CN112379592B - 一种基于降维区间观测器的多智能体系统一致性分析方法 - Google Patents
一种基于降维区间观测器的多智能体系统一致性分析方法 Download PDFInfo
- Publication number
- CN112379592B CN112379592B CN202011143197.6A CN202011143197A CN112379592B CN 112379592 B CN112379592 B CN 112379592B CN 202011143197 A CN202011143197 A CN 202011143197A CN 112379592 B CN112379592 B CN 112379592B
- Authority
- CN
- China
- Prior art keywords
- matrix
- observer
- agent
- dimension
- designing
- 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
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)
Abstract
本发明公开了一种基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:对于由多个智能体构成的智能体系统中存在时间变化的区间不确定的连续时间线性系统矩阵,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;设计系统的降维区间观测器;设计多智能体系统的“架构”;设计分布式的控制算法,并给出系统实现鲁棒一致性的条件。本发明将区间观测器从单个系统扩展到多智能体系统,同时解决了具有时变区间不确定性的网络多智能体系统的状态估计和协调控制问题。
Description
技术领域
本发明涉及系统一致性分析方法,尤其涉及一种基于降维区间观测器的多智能体系统一致性分析方法。
背景技术
对网络化多智能体系统的协调控制不仅可以帮助我们理解自然界中常见的集体行为,对其基本理论的学习还可以促进许多工程应用的发展。作为网络系统中最基本的协调行为之一,一致性的目的是引导多智能体系统中的各智能体在某一问题上达成一致,受到了人们的广泛关注。智能体可为无人机,一致性的目的是引导系统中的各无人机在运动状态上达成一致,其能完成单个无人机很难或无法完成的任务,且完成效率更高,受到了人们的广泛关注。
不确定性在实际工程系统中是普遍存在和不可避免的因素,如参数不确定即无人机的实际动力学模型与理想动力学模型之间产生的偏移,而区间不确定性是控制系统理论中常见的不确定性描述,其中不确定参数位于一个区间范围内,而不是一个具体的值。对具有不确定性的矩阵可以将其建模为范数有界的类型,也可以将其视为系统矩阵中的时变函数,且矩阵中时变元素的取值范围在一个已知的矩阵区间内。
区间观测器的概念起源于单个系统,由两个Luenberger观测器形式的观测器组成,通过其上界和下界描述轨迹。目前,对于只知道不确定性边界和初始状态的系统,有许多关于构造区间观测器的工作,它们的主要目的都是实现状态估计,获得系统轨迹上的区间界。然而,对于具有不确定性的网络多智能体系统,系统的协调控制是状态估计之外的基本目标。
因此,亟待解决上述问题。
发明内容
发明目的:本发明的目的是提供一种将区间观测器从单个系统扩展到多智能体系统同时解决了具有时变区间不确定性的网络多智能体系统的状态估计和协调控制问题的基于降维区间观测器的多智能体系统一致性分析方法。
技术方案:为实现以上目的,本发明公开了基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:
(1)、对于由多个智能体构成的智能体系统中存在时间变化的区间不确定的连续时间线性系统矩阵,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;
(2)、设计系统的降维区间观测器;
(3)、设计多智能体系统的“架构”;
(4)、设计分布式的控制算法,并给出系统实现鲁棒一致性的条件。
其中,所述步骤(1)的具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
其中分别为智能体i的状态变量、控制输入和输出变量,A,B,C为维数匹配的常数矩阵,实矩阵函数ΔAi(t)表示系统矩阵A上的时间变化的不确定性;用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有智能体的初始状态存在不确定性,并且存在使得对i=1,2,...,N有系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;对于矩阵C,选取一个非奇异矩阵使得CQ1=Im,CQ2=0,其中Q=[Q1 Q2]=P-1,从而有其中
优选的,所述步骤(2)的具体方法包括以下步骤:
(2.3)、若D1,D2不存在,则使用“间接法”来设计降维区间观测器,选取n-p个各不相同的并且都不等于的特征值的负实数μ1,...,μn-p,进而定义一个对角矩阵选取任意的矩阵求解Sylvester方程进而获取T2,则在所得的T2,K的基础上,设计降维区间观测器:
再者,所述步骤(3)的具体方法包括以下步骤:
进一步,所述步骤(4)具体方法包括以下步骤:
(4.2)、选取λ满足0<λ≤λ2,并取∈>0,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0.
