CN110119087B - 一种有向通信下二阶多智能体系统固定时一致性跟踪方法 - Google Patents
一种有向通信下二阶多智能体系统固定时一致性跟踪方法 Download PDFInfo
- Publication number
- CN110119087B CN110119087B CN201910366397.9A CN201910366397A CN110119087B CN 110119087 B CN110119087 B CN 110119087B CN 201910366397 A CN201910366397 A CN 201910366397A CN 110119087 B CN110119087 B CN 110119087B
- Authority
- CN
- China
- Prior art keywords
- follower
- leader
- time
- ith
- consistency
- 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.)
- Expired - Fee Related
Links
- 238000004891 communication Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 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
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25232—DCS, distributed control system, decentralised control unit
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multi Processors (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种有向通信下多智能体系统固定时一致性跟踪控制方法,包括:(1)为每一个跟随者设计固定时分布式观测器,使得每个跟随者在固定时间内获得领导的状态信息;(2)确定观测时间上界的表达式;(3)设计固定时非奇异终端滑模一致性控制协议,使跟随者多智能体系统能够在固定时间内跟踪上领导智能体系统的轨迹;(4)确定收敛时间上界的表达式。与既有的固定时一致性方案相比,本发明降低了通信资源消耗和对信道的要求,节约成本,提升了系统可靠性和一致性协议的可扩展性。
Description
技术领域
本发明涉及多智能体系统协同控制技术领域,特别涉及一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法。
背景技术
近些年来,多智能体系统集群行为得到广泛研究,诸如,编队,约会,包围,蜂拥和群集,跟踪,一致等行为。作为一种基本且重要的集群行为,一致性跟踪受到人们的广泛关注。一致性跟踪旨在为每个跟随者设计控制协议,使得所有跟随者跟踪上领导的轨迹。
收敛速率作为评价一致性协议的一个重要的性能指标。相关文献通过设计最优权值或选择更好的相互作用拓扑,提升代数联通度来提升收敛速度。然而,这些控制协议仅能保证渐进收敛。然而,实际应用对收敛精度和收敛速率有较高的要求。由于有限时一致性具有高精度、快速收敛和对干扰和不确定鲁棒等优点,对于某些对控制精度和收敛时间要求高的应用场合,人们更希望实现有限时一致。近些年来,齐次性方法、加幂积分器法、终端滑模控制等方法被用于设计有限时一致性控制器。然而,有限时一致性需要所有智能体初始状态的信息来估计一致性时间。在实际多智能体系统中,所有智能体初始状态是一个难以获得的全局信息。在不知道这个信息的情况下,我们无法估计稳定时间,更不用说设计一致性协议在规定时间内实现一致性。此外,有限时一致性控制协议的收敛时间随着初值的增长而无界增长,这使得有限时一致性控制协议难以应用于大初值的应用场合。
为了克服上述不足,固定时稳定性被引入到一致性控制协议设计中。固定时一致性的一个显著优势在于其一致性时间是与初值无关的常数。这一优势为收敛时间估计和发展一致性方案满足一致性时间的要求带来方便。因此,有必要研究固定时一致性控制协议。在固定时一致性控制协议方面近些年来取得了一些重要成果。然而,这些成果假设相互作用拓扑是无向图,这意味着任意两个节点之间的信息流是双向的,通信拓扑是对称的。然而,由于有向图的信息流是单向的,通信拓扑是不对称的,将这些一致性方案扩展到有向图是困难的。将既有的结果扩展到有向通信是具有实际意义的,特别是当并不是所有的智能体均配备有传输器或支持双向通信的传感器/接收器。另一方面,单向通信耗费更少的通信资源并对信道的要求比双向信息交换更低。而且,针对有向通信的一致性协议可以提升所设计一致性协议的可扩展性。最后,一些不可避免的通信连接故障,延时和干扰可能破坏双向通信结构。因此,需要研究有向通信下固定时一致性控制协议的设计问题。然而,由于固定时一致性协议非线性特性以及有向通信的不对称性,将既有针对无向通信的固定时一致性控制协议扩展到解决有向通信下二阶多智能体系统一致性跟踪是困难的,需要解决许多问题,诸如,构造合适的李雅普诺夫函数分析固定时稳定性,有向通信下固定时分布式观测器设计问题和控制奇异性问题。本发明将解决这一重要且富有挑战性的问题,实现在有向通信下二阶跟随者在固定时间内跟踪上领导的轨迹。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法,以实现在有向通信下二阶跟随者在固定时间内跟踪上领导的轨迹,并降低一致性时间估计的保守性。
