CN112379626A - 具有外部干扰的多智能体系统分组领导跟随一致的方法 - Google Patents

具有外部干扰的多智能体系统分组领导跟随一致的方法 Download PDF

Info

Publication number
CN112379626A
CN112379626A CN202011319014.1A CN202011319014A CN112379626A CN 112379626 A CN112379626 A CN 112379626A CN 202011319014 A CN202011319014 A CN 202011319014A CN 112379626 A CN112379626 A CN 112379626A
Authority
CN
China
Prior art keywords
agent
state
leader
matrix
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.)
Pending
Application number
CN202011319014.1A
Other languages
English (en)
Inventor
邢跃鹏
谭冲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202011319014.1A priority Critical patent/CN112379626A/zh
Publication of CN112379626A publication Critical patent/CN112379626A/zh
Pending legal-status Critical Current

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • 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
    • G05B2219/25257—Microcontroller

Abstract

本发明是一种具有外部干扰的多智能体系统实现分组领导跟随一致性的方法。旨在解决具有外部干扰和领导者的多智能体系统不能实现分组一致性的问题。外部干扰对多智能体系统的影响是不可避免的，并且实际工程应用中，我们不仅需要不同组智能体的状态分别趋于一致，还要它们的状态跟踪上领导者轨迹，也就是控制领导者智能体的一些变量，使其他智能体收敛到与该领导者智能体相同的值。本发明通过利用外部干扰对带领导者的多智能体系统的影响以及结合过去的状态信息来设计一致性协议的方法。经实验证明，本发明方法适用于多智能体系统的分组领导跟随一致性设计，并且利用网络化预测控制方法主动补偿时滞比传统方法得到的结果更准确。

