟随智能体时变的执行器加性故障,且满足βi=[βi1,...,βim]T,f:Rm×Rm×R+→Rm表示未知的关于外界扰动和建模误差的非线性矢量函数,ui∈Rm表示第i个跟随智能体的控制输入矢量;
步骤1.2)确定带有外界不确定因素的领导智能体的状态空间模型如下式(2)所示:
这里x0∈Rm和v0∈Rm分别代表领导智能体的位移变量和速度变量,u0∈Rm表示领导智能体的控制输入矢量,f(x0,v0,t)和上面f(xi,vi,t)代表相同的含义;
对于非线性矢量函数f(xi,vi,t)以及执行器加性故障βij满足下面不等式(3)和(4)
||f(xi,vi,t)-f(x0,v0,t)||2≤k1||xi-x0||2+k2||vi-v0||2 (3)
这里k1和k2均是非负常数,可以根据实际的系统情况来进行选择;
步骤2)确定二阶多智能体系统的通信网络拓扑结构:
考虑到多智能体系统是由1个领导者和n个跟随者组成,因此,利用图去描述多智能体之间的通信连接关系,这里表示图中节点的集合,表示图中有向边的集合;对于跟随者之间的交流拓扑结构,用G={ν,ε}来表示,让表示图G的权重矩阵,在这里如果智能体i能够收到来自智能体j的信息,那么aij=1,其中i≠j,否则,aij=0,定义节点i的邻节点为Ni={j∈ν|(i,j)∈ε,i≠j},因此,图G的拉普拉斯矩阵L=(lij)∈Rn×n被定义为lij=-aij,其中j≠i;其中j=i;
步骤3)确定一致性跟踪误差系统模型,具体步骤如下所示:
步骤3.1)首先定义一致性误差变量如式(5)和式(6)所示:
这里i∈{1,...,n};
将式(5)和式(6)写成简洁形式如下所示:
步骤3.2)根据式(7)和式(8)对时间的一阶导数,可以得到一致性跟踪误差系统如下所示:
步骤4)设计自适应容错一致性控制算法,具体步骤可以分为以下几部分:
步骤4.1)选择合适的滑模面如下所示:
S(t)=ev(t)+cex(t) (10)
这里表达式(10)需要满足赫尔维茨条件,即c>0;
步骤4.3)设计容错一致性控制律如下所示:
ui=uai+ubi+uci (12)
其中
步骤4.4)证明一致性跟踪误差系统(9)是渐进稳定的,具体步骤如下所示:
通过步骤4.3的分析,容错控制律(12)可以使得滑动模态到达并维持在滑模面S=0上,因此,通过构造李雅普诺夫函数如下式(17)
步骤5)消除滑模控制过程中的抖动问题;具体步骤如下所示:
调整执行器故障上限估计值的自适应律如式(18)所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616950.1A CN109407520B (zh) | 2018-12-26 | 2018-12-26 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811616950.1A CN109407520B (zh) | 2018-12-26 | 2018-12-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407520A CN109407520A (zh) | 2019-03-01 |
CN109407520B true CN109407520B (zh) | 2021-04-06 |
Family
ID=65462355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811616950.1A Active CN109407520B (zh) | 2018-12-26 | 2018-12-26 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407520B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110095989B (zh) * | 2019-05-29 | 2023-02-14 | 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 |
CN110568845B (zh) * | 2019-08-26 | 2022-12-16 | 广东工业大学 | 一种协同机器人的相互碰撞规避方法 |
CN110658724B (zh) * | 2019-11-20 | 2021-12-10 | 电子科技大学 | 一类非线性系统自适应模糊容错控制方法 |
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 |
CN111258214B (zh) * | 2020-02-25 | 2022-04-08 | 西北工业大学 | 基于有向拓扑的高阶多智能体系统固定时一致性跟踪方法 |
CN112148036B (zh) * | 2020-09-11 | 2021-08-03 | 中国地质大学(武汉) | 网络化机器人系统的固定时间估计器的双边跟踪控制方法 |
CN113741185B (zh) * | 2021-08-21 | 2023-08-25 | 中国人民解放军火箭军工程大学 | 一种单边Lipschitz非线性多智能体系统保性能领导跟随一致性方法 |
CN114326664B (zh) * | 2021-12-22 | 2023-08-29 | 同济大学 | 一种非线性多智能体的容错控制器设计方法及存储介质 |
CN114861435B (zh) * | 2022-04-29 | 2024-06-11 | 南京航空航天大学 | 有限时间观测器下的多智能体系统一致性滑模控制算法 |
CN116047984B (zh) * | 2023-03-07 | 2023-06-06 | 北京全路通信信号研究设计院集团有限公司 | 多智能体系统的一致性跟踪控制方法、装置、设备及介质 |
CN117742141A (zh) * | 2024-02-19 | 2024-03-22 | 南开大学 | 一种基于控制屏障函数的分布式局部利普希茨算法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898691A (zh) * | 2015-04-29 | 2015-09-09 | 哈尔滨工业大学 | 编队卫星有限时间构型包含控制方法 |
US9415585B1 (en) * | 2015-07-29 | 2016-08-16 | Hewlett-Packard Development Company, L. P. | Dynamic power thresholds for printer device pens |
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 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
WO2017153142A1 (de) * | 2016-03-07 | 2017-09-14 | Siegenia-Aubi Kg | Ausstellvorrichtung |
CN107861383A (zh) * | 2017-10-23 | 2018-03-30 | 天津大学 | 基于自适应观测器的卫星故障诊断与容错控制方法 |
CN108092833A (zh) * | 2018-02-28 | 2018-05-29 | 哈尔滨理工大学 | 一种多智能体一致性故障诊断方法 |
CN108333949A (zh) * | 2018-03-09 | 2018-07-27 | 南京航空航天大学 | 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 |
CN108398884A (zh) * | 2018-03-09 | 2018-08-14 | 南京航空航天大学 | 一种基于滑模的不确定时滞系统的自适应容错控制方法 |
CN108646554A (zh) * | 2018-05-04 | 2018-10-12 | 北京航空航天大学 | 一种基于指定性能的飞行器快速抗干扰纵向制导方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7568402B2 (en) * | 2006-08-04 | 2009-08-04 | Gm Global Technology Operations, Inc. | Method and apparatus for fault-tolerant transmission gear selector lever position determination |