技术方案
一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法,其特征在于所述的多智能体系统由一个领导者和N个跟随者组成,N个跟随者组成的相互作用网络是有向图Gs,每个跟随者和领导之间都有路径相连,第i个跟随者的动态为:
其中,x1i为位置型状态,x2i为速度型状态,ui是控制输入;
领导者的动态为:
其中,x10为位置型状态,x20为速度型状态,u0是有界的控制输入,即存在已知的正常数λ,使得|u0|≤λ,所有跟随者无法获得领导的控制输入信息,但常数λ对所有跟随者都是已知的;
所述的一致性跟踪控制方案包括如下步骤:
步骤1:为每一个跟随者设计分布式观测器:
式中ξi和ηi是第i个跟随者分布式观测器状态,ξj和ηj是第j个跟随者分布式观测器状态,ξ0=x10,η0=x20,α,β,λ是观测器增益,p和q是满足p<q的正奇数,sig(·)α=|·|αsign(·);aij表征了节点之间信息传递关系,如果第i个跟随者分布式观测器状态信息能从第i个跟随者流向第j个跟随者aij=1,反之则有aij=0;如果领导状态信息能从领导流向第i个跟随者ai0=1,反之则有ai0=0;
步骤2:给出分布式观测器收敛时间上界
式中:
Q=PH+HTP (7)
式中,Q和P=diag{p1,...,pN}为正定矩阵,pm=max{pi},H=Ls+B,Ls为图Gs的Laplacian矩阵,B=diag{a10,...,aN0},ai0=1表示信息能从领导流向跟随者i,否则ai0=0,N表示多智能体系统中跟随者的数量;
步骤3:定义第i个跟随智能体跟踪误差e1i=x1i-x10,e2i=x2i-x20;则第i个多智能体系统误差动态为:
在观测器获得领导的状态信息后,为第i个跟随智能体设计非奇异终端滑模面:
式中,0<l<0.25,Ta为预先指定的时间;
设计终端滑模控制输入:
式中,κ>λ,0<m/n<0.5,Tb为预先指定的时间;
步骤4:将控制器(10)和分布式观测器(3)部署到第i个跟随者中,使得所有跟随者的状态能够在预先指定的时间内跟踪上领导的轨迹,即对于任意时刻均有x1i(t)=x10(t),x2i(t)=x20(t)成立。
有益效果
本发明提出的一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法,实现了有向通信下多智能体系统的固定时一致性跟踪,降低了通信资源的消耗,降低了多智能体之间通信对信道的要求,无需每个智能体都配备有传输器或支持双向通信的传感器/接收器,从而降低了成本,提升了系统可靠性,所提出一致性协议具有更强的可扩展性,提升了一致性跟踪控制协议对通信连接故障、延时和干扰的耐受能力。此外,所提出的一致性跟踪控制可以降低收敛时间上界估计的保守性,从而在根据一致性时间要求设计控制器时,降低了所设计控制增益,避免了执行器饱和;在所提出的一致性控制协议中,控制增益可以直接由预先指定的时间确定,这方便了控制增益设计和调节。
相对于现有技术,本发明的创新性体现在以下几个方面:
(a)、解决了有向通信下二阶多智能体系统固定时一致性跟踪问题;
(b)、提出了有向通信下固定时分布式观测器,并构造新颖的李雅普诺夫函数分析所提出分布式观测器的固定时收敛性;
(c)、提出了新颖的固定时一致性控制协议的设计方法,该方法可以降低收敛时间上界估计的保守性,尽可能降低控制增益,避免执行器饱和;
(d)、在所提出的一致性控制协议中,控制增益可以直接由预先指定的时间确定,这方便了控制增益设计和调节。
附图说明
图1固定时一致性跟踪控制方案设计步骤框图
图2单连杆机械手多智能体系统通信连接拓扑
图3观测器状态ξi和跟踪误差状态e1i的时间响应
图4观测器状态ηi和跟踪误差状态e2i的时间响应
图5智能体状态x1i的时间响应
图6智能体状态x2i的时间响应
具体实施方式
现结合实施例、附图对本发明作进一步描述:
请参阅图1至图6所示,本发明考虑的多智能体系统是由一个领导者(编号0)和N个跟随者(编号1~N)组成的,N个跟随者组成的相互作用网络是有向图Gs,每个跟随者和领导之间都有路径相连,第i个跟随者的动态为:
其中,x1i为位置型状态,x2i为速度型状态,ui是控制输入。
领导者的动态为:
其中,x10为位置型状态,x20为速度型状态,u0是有界的控制输入,即存在已知的正常数λ,使得|u0|≤λ,所有跟随者无法获得领导的控制输入信息,但常数λ对所有跟随者都是已知的。
本发明的目的是提供一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法,以实现在有向通信下二阶跟随者在固定时间内跟踪上领导的轨迹,并降低一致性时间估计的保守性。
结合图1,本发明所提出一致性跟踪控制方案的设计流程包括以下步骤:
步骤一:为每一个跟随者设计分布式观测器:
式中ξi和ηi是第i个跟随者分布式观测器状态,ξj和ηj是第j个跟随者分布式观测器状态,ξ0=x10,η0=x20,α,β,λ是观测器增益,p和q是满足p<q的正奇数,sig(·)α=|·|αsign(·)。aij表征了节点之间信息传递关系,如果第i个跟随者分布式观测器状态信息能从第i个跟随者流向第j个跟随者aij=1,反之则有aij=0;如果领导状态信息能从领导流向第i个跟随者ai0=1,反之则有ai0=0。
步骤二:给出分布式观测器收敛时间上界
式中:
Q=PH+HTP (7)
式中,Q和P=diag{p1,...,pN}为正定矩阵,pm=max{pi},H=Ls+B,Ls为图Gs的Laplacian矩阵,B=diag{a10,...,aN0},ai0=1表示信息能从领导流向跟随者i,否则ai0=0,N表示多智能体系统中跟随者的数量。
步骤三:定义第i个跟随智能体跟踪误差e1i=x1i-x10,e2i=x2i-x20。则第i个多智能体系统误差动态为:
在观测器获得领导的状态信息后,为第i个跟随智能体设计非奇异终端滑模面:
式中,0<l<0.25,Ta为预先指定的时间。
设计终端滑模控制输入:
式中,κ>λ,0<m/n<0.5,Tb为预先指定的时间
步骤四:将控制器(10)和分布式观测器(3)部署到第i个跟随者中,使得所有跟随者的状态能够在预先指定的时间内跟踪上领导的轨迹,即对于任意时刻均有x1i(t)=x10(t),x2i(t)=x20(t)成立。
实施例:单连杆机械手多智能体系统固定时一致性跟踪控制
为了更高质量和效率地完成指令动作,需要发展快速精确的单连杆机械手系统协调控制方法,对于提升其完成指令动作的质量和效率,提升我国工业自动化水平具有至关重要的意义。以单连杆机械手多智能体系统为例,说明所设计固定时一致性跟踪控制方案的有效性。多智能体系统由1个领导智能体和4个跟随者智能体组成,其通信拓扑如图2所示,图中可以看出信息的传递是有方向的。使用如下的微分方程描述跟随者智能体的动态:
其中,qi表示第i个连接的角位置,其一阶和二阶导数分别表示角速度和角加速度,Bi为第i个连接的阻尼系数,Mi为该连接的总质量,li为该连接关节轴到重心的距离,Ji为该连接和电机的总转动惯量,g为重力加速度。设计控制输入令x1i=qi,(12)变为:
此时,跟随者具有与(1)相同的动态。
领导者指定的参考轨迹动态为:
领导的初始值选为(x10(0),x20(0))=(0,0.1),跟随者的初始值选为(x11(0),x21(0),x12(0),x22(0),x13(0),x23(0),x14(0),x24(0))=(0.4,0.35,0.2,0.3,0.5,0.25,0.3,0.4),领导的控制输入选为u20=-0.1sin(t),分布式观测器和控制器参数选为p=5,q=9,Ta=Tb=1,α=β=10,λ=0.1,m=5,n=11,l=0.15,τ=0.1,κ=0.12。观测器状态和领导状态的时间演化如图3-4所示,从图3-4可以看出通过所提出的观测器,跟随者可以在0.16s内得到领导的状态信息。随后,所提出的控制协议开始作用,图5-6给出了跟随者智能体状态的时间演化,可以看出,跟随者在1.3s内跟踪上了领导的轨迹。仿真结果表明,所提出一致性跟踪控制方案能够在固定时间内实现多智能体系统的一致性跟踪。
Claims (1)
1.一种有向通信下二阶多智能体系统固定时一致性跟踪控制方法,其特征在于所述的多智能体系统由一个领导者和N个跟随者组成,N个跟随者组成的相互作用网络是有向图Gs,每个跟随者和领导之间都有路径相连,第i个跟随者的动态为:
其中,x1i为位置型状态,x2i为速度型状态,ui是控制输入;
领导者的动态为:
其中,x10为位置型状态,x20为速度型状态,u0是有界的控制输入,即存在已知的正常数λ′,使得|u0|≤λ′,所有跟随者无法获得领导的控制输入信息,但常数λ′对所有跟随者都是已知的;
所述的一致性跟踪控制方案包括如下步骤:
步骤1:为每一个跟随者设计分布式观测器:
式中ξi和ηi是第i个跟随者分布式观测器状态,ξj和ηj是第j个跟随者分布式观测器状态,ξ0=x10,η0=x20,α,β,λ是观测器增益,p和q是满足p<q的正奇数,sig(·)α=|·|αsign(·);aij表征了节点之间信息传递关系,如果第i个跟随者分布式观测器状态信息能从第i个跟随者流向第j个跟随者aij=1,反之则有aij=0;如果领导状态信息能从领导流向第i个跟随者ai0=1,反之则有ai0=0;