Description

具有外部干扰的多智能体系统分组领导跟随一致的方法
技术领域
本发明涉及具有外部干扰的多智能体系统实现分组领导跟随一致性的方法,属于网络化多智能体系统技术领域。
背景技术
在实际应用中，随着系统复杂程度的不断加大,人们对系统分组问题产生了极大兴趣，于是多智能体分组一致性问题收到广泛关注，并且已在多机器人的编队、无人机的联合侦察与搜索、无线传感器和交通组织等方面有着重要应用。
目前现有的多智能体系统分组一致性设计方法，对于带时滞的多智能体系统进行研究时大多利用的过去的时间，或是用系统理论的分析方法来被动的降低时延带来的影响，具有很大的保守性。此外，也没有考虑到实际情况中，智能体在接收信息时难免会受到外部环境因素的干扰。
发明内容
本发明为了解决现有的具有外部干扰的网络化多智能体系统中，利用过时的信息实现一致性，没有很好的处理时滞问题，提出了一种利用状态预测器主动补偿时滞的具有外部干扰的网络化多智能体系统分组领导跟随一致性设计方法。
本发明所述一种具有外部干扰的网络化多智能体系统实现分组领导跟随一致性的方法，可以通过以下的技术方案实现：
步骤一、建立具有外部干扰的网络化多智能体系统的离散时间动态模型；
步骤二、针对具有外部干扰的网络化多智能体系统的离散时间动态模型构造状态观测器，进行状态预测；
步骤三、根据步骤二对带有外部干扰的网络化多智能体系统的离散时间动态模型的状态预测，设计分组领导跟随一致性控制协议；
步骤四、根据步骤三设计的分组领导跟随一致性控制协议，得到分组状态误差方程与干扰估计误差方程的紧凑表达式；
步骤五、利用分组状态误差方程与估计误差方程的紧凑表达形式，基于线性矩阵不等式获得状态反馈矩阵；
步骤六、将步骤五获得的反馈增益矩阵代入步骤三中的分组领导跟随一致性协议，实现具有外部干扰的多智能体网络化控制系统的分组领导跟随一致性。
对上述步骤进一步阐述：
进一步的，所述步骤一具体为：
对于一个包含N+M个智能体的网络
Figure BDA0002792220640000011
N≥2,M≥2；xi表示智能体i的状态，每个智能体为网络
Figure BDA0002792220640000012
的一个节点，每个节点的状态可以根据实际情况代表实际的物理量，比如位置、温度、速度、电压等。此网络化多智能体系统的拓扑结构
Figure BDA0002792220640000013
是一个加权有向图，包含两个子图分别为
Figure BDA0002792220640000014
与
Figure BDA0002792220640000015
其中，第一个子图顶点集为
Figure BDA0002792220640000016
第二个子图顶点集为
Figure BDA0002792220640000017
两个子图顶点索引集分别为I1＝{1,2,…,N},I2＝{N+1,N+2,…,N+M},I＝I1∪I2。顶点vi在两个子图中的邻域节点集分别为
Figure BDA0002792220640000021
建立网络化多智能体控制系统的离散时间动态模型，其状态空间表达式为：
xi(t+1)＝Axi(t)+B(ui(t)+di(t)) (1)
yi(t)＝Cxi(t) (2)
其中，xi(t)为网络化多智能体系统中第i个智能体在t时刻的离散时间动态模型状态向量，yi(t)为第i个智能体在t时刻的测量输出函数,ui(t)表示第i个智能体的一致性控制协议，A,B,C是适当维数的的系统矩阵。
进一步的，步骤二中所述的基于动态模型来构造状态观测器，再进行状态预测，其具体过程包括：
在网络化多智能体系统中的智能体i能够接收自身及相邻智能体j的信息，但由于带宽等原因会存在通信时滞，设丢包和时滞的上界为τ，基于t-τ时刻的信息可以得到下一个时刻的信息：
Figure BDA0002792220640000022
从t-τ+2时刻到τ时刻的状态预测为：
Figure BDA0002792220640000023
其中，
Figure BDA0002792220640000024
表示根据直到t-τ时刻智能体i的信息，得出智能体i在 t-τ+k时刻的预测状态，
Figure BDA0002792220640000025
表示第i个智能体在t-τ时刻的预测输出函数，Li表示第i个观测器增益矩阵。
进一步的，步骤三中所述设计的具有外部干扰的多智能体系统的分组领导跟随一致性控制协议为：
Figure BDA0002792220640000026
其中，Kc为同组内智能体通信的增益矩阵，Kd为不同组间智能体通信的增益矩阵；Ki01和Ki02为领导者智能体与跟随者智能体之间通信的增益矩阵；βi01和βi02分别是两组领导者智能体与相应组跟随者智能体之间的信息传递；β＝1表示二者存在通讯关系，β＝0表示不存在通讯关系。
进一步的，步骤四中所述分组状态误差方程与干扰估计误差方程的紧凑表达形式为；
Figure BDA0002792220640000031
其中，ξ(t)表示第一组智能体在t时刻的状态误差矩阵，η(t)表示第二组智能体在t时刻的状态误差矩阵，E(t-τ+1)表示多智能体系统中的状态估计误差矩阵,F(t-τ+1)表示多智能体系统中的干扰估计误差矩阵，
Figure BDA0002792220640000032
Figure BDA0002792220640000033
表示矩阵的直和，
Figure BDA0002792220640000034
表示克罗内克积；
令：
Figure BDA0002792220640000035
(5)式可以简化为
Figure BDA0002792220640000036
对于上三角系统(6)，当且仅当其对角线上的子矩阵Π和
Figure BDA0002792220640000037
是Schur稳定的，整个系统稳定；