-
2018
- 2018-12-26 CN CN201811616950.1A patent/CN109407520B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898691A (zh) * | 2015-04-29 | 2015-09-09 | 哈尔滨工业大学 | 编队卫星有限时间构型包含控制方法 |
US9415585B1 (en) * | 2015-07-29 | 2016-08-16 | Hewlett-Packard Development Company, L. P. | Dynamic power thresholds for printer device pens |
WO2017153142A1 (de) * | 2016-03-07 | 2017-09-14 | Siegenia-Aubi Kg | Ausstellvorrichtung |
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 |
CN107121977A (zh) * | 2017-06-02 | 2017-09-01 | 南京邮电大学 | 基于双层结构的机械臂执行器故障容错控制系统及其方法 |
CN107861383A (zh) * | 2017-10-23 | 2018-03-30 | 天津大学 | 基于自适应观测器的卫星故障诊断与容错控制方法 |
CN108092833A (zh) * | 2018-02-28 | 2018-05-29 | 哈尔滨理工大学 | 一种多智能体一致性故障诊断方法 |
CN108333949A (zh) * | 2018-03-09 | 2018-07-27 | 南京航空航天大学 | 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 |
CN108398884A (zh) * | 2018-03-09 | 2018-08-14 | 南京航空航天大学 | 一种基于滑模的不确定时滞系统的自适应容错控制方法 |
CN108646554A (zh) * | 2018-05-04 | 2018-10-12 | 北京航空航天大学 | 一种基于指定性能的飞行器快速抗干扰纵向制导方法 |
Non-Patent Citations (2)
Title |
---|
Adaptive Sliding Mode Control for Distributed Control Systems with Mismatched Uncertainty;yuxia wang;《2018 Chinese Control And Decision Conference (CCDC)》;20180709;第4673-4679页 * |
考虑传感器故障的柔性航天器自适应积分滑模主动容错控制;高志峰等;《南京信息工程大学学报(自然科学版)》;20180430;第146-153页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109407520A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109407520B (zh) | 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 | |
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 | |
CN109333529B (zh) | 含预定义性能的多单臂机械手输出一致控制器及设计方法 | |
Yang et al. | Distributed formation control of nonholonomic autonomous vehicle via RBF neural network | |
CN108333949B (zh) | 针对多智能体系统执行器失效故障的滑模容错控制方法 | |
Cai et al. | Full-order observer-based output regulation for linear heterogeneous multi-agent systems under switching topology | |
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 | |
CN110658821B (zh) | 一种多机器人抗干扰分组时变编队控制方法及系统 | |
Zhu et al. | Observer-based event-triggered formation control of multi-agent systems with switching directed topologies | |
CN104865829A (zh) | 多机器人系统分布式自适应神经网络连续跟踪控制方法 | |
CN104345638A (zh) | 一种液压马达位置伺服系统的自抗扰自适应控制方法 | |
Yang et al. | Event-triggered finite-time formation control for multiple unmanned aerial vehicles with input saturation | |
CN110134018B (zh) | 一种水下多足机器人系统的多足协同控制方法 | |
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 | |
CN113589694B (zh) | 异构多智能体系统的完全分布式抗饱和跟踪控制方法 | |
CN113359445A (zh) | 一种多智能体磁滞系统分布式输出反馈渐近一致控制方法 | |
CN112936286B (zh) | 一种多柔性机械臂系统自适应一致性追踪控制方法及系统 | |
He et al. | Finite-time adaptive formation control for multi-agent systems with uncertainties under collision avoidance and connectivity maintenance | |
CN113268083A (zh) | 基于动态事件触发的多无人机系统编队跟踪控制方法 | |
CN116466588A (zh) | 多智能体系统的有限时间时变编队跟踪控制方法及系统 | |
Wang et al. | Sliding mode formation control of nonlinear multi-agent systems with local lipschitz continuous dynamics | |
Jin et al. | Physical-informed neural network for MPC-based trajectory tracking of vehicles with noise considered | |
Li et al. | Dynamic target enclosing control scheme for multi-agent systems via a signed graph-based approach | |
Li et al. | Learning-observer-based adaptive tracking control of multiagent systems using compensation mechanism | |
Li et al. | Prescribed-time zero-error active disturbance rejection control for uncertain wheeled mobile robots subject to skidding and slipping |
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 |