Υ=[-T2G-(-T2KC (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
优选的,所述智能体包括无人机。
有益效果:与现有技术相比,本发明具有以下显著优点:本发明在只有不确定因素的上下界和系统中各个智能体初始状态的上下界已知的条件下,构建该多智能体系统的降维区间观测器;根据该降维区间观测器,设计出降维“架构”来估计多智能体系统中各智能体的运动轨迹;再根据“架构”信息设计出分布式的控制算法来驱动这类不确定多智能体系统实现鲁棒一致性;本发明将区间观测器从单个系统扩展到多智能体系统,同时解决了具有时变区间不确定性的网络多智能体系统的状态估计和协调控制问题。
附图说明
图1为本发明的流程示意图;
图2为本发明多无人机系统的降维区间观测器的设计流程图;
图3为本发明中直接法下目标多无人机系统的状态轨迹;
图5为本发明中直接法下和xi-x i的轨迹;
图6为本发明中间接法下目标多无人机系统的状态轨迹;
图8为本发明中间接法下xi-x i的轨迹。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明一种基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:
(1)、对于由多个智能体构成的智能体系统中存在时间变化的区间不确定的连续时间线性系统矩阵,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;
其中具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
其中分别为智能体i的状态变量、控制输入和输出变量,A,B,C为维数匹配的常数矩阵,实矩阵函数ΔAi(t)表示系统矩阵A上的时间变化的不确定性;用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有智能体的初始状态存在不确定性,并且存在使得对i=1,2,...,N有系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;对于矩阵C,选取一个非奇异矩阵使得CQ1=Im,CQ2=0,其中Q=[Q1 Q2]=P-1,从而有其中
(2)、设计系统的降维区间观测器;
其中具体方法包括以下步骤:
(2.3)、若D1,D2不存在,则使用“间接法”来设计降维区间观测器,选取n-p个各不相同的并且都不等于的特征值的负实数μ1,...,μn-p,进而定义一个对角矩阵选取任意的矩阵求解Sylvester方程进而获取T2,则在所得的T2,K的基础上,设计降维区间观测器:
(3)、设计多智能体系统的“架构”;
其中具体方法包括以下步骤:
(4)、设计分布式的控制算法,并给出系统实现鲁棒一致性的条件;
其中具体方法包括以下步骤:
(4.2)、选取λ满足0<λ≤λ2,并取∈>0,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0.
Υ=[-T2G-(-T2KC (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
实施例1
如图1所示,本实施例中智能体为无人机,本发明一种基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:
(1)、对于由多个无人机构成的无人机系统中存在时间变化的区间不确定的多无人机运动连续时间线性系统,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;
其中具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
其中分别为第i个无人机的状态变量、控制输入和输出变量,A,B,C为维数匹配的常数矩阵,实矩阵函数ΔAi(t)表示系统矩阵A上无人机实际模型与理想模型之间随时间变化的不确定性;用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有无人机的初始状态存在不确定性,并且存在使得对i=1,2,...,N有系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;
(2)、设计多无人机系统的降维区间观测器;
如图2所示,其中具体方法包括以下步骤:
(2.3)、若D1,D2不存在,则使用“间接法”来设计降维区间观测器,选取n-p个各不相同的并且都不等于的特征值的负实数μ1,...,μn-p,进而定义一个对角矩阵选取任意的矩阵求解Sylvester方程进而获取T2,则在所得的T2,K的基础上,设计降维区间观测器:
(3)、设计多无人机系统的“架构”;
其中具体方法包括以下步骤:
(4)、设计分布式的控制算法,并给出多无人机系统实现鲁棒一致性的条件;
其中具体方法包括以下步骤:
(4.2)、选取λ满足0<λ≤λ2,并取∈>0,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0.