计算等式(6)中Π的具体形式：
Figure BDA0002792220640000038
Figure BDA0002792220640000039
Figure BDA00027922206400000310
Figure BDA00027922206400000311
其中，IN表示N维单位阵，IM表示M维单位阵，In表示n维单位阵，
Figure BDA00027922206400000312
表示克罗内克积。
βG1＝diag(β1,β2,…,βN)
βG2＝diag(βN+1,βN+2,…,βN+M)
Figure BDA00027922206400000313
Figure BDA00027922206400000314
Figure BDA0002792220640000041
Figure BDA0002792220640000042
Figure BDA0002792220640000043
Figure BDA0002792220640000044
进一步的，步骤五所述的具体过程如下：
等式(6)中当且仅当矩阵Π和
Figure BDA0002792220640000045
是Schur稳定时，协议(4)可使得具有外部干扰的网络化多智能体系统实现分组领导跟随一致性；利用步骤三中的紧凑形式可以得到反馈增益矩阵Kc,Kd,Ki01,Ki02表达式。
本发明与现有的技术方法相比，具备的特点和有益效果是：
本发明考虑了对于带有外部干扰的网络化多智能体系统的影响，利用状态预测方法充分考虑了时滞的有效信息；本发明的分组领导跟随一致性协议设计方法可以主动补偿网络时滞的影响，对所有智能体进行统一的预测，克服了时滞对分组领导跟随一致控制的影响；此外，本方法考虑了实际工程应用中智能体接收信息会因为环境因素受到各种干扰，更贴合生活实际，然后借助于图论与矩阵论的分析方法，给出了保证具有外部干扰的网络化多智能体系统实现分组领导跟随一致的若干判据，使系统达到分组领导跟随一致。
附图说明
图1为本发明所述方法流程图；
图2是网络化多智能体系统通信拓扑结构图；
图3是时滞τ＝0.1网络化多智能体系统的输出图；
图4是时滞τ＝0.25网络化多智能体系统的输出图。
具体实施方式
为了更清晰的介绍本申请的目的，技术方案和优点，下面结合附图和具体实施方式，对本申请进一步详细说明。
具体实施方式一、结合图1说明本实施方式，本实施方式所述具有外部干扰的多智能体系统分组领导跟随一致的方法，该方法具体包括以下步骤：
步骤一、建立具有外部干扰的网络化多智能体系统的离散时间动态模型；
步骤二、针对步骤一建立的所述的多智能体系统的离散时间动态模型来构造状态观测器，进行状态预测；
步骤三、根据步骤二对带有外部干扰的网络化多智能体系统的离散时间动态模型的状态预测，设计分组领导跟随一致性控制协议；
步骤四、根据步骤三设计的分组领导跟随一致性控制协议，得到分组状态误差方程与干扰估计误差方程的紧凑表达式；
步骤五、利用分组状态误差方程与估计误差方程的紧凑表达形式，基于线性矩阵不等式获得状态反馈矩阵；
步骤六、将步骤五获得的反馈增益矩阵代入步骤三中的分组领导跟随一致性协议，实现具有外部干扰的多智能体网络化控制系统的分组领导跟随一致性。
具体实施方式二：本实施方式与具体实施方式一不同的是所述步骤一具体为：
对于一个包含N+M个智能体的网络
Figure BDA0002792220640000051
N≥2,M≥2；xi表示智能体i的状态，每个智能体为网络
Figure BDA0002792220640000052
的一个节点，每个节点的状态可以根据实际情况代表实际的物理量，比如位置、温度、速度、电压等。此网络化多智能体系统的拓扑结构
Figure BDA0002792220640000053
是一个加权有向图，包含两个子图分别为
Figure BDA0002792220640000054
其中，第一个子图顶点集为
Figure BDA0002792220640000055
第二个子图顶点集为
Figure BDA0002792220640000056
两个子图顶点索引集分别为I1＝{1,2,…,N},I2＝{N+1,N+2,…,N+M},I＝I1∪I2。顶点vi在两个子图中的邻域节点集分别为
Figure BDA0002792220640000057
建立网络化多智能体控制系统的离散时间动态模型，其状态空间表达式为：
xi(t+1)＝Axi(t)+B(ui(t)+di(t)) (1)
yi(t)＝Cxi(t) (2)
其中，xi(t)为网络化多智能体系统中第i个智能体在t时刻的离散时间动态模型状态向量，yi(t)为第i个智能体在t时刻的测量输出函数,ui(t)表示第i个智能体的一致性控制协议，A,B,C是适当维数的的系统矩阵；
其他步骤及参数与具体实施方式相同。
具体实施方式三：本实施方式与具体实施方式二不同的是，步骤二中所述进行状态预测的具体过程包括：
在网络化多智能体系统中的智能体i能够接收自身及相邻智能体j的信息，但由于带宽等原因会存在通信时滞，设丢包和时滞的上界为τ，基于t-τ时刻的信息可以得到下一个时刻的信息：
Figure BDA0002792220640000058
从t-τ+2时刻到τ时刻的状态预测为：
Figure BDA0002792220640000059
其中，
Figure BDA00027922206400000510
表示根据直到t-τ时刻智能体i的信息，得出智能体i在 t-τ+k时刻的预测状态，
Figure BDA00027922206400000511
表示第i个智能体在t-τ时刻的预测输出函数，Li表示第i个观测器增益矩阵。
其他步骤及参数与具体实施方式二相同。
具体实施方式四：本实施方式与具体实施方式三不同的是，步骤三中所述分组领导跟随一致性协议为：