步骤2:给出分布式观测器收敛时间上界
式中:
Q=PH+HTP (7)
式中,Q和P=diag{p1,...,pN}为正定矩阵,pm=max{pi},H=Ls+B,Ls为图Gs的Laplacian矩阵,B=diag{a10,...,aN0};
步骤3:定义第i个跟随智能体跟踪误差e1i=x1i-x10,e2i=x2i-x20;则第i个多智能体系统误差动态为:
在观测器获得领导的状态信息后,为第i个跟随智能体设计非奇异终端滑模面:
式中,0<l<0.25,Ta为预先指定的时间;
设计终端滑模控制输入:
式中,κ>λ,0<m/n<0.5,Tb为预先指定的时间;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910366397.9A CN110119087B (zh) | 2019-05-05 | 2019-05-05 | 一种有向通信下二阶多智能体系统固定时一致性跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910366397.9A CN110119087B (zh) | 2019-05-05 | 2019-05-05 | 一种有向通信下二阶多智能体系统固定时一致性跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110119087A CN110119087A (zh) | 2019-08-13 |
CN110119087B true CN110119087B (zh) | 2021-12-21 |
Family
ID=67521809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910366397.9A Expired - Fee Related CN110119087B (zh) | 2019-05-05 | 2019-05-05 | 一种有向通信下二阶多智能体系统固定时一致性跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110119087B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111596547B (zh) * | 2020-05-21 | 2022-04-19 | 西北工业大学 | 二阶智能体系统连通性保持固定时间协同一致性控制方法 |
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 |
CN112347640B (zh) * | 2020-11-05 | 2024-02-13 | 西北工业大学 | 一种基于固定时间故障观测器的故障诊断方法 |
CN112698634B (zh) * | 2020-12-28 | 2021-09-21 | 南京邮电大学 | 基于事件触发的交通智能体系统固定时间二分一致性方法 |
CN112925197B (zh) * | 2021-01-21 | 2022-08-12 | 南通大学 | 基于有限时间的多智能体系统二分一致跟踪方法 |
CN112925196B (zh) * | 2021-01-21 | 2022-08-12 | 南通大学 | 基于固定时间的多智能体系统二分一致跟踪方法 |
CN113176732B (zh) * | 2021-01-25 | 2022-07-08 | 华东交通大学 | 一种非线性随机多智能体系统固定时间一致控制方法 |
CN113031554B (zh) * | 2021-03-12 | 2024-06-25 | 西北工业大学 | 一种二阶多智能体系统固定时间领跟一致性控制方法 |
CN113885315B (zh) * | 2021-11-08 | 2023-10-24 | 南京邮电大学 | 一种线性时不变移动目标系统的分布式观测器设计方法 |
CN114200830B (zh) * | 2021-11-11 | 2023-09-22 | 辽宁石油化工大学 | 一种多智能体一致性强化学习控制方法 |
CN114371620B (zh) * | 2021-12-22 | 2023-08-29 | 同济大学 | 高阶非线性异构多智能体一致性控制器设计方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN106843265A (zh) * | 2016-12-30 | 2017-06-13 | 哈尔滨工业大学 | 有限时间收敛的三维多导弹协同制导方法与系统 |
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 |
CN108628169A (zh) * | 2018-06-01 | 2018-10-09 | 湖南工业大学 | 基于多智能体系统动车组停车一致性控制方法 |