Υ=[-T2G-(-T2KC (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
本实施例中选用6个无人机组成多无人机系统,本实施例中采用间接法,本实施例中一种基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:
(1)、对于由6个无人机构成的无人机系统中存在时间变化的区间不确定的多无人机运动连续时间线性系统,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;
其中具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有无人机的初始状态存在不确定性,并且存在使得对i=1,2,...,N有第i个无人机的初始状态xi(0)随机选自[-20,20]×[-20,20]×[-20,20],定义a0∈[0,1]×[0,1]×[0,1],选取xi(0)=xi(0)-5a0;系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;
(2)、设计多无人机系统的降维区间观测器;
其中具体方法包括以下步骤:
(3)、设计多无人机系统的“架构”;
其中具体方法包括以下步骤:
(4)、设计分布式的控制算法,并给出多无人机系统实现鲁棒一致性的条件;
其中具体方法包括以下步骤:
(4.1)、用一个包含N节点的连通的无向图来刻画N个无人机之间的信息交互拓扑关系,定义其邻接矩阵和拉普拉斯矩阵分别为W=(wij)和L=(lij),多无人机系统通信拓扑结构用邻接矩阵表示为并求取L的特征值0=λ1≤λ2≤...≤λN;
(4.2)、选取λ满足0<λ≤λ2,并取∈>0,∈=1,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0.
Υ=[-T2G-(-T2KC (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
其中是Lyapunov方程的解;则当时,多无人机系统可以实现鲁棒一致。如图3所示,描述了无人机的运动轨迹,表明多无人机系统能够实现鲁棒一致性,如图4和图5所示,分别描述了和xi-x i的轨迹,两幅图表明和xi-x i的轨迹始终为非负的,从而说明了
本实施例中选用6个无人机组成多无人机系统,本实施例中采用间接法,本实施例中一种基于降维区间观测器的多智能体系统一致性分析方法,包括如下步骤:
(1)、对于由6个无人机构成的无人机系统中存在时间变化的区间不确定的多无人机运动连续时间线性系统,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;
其中具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
C=[-1 -2 1];实矩阵函数ΔAi(t)表示系统矩阵A上无人机实际模型与理想模型之间随时间变化的不确定性,无人机实际模型与理想模型之间随时间变化的不确定性为其中并且i=1,...,6。ΔAi(t)的区间上下界分别为
用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有无人机的初始状态存在不确定性,并且存在使得对i=1,2,...,N有第i个无人机的初始状态xi(0)随机选自[-20,20]×[-20,20]×[-20,20],定义a0∈[0,1]×[0,1]×[0,1],选取 x i(0)=xi(0)-5a0;系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;
(2)、设计多无人机系统的降维区间观测器;
其中具体方法包括以下步骤:
若D1,D2不存在,则使用“间接法”来设计降维区间观测器,选取n-p个各不相同的并且都不等于的特征值的负实数μ1,...,μn-p,进而定义一个对角矩阵由于的特征值为1,-2,选取任意的矩阵求解Sylvester方程进而获取则在所得的T2,K的基础上,设计降维区间观测器:
(3)、设计多无人机系统的“架构”;
其中具体方法包括以下步骤:
(4)、设计分布式的控制算法,并给出多无人机系统实现鲁棒一致性的条件;
其中具体方法包括以下步骤:
(4.2)、选取λ满足0<λ≤λ2,并取∈=0.1,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0.