Figure BDA0002792220640000061
其中，Kc为同组内智能体通信的增益矩阵，Kd为不同组间智能体通信的增益矩阵。Ki01和Ki02为领导者智能体与跟随者智能体之间通信的增益矩阵。βi01和βi02分别是两组领导者智能体与相应组跟随者智能体之间的信息传递。β＝1表示二者存在通讯关系，β＝0表示不存在通讯关系。
其他步骤及参数与具体实施方式三相同。
具体实施方式五：本实施方式与具体实施方式四不同的是，步骤四中所述分组状态误差方程与干扰估计误差方程的紧凑表达形式为：
Figure BDA0002792220640000062
其中，ξ(t)表示第一组智能体在t时刻的状态误差矩阵，η(t)表示第二组智能体在t时刻的状态误差矩阵，E(t-τ+1)表示多智能体系统中的状态估计误差矩阵,F(t-τ+1)表示多智能体系统中的干扰估计误差矩阵，
Figure BDA0002792220640000063
Figure BDA0002792220640000064
表示矩阵的直和，
Figure BDA0002792220640000065
表示克罗内克积。
令：
Figure BDA0002792220640000066
(5)式可以简化为
Figure BDA0002792220640000067
对于上三角系统(6)，当且仅当其对角线上的子矩阵Π和
Figure BDA0002792220640000069
是Schur稳定的，整个系统稳定。
计算等式(6)中Π的具体形式：
Figure BDA0002792220640000068
Figure BDA0002792220640000071
Figure BDA0002792220640000072
Figure BDA0002792220640000073
其中，IN表示N维单位阵，IM表示M维单位阵，In表示n维单位阵，
Figure BDA00027922206400000713
表示克罗内克积。
Figure BDA00027922206400000714
Figure BDA00027922206400000715
Figure BDA0002792220640000074
Figure BDA0002792220640000075
Figure BDA0002792220640000076
Figure BDA0002792220640000077
Figure BDA0002792220640000078
Figure BDA0002792220640000079
其他步骤及参数与具体实施方式四相同。
具体实施方式六：本实施方式与具体实施方式五不同的是，所述步骤五具体包括以下过程：
等式(6)中当且仅当矩阵Π和
Figure BDA00027922206400000710
是Schur稳定时，协议(4)可使得具有外部干扰的多网络化智能体控制系统实现分组领导跟随一致性。利用步骤三中的紧凑形式可以得到反馈增益矩阵Kc,Kd,Ki01,Ki02表达式。
其他步骤及参数与具体实施方式四相同。
实施例
采用以下实施例验证本发明的有益效果：
一个包含4个智能体的网络,I1＝{1,2},I2＝{3,4}；其通信拓扑结构如图2所示。
Figure BDA00027922206400000711
系统的拉普拉斯矩阵：
Figure BDA00027922206400000712
系统的状态初值为x1(0)＝[-10 6]T，x2(0)＝[12 -10]T，x3(0)＝[-11 -13]T， x4(0)＝[7 6]T。
系统的反馈矩阵如下：
Figure BDA0002792220640000081
Figure BDA0002792220640000082
图3是时滞τ＝0.1网络化多智能体系统的输出曲线图，图4是时滞τ＝0.25网络化多智能体系统的输出图。
由图中可知，针对具有外部干扰的网络化多智能体系统，所发明的分组领导跟随一致性协议可有效的达到分组领导跟随一致，且收敛速度较快。
以上所述仅为本发明的一个实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，包含下面的步骤：
步骤一、建立具有外部干扰的网络化多智能体系统的离散时间动态模型；
步骤二、针对具有外部干扰的网络化多智能体系统的离散时间动态模型构造状态观测器，进行状态预测；
步骤三、根据步骤二对带有外部干扰的网络化多智能体系统的离散时间动态模型的状态预测，设计分组领导跟随一致性控制协议；
步骤四、根据步骤三设计的分组领导跟随一致性控制协议，得到分组状态误差方程与估计误差方程的紧凑表达式；
步骤五、利用分组状态误差方程与干扰估计误差方程的紧凑表达形式，基于线性矩阵不等式获得状态反馈矩阵；
步骤六、将步骤五获得的反馈增益矩阵代入步骤三中的分组一致性协议，实现具有外部干扰的多智能体网络化控制系统的分组领导跟随一致性。
2.根据权利要求1所述具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，所述步骤一具体为：
对于一个包含N+M个智能体的网络
Figure FDA0002792220630000011
xi表示智能体i的状态，每个智能体为网络
Figure FDA0002792220630000012
的一个节点，每个节点的状态可以根据实际情况代表实际的物理量，比如位置、温度、速度、电压等；此网络化多智能体系统的拓扑结构
Figure FDA0002792220630000013
是一个加权有向图，包含两个子图分别为
Figure FDA0002792220630000014
与
Figure FDA0002792220630000015
其中，第一个子图顶点集为
Figure FDA0002792220630000016
第二个子图顶点集为
