CN112379688B - 一种基于膜计算的多机器人有限时间同步控制方法 - Google Patents
一种基于膜计算的多机器人有限时间同步控制方法 Download PDFInfo
- Publication number
- CN112379688B CN112379688B CN202011157696.0A CN202011157696A CN112379688B CN 112379688 B CN112379688 B CN 112379688B CN 202011157696 A CN202011157696 A CN 202011157696A CN 112379688 B CN112379688 B CN 112379688B
- Authority
- CN
- China
- Prior art keywords
- robots
- robot
- coupling
- matrix
- adaptive
- 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
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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]
Abstract
本发明提供一种基于膜计算的多机器人有限时间同步控制方法,包括:建立多机器人间的通讯网络,描述多机器人系统中所有机器人间的相互通讯;考虑时变时滞及量化误差,基于建立的通讯网络对多机器人系统进行动力学建模,提出了具有时变量化耦合时滞和自适应耦合强度的新模型;设计多机器人系统的膜控制器,以解决提出的具有量化耦合时滞和自适应耦合强度的新模型的有限时间同步问题;将所设计的膜控制器加入到具有量化耦合时滞和自适应耦合强度的多机器人系统中,得到闭环系统;结合构建的闭环系统,实现自适应有限时间同步。
Description
技术领域
本发明涉及机器人研究技术领域,尤其涉及一种基于膜计算的多机器人有限时间同步控制方法。
背景技术
机器人技术的研究程度和应用水平体现了一个国家工业自动化水平发展的高低,具有重要的战略意义,激励了大量的科研人员从事机器人系统相关课题的研究工作。在一些实际应用场景下,会要求多个机器人同步来完成某些特殊的工作,如编队控制队形、合作搬运、排雷、空间探测等,从空中无人飞行器,到地面无人车,再到水下自主潜艇都体现出其重要的应用价值。
在现实多机器人系统中,每个子系统的原始动力学行为、拓扑结构、耦合强度、耦合方式等都构成了一定的影响。再者由于传输数据延迟、环境的影响等会造成信号传输和每个部分的反应等都可能需要不同尺度的时间。因此,时滞在多机器人系统这种耦合网络中不可避免,这不仅符合实际需求,而且更贴近于实际系统本身的特性。时滞通常会引起系统频繁振荡、性能变差和同步稳定性下降等。
目前有多种有效控制方法被提出来实现同步,如采样数据控制、牵制控制、自适应控制、事件触发控制、脉冲控制、驱动响应控制等等。其中,牵制控制和自适应控制广泛应用于各个领域中。这是由于现实世界中的多机器人系统往往具有复杂的拓扑结构,对每个子系统施加控制的常规控制方法往往很耗费资源并且不现实。然而牵制控制因其提高控制效率、简化控制器结构、节省系统资源、易于实现等突出的优点受到人们的青睐。另外,现实系统中存在着各种相互影响的不可预测的因素,自适应控制拥有较强的鲁棒性特征,在闭环系统运行的过程中,自适应控制方法可通过调整自己的特性以克服系统固定参数的保守性,适应运行状态指标的变化,使闭环系统以最接近理想的工作状态,如,遥控汽车的自适应轨迹跟踪,多机械臂系统无模型自适应同步等。
考虑多机器人系统中,量化控制可以减轻信道传递信息的负担,减少带宽约束对系统性能的影响,提高通信性能,并节约系统资源。但量化控制的加入又使系统接收的信号与原信号相比损失一部分信息,不可避免的引入的量化误差,从而对控制系统的稳定性和性能造成不利的影响。因此,其核心需要解决的问题是如何利用有限的信息设计合适的控制器,使整个闭环系统在量化误差存在的情况下达到同步稳定并满足一定的性能。目前量化控制广泛应用于多航天器编队飞行、城市视觉景观规划等领域。