Υ=[-T2G-(-T2KC (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
Claims (4)
1.一种基于降维区间观测器的多智能体系统一致性分析方法,其特征在于,包括如下步骤:
(1)、对于由多个智能体构成的智能体系统中存在时间变化的区间不确定的连续时间线性系统矩阵,对系统矩阵A,B,C作龙伯格降维分解得到相应子系统的对应矩阵;其中步骤(1)的具体实现方法包括以下步骤:
对于系统矩阵中存在时间变化的区间不确定的连续时间线性系统:
分别为智能体i的状态变量、控制输入和输出变量,为状态变量的导数,A,B,C为维数匹配的常数矩阵,实矩阵函数ΔAi(t)表示系统矩阵A上的时间变化的不确定性;用表示欧几里得空间中维数为m×n的矩阵,In表示n维的单位矩阵,0表示相应维数的零矩阵或者常数零;对于ΔAi(t),存在使得对i=1,2,...,N和t≥0都有 ΔA和分别为系统矩阵A上的时间变化的不确定性的下界和上界;智能体的初始状态存在不确定性,并且存在使得对i=1,2,...,N有 x i(0)和分别为初始状态不确定性的下界和上界;系统(C,A)所有的不可观模态都是稳定的,系统(A,B)所有的不可控模态都是渐进稳定的;对于矩阵C,选取一个非奇异矩阵使得CQ1=Im,CQ2=0,其中Q=[Q1 Q2]=P-1为矩阵P的逆,和为满足等式条件的矩阵,从而有其中 则所有的不可观模态都是稳定的;
(2)、设计系统的降维区间观测器;
其中步骤(2)的具体方法包括以下步骤:
同时,z iu和为n-p维分状态的状态观测器的下界和上界,和分别为它们的导数,z iu(0)和为降维状态观测器的下界和上界的初始值;且G-=G+-G≥0;(-KC)+,ΔA +,分别表示其中的每个元素值选取0和-KC,ΔA,原先值中的较大者,因此是非负的;(-KC)-=(-KC)+-(-KC)≥0,ΔA -=ΔA +-ΔA≥0,
(2.3)、若D1,D2不存在,则使用“间接法”来设计降维区间观测器,选取n-p个各不相同的并且都不等于的特征值的负实数μ1,...,μn-p,进而定义一个对角矩阵选取任意的矩阵求解Sylvester方程进而获取T2,则观测器增益在所得的T2,K的基础上,设计降维区间观测器:
其中,Z iu和为降维状态观测器的下界和上界,和分别为它们的导数,Z iu(0)和为降维状态观测器的下界和上界的初始值,(T2G)+表示其中的每个元素值选取0和T2G原先值中的较大者,因此是非负的,(T2G)-=(T2G)+-(T2G)≥0;
(3)、设计多智能体系统的架构;
(4)、设计分布式的控制算法,并给出系统实现鲁棒一致性的条件。
2.根据权利要求1所述的一种基于降维区间观测器的多智能体系统一致性分析方法,其特征在于:所述步骤(3)的具体方法包括以下步骤:
3.根据权利要求2所述的一种基于降维区间观测器的多智能体系统一致性分析方法,其特征在于:所述步骤(4)具体方法包括以下步骤:
(4.2)、选取λ满足0<λ≤λ2,并取∈>0,求解代数黎卡提方程
ATPu(∈)+Pu(∈)A-2λPu(∈)BBTPu(∈)+∈In=0
进而获取Pu(∈);
Υ=[-T2G-(-T2KC) (T2G)++(-T2KC)+ -(T2G)--(-T2KC)-],
4.根据权利要求1所述的一种基于降维区间观测器的多智能体系统一致性分析方法,其特征在于:所述智能体包括无人机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143197.6A CN112379592B (zh) | 2020-10-23 | 2020-10-23 | 一种基于降维区间观测器的多智能体系统一致性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143197.6A CN112379592B (zh) | 2020-10-23 | 2020-10-23 | 一种基于降维区间观测器的多智能体系统一致性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112379592A CN112379592A (zh) | 2021-02-19 |
CN112379592B true CN112379592B (zh) | 2022-10-14 |
Family
ID=74580716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143197.6A Active CN112379592B (zh) | 2020-10-23 | 2020-10-23 | 一种基于降维区间观测器的多智能体系统一致性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112379592B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113359432B (zh) * | 2021-07-09 | 2022-09-16 | 广东华中科技大学工业技术研究院 | 多刚体目标系统分布式自适应状态估计器控制律设计方法 |
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 |