Figure FDA0002792220630000017
两个子图顶点索引集分别为I1＝{1,2,…,N},I2＝{N+1,N+2,…,N+M},I＝I1∪I2,其中顶点vi在两个子图中的邻域节点集分别为
Figure FDA0002792220630000018
建立本离散时间动动态模型，其状态空间表达式为：
xi(t+1)＝Axi(t+1)+B(ui(t)+di(t)) (1)
yi(t)＝Cxi(t) (2)
其中，xi(t)∈Rn为第i个智能体状态，yi(t)∈Rr为第i个智能体的测量输出，ui(t)∈Rm为控制输入，也就是第i个智能体的一致性控制协议，A,B,C是具有适当维数的矩阵，di(t)∈Rm为第i个智能体的外部干扰。
3.根据权利要求2所述具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，步骤二所述进行状态预测的具体过程包括：
智能体接收彼此间信息会存在时滞和丢包，这里设时滞和丢包总和的上界为τ，对于第i个跟随者智能体，利用状态观测器，基于t-τ时刻的信息可以得到下一个时刻的信息：
Figure FDA0002792220630000019
从t-τ+2时刻到τ时刻的状态预测为：
Figure FDA00027922206300000110
其中，
Figure FDA0002792220630000021
表示根据直到t-τ时刻智能体i的信息，得出智能体i在t-τ+k时刻的预测状态，
Figure FDA0002792220630000022
表示第i个智能体在t-τ时刻的预测输出函数，Li表示第i个观测器增益矩阵。
4.根据权利要求3所述具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，步骤三种所述分组领导跟随一致性控制协议为：
Figure FDA0002792220630000023
其中，Kc为同组内智能体通信的增益矩阵，Kd为不同组间智能体通信的增益矩阵，Ki01和Ki02为领导者智能体与跟随者智能体之间通信的增益矩阵。βi01和βi02分别是两组领导者智能体与相应组跟随者智能体之间的信息传递。β＝1表示二者存在通讯关系，β＝0表示不存在通讯关系。
5.根据权利要求4所述具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，步骤四中所述分组状态误差方程与干扰估计误差方程的紧凑表示形式为：
Figure FDA0002792220630000024
其中，ξ(t)表示第一组智能体在t时刻的状态误差矩阵，η(t)表示第二组智能体在t时刻的状态误差矩阵，E(t-τ+1)表示多智能体系统中的状态估计误差矩阵,F(t-τ+1)表示多智能体系统中的干扰估计误差矩阵，
Figure FDA0002792220630000025
Figure FDA0002792220630000026
Figure FDA0002792220630000027
表示矩阵的直和，
Figure FDA0002792220630000028
表示克罗内克积；
令
Figure FDA0002792220630000029
于是(5)简化得
Figure FDA00027922206300000210
对于上三角系统(6)，当且仅当其对角线上的子矩阵Π和
Figure FDA00027922206300000211
是Schur稳定的，整个系统稳定；
计算等式(6)中Π的具体形式：
Figure FDA0002792220630000031
Figure FDA0002792220630000032
Figure FDA0002792220630000033
Figure FDA0002792220630000034
其中，IN为N维单位阵，IM为M维单位阵，In为n维单位阵，
Figure FDA0002792220630000035
表示克罗内克积。
Figure FDA0002792220630000036
Figure FDA0002792220630000037
Figure FDA0002792220630000038
Figure FDA0002792220630000039
Figure FDA00027922206300000310
Figure FDA00027922206300000311
Figure FDA00027922206300000314
Figure FDA00027922206300000312
6.根据权利要求5所述具有外部干扰的多智能体系统分组领导跟随一致的方法，其特征在于，所述步骤五具体包括下面的过程：
等式(6)中当且仅当矩阵Π和
Figure FDA00027922206300000313
是Schur稳定时，协议(4)可使得具有外部干扰的网络化多智能体控制系统实现分组领导跟随一致性。利用步骤三中的紧凑形式得到反馈增益Kc,Kd,Ki01,Ki02表达式。
CN202011319014.1A 2020-11-23 2020-11-23 具有外部干扰的多智能体系统分组领导跟随一致的方法 Pending CN112379626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011319014.1A CN112379626A (zh) 2020-11-23 2020-11-23 具有外部干扰的多智能体系统分组领导跟随一致的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011319014.1A CN112379626A (zh) 2020-11-23 2020-11-23 具有外部干扰的多智能体系统分组领导跟随一致的方法