CN108897226A (zh) * | 2018-08-20 | 2018-11-27 | 西北工业大学 | 基于干扰观测器的mems陀螺仪预设性能非奇异滑模控制方法 |
CN109333529A (zh) * | 2018-09-20 | 2019-02-15 | 南京邮电大学 | 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 |
CN109459930A (zh) * | 2018-12-26 | 2019-03-12 | 电子科技大学 | 一种基于pd结构和邻居滞后控制信号的协同控制方法 |
CN109557818A (zh) * | 2019-01-10 | 2019-04-02 | 南京航空航天大学 | 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 |
-
2019
- 2019-05-05 CN CN201910366397.9A patent/CN110119087B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN106843265A (zh) * | 2016-12-30 | 2017-06-13 | 哈尔滨工业大学 | 有限时间收敛的三维多导弹协同制导方法与系统 |
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 |
CN108628169A (zh) * | 2018-06-01 | 2018-10-09 | 湖南工业大学 | 基于多智能体系统动车组停车一致性控制方法 |
CN108897226A (zh) * | 2018-08-20 | 2018-11-27 | 西北工业大学 | 基于干扰观测器的mems陀螺仪预设性能非奇异滑模控制方法 |
CN109333529A (zh) * | 2018-09-20 | 2019-02-15 | 南京邮电大学 | 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 |
CN109459930A (zh) * | 2018-12-26 | 2019-03-12 | 电子科技大学 | 一种基于pd结构和邻居滞后控制信号的协同控制方法 |
CN109557818A (zh) * | 2019-01-10 | 2019-04-02 | 南京航空航天大学 | 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 |
Non-Patent Citations (8)
Title |
---|
Finite-time attitude consensus tracking with terminal sliding mode observer;Xinsheng Wang 等;《The 26th Chinese Control and Decision Conference (2014 CCDC)》;20140714;第1141-1146页 * |
Finite-time sliding mode synchronization of chaotic systems;Ni Jun-Kang 等;《Chinese Physics B》;20140820;第23卷(第10期);第84-90页 * |
Finite-time state tracking control with unmeasured state and various boundaries;Dongsheng Chen 等;《International Journal of Innovative Computing, Information & Control》;20181031;第14卷(第05期);第1617-1631页 * |
Fixed-Time Disturbance Observer Design for Brunovsky Systems;Ni Junkang 等;《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS II-EXPRESS BRIEFS》;20180331;第65卷(第03期);第341-345页 * |
Fixed-Time Leader-Following Consensus for Second-Order Multiagent Systems With Input Delay;Junkang Ni 等;《IEEE Transactions on Industrial Electronics》;20170505;第64卷(第11期);第8635-8646页 * |
Observer-based robust finite-time cooperative consensus control for multi-agent networks;Suiyang Khoo 等;《2009 4th IEEE Conference on Industrial Electronics and Applications》;20090630;第1883-1888页 * |