CN116859755B (zh) * | 2023-08-29 | 2023-12-08 | 南京邮电大学 | 无人车驾驶控制的最小化协方差强化学习训练加速方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109116737A (zh) * | 2018-09-19 | 2019-01-01 | 南京航空航天大学 | 基于观测器的多智能体系统故障上限评估以及容错一致性控制算法 |
CN110908364A (zh) * | 2019-12-06 | 2020-03-24 | 南京航空航天大学 | 一种基于鲁棒区间估计的故障检测方法 |
-
2020
- 2020-10-23 CN CN202011143197.6A patent/CN112379592B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109116737A (zh) * | 2018-09-19 | 2019-01-01 | 南京航空航天大学 | 基于观测器的多智能体系统故障上限评估以及容错一致性控制算法 |
CN110908364A (zh) * | 2019-12-06 | 2020-03-24 | 南京航空航天大学 | 一种基于鲁棒区间估计的故障检测方法 |
Non-Patent Citations (1)
Title |
---|
模型不确定多智能体系统的鲁棒一致性控制;黄小龙等;《华中科技大学学报(自然科学版)》;20200914(第09期);19-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112379592A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112379592B (zh) | 一种基于降维区间观测器的多智能体系统一致性分析方法 | |
CN109683477B (zh) | 一种随机多智能体系统有限时间控制器的设计方法及系统 | |
Xie et al. | Event‐triggered consensus control for second‐order multi‐agent systems | |
CN110780668A (zh) | 一种多无人艇的分布式编队合围跟踪控制方法及系统 | |
CN107807521A (zh) | 面向固定时间的编队飞行器协同控制方法及系统 | |
CN112558476B (zh) | 基于攻击补偿的非线性多智体系统无领导者一致控制方法 | |
CN113900380A (zh) | 一种异构集群系统鲁棒输出编队跟踪控制方法及系统 | |
CN113238867A (zh) | 一种基于网络卸载的联邦学习方法 | |
CN115562037A (zh) | 一种非线性多智能体系统控制方法、装置、设备及应用 | |
CN113325708B (zh) | 基于异构多智能体的多无人机系统的故障估计方法 | |
Sharghi et al. | Finite-time-estimation-based surrounding control for a class of unknown nonlinear multi-agent systems | |
CN110609467A (zh) | 基于pid的时滞多智能体系统的一致性控制方法 | |
CN108173532B (zh) | 在协议影响下的时变系统滤波器设计方法、装置和滤波器 | |
CN112131693B (zh) | 基于脉冲牵制自适应控制的Lur`e网络聚类同步方法 | |
Abdulghafor et al. | Nonlinear convergence algorithm: structural properties with doubly stochastic quadratic operators for multi-agent systems | |
Gan | Synchronisation of chaotic neural networks with unknown parameters and random time-varying delays based on adaptive sampled-data control and parameter identification | |
Argha et al. | Design of optimal sliding-mode control using partial eigenstructure assignment | |
CN112925197B (zh) | 基于有限时间的多智能体系统二分一致跟踪方法 | |
CN116794974A (zh) | 神经网络耦合输出调节器的异构多智能体跟踪控制方法 | |
CN115167451A (zh) | 一种离散异构多自主体编队合围跟踪控制方法及系统 | |
Gray et al. | An agent-based framework for bio-inspired, value-sensitive decision-making | |
CN114861435A (zh) | 有限时间观测器下的多智能体系统一致性滑模控制算法 | |
CN113867150A (zh) | 一种具有饱和输入的多智能体的事件驱动控制方法 | |
CN111856935A (zh) | 基于lpv多智能体系统的鲁棒共识方法 | |
CN113110321A (zh) | 基于事件触发的网络化工业控制系统的分布式估计方法 |
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 |