Publications (1)

Publication Number Publication Date
CN112379626A true CN112379626A (zh) 2021-02-19

Family

ID=74587428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011319014.1A Pending CN112379626A (zh) 2020-11-23 2020-11-23 具有外部干扰的多智能体系统分组领导跟随一致的方法

Country Status (1)

Country Link
CN (1) CN112379626A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259259A (zh) * 2021-05-13 2021-08-13 哈尔滨理工大学 一种带有通信时延的异构多智能体系统输出一致性方法
CN113253611A (zh) * 2021-05-14 2021-08-13 哈尔滨理工大学 一种具有干扰和时滞的多智能体系统实现一致性的方法
CN113311711A (zh) * 2021-05-28 2021-08-27 哈尔滨理工大学 一种异构多智能体系统在领导跟随下实现分组一致的方法
CN113359463A (zh) * 2021-06-28 2021-09-07 大连理工大学 一种针对多智能体系统的领导跟随一致性问题的循环切换方案
CN113589694A (zh) * 2021-08-02 2021-11-02 厦门大学 异构多智能体系统的完全分布式抗饱和跟踪控制方法
CN116661347A (zh) * 2023-05-26 2023-08-29 苏州科技大学 一种含不确定时滞的多智能体一致性控制方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7457897B1 (en) * 2004-03-17 2008-11-25 Suoer Talent Electronics, Inc. PCI express-compatible controller and interface for flash memory
CN204287967U (zh) * 2014-12-23 2015-04-22 浙江理工大学 基于多智能体理论的搜救机器人系统
US20160125097A1 (en) * 2014-11-05 2016-05-05 Nec Laboratories America, Inc. Optimizing power flows using harmony search with machine learning
US20160195866A1 (en) * 2013-03-13 2016-07-07 Johnson Controls Technology Company Systems and methods for energy cost optimization in a building system
CN108075487A (zh) * 2017-12-05 2018-05-25 燕山大学 自适应下垂和一致性相结合的孤岛微电网的分层控制方法
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
CN109856970A (zh) * 2018-12-19 2019-06-07 哈尔滨理工大学 一种具有网络诱导有界时滞和数据丢失的有限时镇定方法
CN110376889A (zh) * 2019-07-12 2019-10-25 哈尔滨理工大学 具有时变时滞的异构网络化多智能体系统分组一致的方法
CN111103881A (zh) * 2019-12-25 2020-05-05 北方工业大学 一种多智能体编队防碰撞控制方法及系统
CN111176327A (zh) * 2020-01-16 2020-05-19 北京航空航天大学 一种多智能体系统合围控制方法及系统
CN111538239A (zh) * 2020-03-29 2020-08-14 博智安全科技股份有限公司 多智能体领航跟随一致性的控制系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7457897B1 (en) * 2004-03-17 2008-11-25 Suoer Talent Electronics, Inc. PCI express-compatible controller and interface for flash memory
US20160195866A1 (en) * 2013-03-13 2016-07-07 Johnson Controls Technology Company Systems and methods for energy cost optimization in a building system
US20160125097A1 (en) * 2014-11-05 2016-05-05 Nec Laboratories America, Inc. Optimizing power flows using harmony search with machine learning
CN204287967U (zh) * 2014-12-23 2015-04-22 浙江理工大学 基于多智能体理论的搜救机器人系统
CN108075487A (zh) * 2017-12-05 2018-05-25 燕山大学 自适应下垂和一致性相结合的孤岛微电网的分层控制方法
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
CN109856970A (zh) * 2018-12-19 2019-06-07 哈尔滨理工大学 一种具有网络诱导有界时滞和数据丢失的有限时镇定方法
CN110376889A (zh) * 2019-07-12 2019-10-25 哈尔滨理工大学 具有时变时滞的异构网络化多智能体系统分组一致的方法
CN111103881A (zh) * 2019-12-25 2020-05-05 北方工业大学 一种多智能体编队防碰撞控制方法及系统
CN111176327A (zh) * 2020-01-16 2020-05-19 北京航空航天大学 一种多智能体系统合围控制方法及系统
CN111538239A (zh) * 2020-03-29 2020-08-14 博智安全科技股份有限公司 多智能体领航跟随一致性的控制系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YANJIANG LI: "Group consensus for discrete-time heterogeneous multi-agent networks", 《PROCEEDINGS OF THE 39TH CHINESE CONTROL CONFERENCE》 *
谭冲: "基于预测控制方法的网络化多智能体系统一致性问题研究", 《中国博士学位论文全文数据库（电子期刊）信息科技辑》 *
黄宵宁: "多智能体分布式储能两象限SOC一致自适应控制", 《中国科技论文》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113259259A (zh) * 2021-05-13 2021-08-13 哈尔滨理工大学 一种带有通信时延的异构多智能体系统输出一致性方法
CN113259259B (zh) * 2021-05-13 2024-04-19 哈尔滨理工大学 一种带有通信时延的异构多智能体系统输出一致性方法
CN113253611A (zh) * 2021-05-14 2021-08-13 哈尔滨理工大学 一种具有干扰和时滞的多智能体系统实现一致性的方法
CN113311711A (zh) * 2021-05-28 2021-08-27 哈尔滨理工大学 一种异构多智能体系统在领导跟随下实现分组一致的方法
CN113359463A (zh) * 2021-06-28 2021-09-07 大连理工大学 一种针对多智能体系统的领导跟随一致性问题的循环切换方案
CN113589694A (zh) * 2021-08-02 2021-11-02 厦门大学 异构多智能体系统的完全分布式抗饱和跟踪控制方法
CN113589694B (zh) * 2021-08-02 2023-08-18 厦门大学 异构多智能体系统的完全分布式抗饱和跟踪控制方法
CN116661347A (zh) * 2023-05-26 2023-08-29 苏州科技大学 一种含不确定时滞的多智能体一致性控制方法
CN116661347B (zh) * 2023-05-26 2024-01-12 苏州科技大学 一种含不确定时滞的多智能体一致性控制方法