带有滑模观测器的多智能体一致性控制;金治群 等;《控制理论与应用》;20170228;第34卷(第02期);第251-259页 * |
电力系统混沌振荡的等效快速终端模糊滑模控制;倪骏康 等;《物理学报》;20131017(第19期);第99-105页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110119087A (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119087B (zh) | 一种有向通信下二阶多智能体系统固定时一致性跟踪方法 | |
CN110083179B (zh) | 一种预定时间多智能体系统一致性跟踪控制方法 | |
CN109240086B (zh) | 一种非线性双边遥操作系统的自适应鲁棒控制方法 | |
CN111258214B (zh) | 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 | |
CN112621759A (zh) | 基于事件触发机制的遥操作系统分数阶滑模同步控制方法 | |
CN112327633A (zh) | 具有时滞和干扰的领导跟随多智能体系统一致性的方法 | |
CN108803324A (zh) | 多关节工业机械臂反步有限时间滑模控制方法 | |
CN112987790B (zh) | 一种分布式异构集群系统分组编队跟踪控制方法和系统 | |
CN109062043B (zh) | 考虑网络传输以及执行器饱和的航天器自抗扰控制方法 | |
CN108153259B (zh) | 一种基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法 | |
CN110116409B (zh) | 一种基于扰动观测器的四通道遥操作双边控制方法 | |
Acciani et al. | Cooperative adaptive cruise control over unreliable networks: An observer-based approach to increase robustness to packet loss | |
CN108388114A (zh) | 一种基于输出重定义的柔性机械臂复合控制方法 | |
Yu et al. | Trajectory switching control of robotic manipulators based on RBF neural networks | |
Keshavarz-Mohammadiyan et al. | Consensus-based distributed unscented target tracking in wireless sensor networks with state-dependent noise | |
CN109491251B (zh) | 考虑数据扰动补偿的交流伺服系统模型辨识方法及设备 | |
CN113858218A (zh) | 一种机械臂执行器故障诊断方法 | |
CN112632876B (zh) | 一种基于dmhe和dmpc的无人船协同目标跟踪控制方法 | |
CN112034713B (zh) | 非理想网络环境下移动目标的最优状态估计方法及系统 | |
CN113625781A (zh) | 基于事件的欧拉-拉格朗日系统跟踪控制方法 | |
Zeng et al. | Event-triggered controller design for active suspension systems: An adaptive backstepping method with error-dependent gain | |
CN113175926A (zh) | 一种基于运动状态监测的自适应水平姿态测量方法 | |
CN111585822A (zh) | 一种网络系统中数据丢包的提升模型预测补偿方法 | |
CN111781830A (zh) | 基于估计状态扰动观测的混合阶机电系统协同控制方法 | |
Abadi et al. | Chattering-free adaptive finite-time sliding mode control for trajectory tracking of MEMS gyroscope |
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 |
Granted publication date: 20211221 |
|
CF01 | Termination of patent right due to non-payment of annual fee |