Similar Documents

Publication Publication Date Title
CN112379626A (zh) 具有外部干扰的多智能体系统分组领导跟随一致的方法
CN110376889B (zh) 具有时变时滞的异构网络化多智能体系统分组一致的方法
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
Li et al. Leader-following formation control for second-order multiagent systems with time-varying delay and nonlinear dynamics
CN105467981A (zh) 一种针对多个智能体的编队方法以及装置
CN109818792B (zh) 一种基于二阶线性系统时变耦合复杂动态网络模型的控制器
Huang et al. An overview of intelligent wireless communications using deep reinforcement learning
CN113110039B (zh) 一种多智能体系统的有限时间分布式聚合优化方法
Zhou et al. Machine learning for massive industrial internet of things
CN113900380B (zh) 一种异构集群系统鲁棒输出编队跟踪控制方法及系统
Dong et al. Dynamic output‐feedback fuzzy MPC for Takagi‐Sugeno fuzzy systems under event‐triggering–based try‐once‐discard protocol
Wang et al. Consensus over networks with dynamic channels
Guo et al. Cooperation of multiple mobile sensors with minimum energy cost for mobility and communication
CN112596395A (zh) 一种多重信息约束下的多智能体一致性协同控制方法
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
CN113296410A (zh) 一种切换拓扑下的多智能体系统的领导跟随一致性方法
CN113311711A (zh) 一种异构多智能体系统在领导跟随下实现分组一致的方法
Wang et al. An intelligent UAV based data aggregation algorithm for 5G-enabled internet of things
Ali et al. Towards formal modeling of subnet based hotspot algorithm in wireless sensor networks
Liu Tracking control of multi-agent systems using a networked predictive PID tracking scheme
Cui et al. Simplified optimized finite-time containment control for a class of multi-agent systems with actuator faults
Yang et al. Model predictive control for cloud-integrated networked multiagent systems under bandwidth allocation
CN114828146A (zh) 一种基于神经网络和迭代学习的无人集群地理位置路由方法
Yi et al. DMADRL: A distributed multi-agent deep reinforcement learning algorithm for cognitive offloading in dynamic MEC networks
Wang et al. Finite-time consensus of nonlinear delayed multi-agent system via state-constraint impulsive control under switching topologies

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210219

WD01 Invention patent application deemed withdrawn after publication