再者,我们希望系统能够在有限时间内实现同步,即给定初始条件的一个界,系统在指定的时间间隔内状态轨迹同步到目标状态轨迹。综合以上分析,本发明在多机器人系统的控制器设计中,考虑了时变耦合时滞和量化误差对闭环系统稳定性分析造成的不利影响,在膜计算框架下,结合量化控制、牵制控制、自适应控制和有限时间控制方法来设计新的控制器。其不仅能克服时滞和量化误差对同步性造成的不利因素,又能使闭环系统实现同步的同时减少通信负载和控制成本。同时,膜计算是自然计算的一个分支,旨在从生物细胞或细胞群的信息处理机制中抽象出计算模型,是计算机科学的前沿研究领域。膜计算强大的计算能力和分布式并行信息处理机制能提高控制器的效率。这使得基于膜计算的多机器人有限时间同步控制方法具有重要意义。
发明内容
有鉴于此,本发明目的是提供一种基于膜计算的多机器人有限时间同步控制方法;
一种基于膜计算的多机器人有限时间同步控制方法,包括以下步骤:
步骤1:建立多机器人间的通讯网络,描述多机器人系统中所有机器人间的相互通讯;
步骤2:考虑时变时滞及量化误差,基于步骤1建立的通讯网络对多机器人系统进行动力学建模,提出了具有时变量化耦合时滞和自适应耦合强度的新模型;
步骤3:设计多机器人系统的膜控制器,以解决步骤2提出的具有量化耦合时滞和自适应耦合强度的新模型的有限时间同步问题;
步骤4:将步骤3所设计的膜控制器加入到具有量化耦合时滞和自适应耦合强度的多机器人系统中,得到闭环系统;
步骤5:结合步骤4中构建的闭环系统,实现自适应有限时间同步。
进一步地,步骤1中所述通讯网络具体为其中表示全部机器人υi所构成的集合,N是系统中机器人的数量;表示信道的集合,表示外部耦合矩阵;信道集合中的元素(υi,υj)∈ε表示机器人υi和机器人υj彼此间可获得相关信号。
进一步地,步骤2中所述新模型为:
其中,xi(t)=col(xi1(t),xi2(t),...,xin(t)),xj(t)=col(xj1(t),xj2(t),...,xjn(t))∈Rn分别表示第i个和第j个机器人的状态变量,n是单个机器人系统的维数;N是系统中机器人的数量,是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号;w(t)表示自适应耦合强度;Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;ui(t)表示待设计控制器;表示外部耦合矩阵。
进一步地,步骤3中所述设计多机器人系统的膜控制器的控制式如下:
ui(t)=ui1(t)+ui2(t),i∈J
其中:
参数更新律设计为:
是对数量化器,δ=[(1-ρ)/(1+ρ)]∈(0,1)为扇形界,ρ∈(0,1)表示量化密度,Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;w(t)表示自适应耦合强度,τ(t)表示时变耦合时滞;表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,其中,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn,分别表示相应矩阵的最大和最小特征值。
进一步地,步骤4中所述闭环系统如下所示:
其中,N是系统中机器人的数量,是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号,δ=[(1-ρ)/(1+ρ)]∈(0,1),为扇形界,ρ∈(0,1)表示量化密度;w(t)表示自适应耦合强度;Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,其中,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn,s(t)=col(s1(t),s2(t),...,sn(t))∈Rn是一个孤立机器人的状态向量,假设它是唯一的且满足这里s(t)为相空间中的平衡点或混沌轨道,且根据更新规则
附图说明
图1是本发明一种基于膜计算的多机器人有限时间同步控制方法的流程图;
图2多机器人系统的膜控制器示意图;
图3中(a)为孤立机器人的轨迹示意图,(b)-(k)为10个机器人的轨迹示意图;
图4是多机器人系统(4)的状态轨迹示意图;
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图1,本发明提供了一种基于膜计算的多机器人有限时间同步控制方法,包括以下步骤:
步骤1:建立多机器人间的通讯网络,描述多机器人系统中所有机器人间的相互通讯;
所述通讯网络具体为其中表示全部机器人υi所构成的集合,N是系统中机器人的数量;表示信道的集合,表示外部耦合矩阵;信道集合中的元素(υi,υj)∈ε表示机器人υi和机器人υj彼此间可获得相关信号,假设中的机器人有M条信道,其关联矩阵用表示,关联矩阵定义为
步骤2:考虑时变时滞及量化误差,基于步骤1建立的通讯网络对多机器人系统进行动力学建模,提出了具有时变量化耦合时滞和自适应耦合强度的新模型;所述新模型为:
其中,是第i个机器人的状态变量,n表示单个机器人系统的维数;N是系统中机器人的数量,是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号;w(t)表示自适应耦合强度;Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;ui(t)表示待设计控制器;表示外部耦合矩阵。
接下来给出本发明中有限时间同步的定义和两个前提假设。
步骤3:设计多机器人系统的膜控制器,以解决步骤2提出的具有量化耦合时滞和自适应耦合强度的新模型的有限时间同步问题;其初始状态下i=1的示意图见参考图2;图2为一个四层膜的嵌套式结构,计算从内层膜到外层膜分布式进行。膜4为对数量化器且定义如下:
其中ρ∈(0,1)表示量化密度且ρ=(1-δ)(1+δ)-1∈(0,1)。定义为对数量化器的量化误差,对满足对数量化器有以下三个性质:(1)对数量化器中有无限多个量化级;(2)对 (3)对存在使对数量化误差满足
X[0]μ,Y[0]μ,U11[0]μ,U12[0]μ,μ=1,2,3,4,分别表示状态0即初始状态下,第μ层各子膜中控制器的值。膜1中的输出即为我们需要控制的状态同步误差。膜系统从一个状态变化到另一个状态,即状态转移,如从状态0变化到状态1。膜系统自初始状态开始,由更新规则控制,从一个状态演化到下一个状态。系统开始运行时,最内层的所有膜4中有初始值和可以运行的规则开始并行运算。运算结束后,将所得的值发送至上一层膜中继续计算,直到没有任何规则可以执行或达到中止条件。
多机器人系统的膜控制器的控制式如下:
ui(t)=ui1(t)+ui2(t),i∈J
其中:
参数更新律设计为:
其中,σi>0,是对数量化器,δ=[(1-ρ)/(1+ρ)]∈(0,1)为扇形界,ρ∈(0,1)表示量化密度,Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;w(t)表示自适应耦合强度,τ(t)表示时变耦合时滞;表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn,分别表示相应矩阵的最大和最小特征值;
步骤4:将步骤3所设计的膜控制器加入到具有量化耦合时滞和自适应耦合强度的多机器人系统中,得到闭环系统;所述闭环系统如下所示:
其中,N是系统中机器人的数量,是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号,δ=[(1-ρ)/(1+ρ)]∈(0,1),为扇形界,ρ∈(0,1)表示量化密度;w(t)表示自适应耦合强度;Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,其中,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn,s(t)=col(s1(t),s2(t),...,sn(t))∈Rn是一个孤立机器人的状态向量,假设它是唯一的且满足这里s(t)为相空间中的平衡点或混沌轨道,且根据更新规则
步骤5:结合步骤4中构建的闭环系统,实现自适应有限时间同步,有如下结论:假设1和假设2成立,如果存在对角矩阵Λ∈Rn×n>0,K=diag(k1,k2,…,kN)∈RN×N≥0,Ξ=diag(Ξ1,Ξ2,…,ΞN)∈RN×N≥0和ε,σi>0使
本实施例通过数值仿真验证所设计控制器和所得结论的有效性,假设每个机器人的非线性动力学描述为
其中
xi(t)=col(xi1(t),xi2(t),xi3(t))是每个机器人的状态向量,令S(0)=col(-7.1596,5.9724,-2.8664),xi(t)的初始值在[-15,15]中随机选择。设定对数量化器的参数ξ0=1,δ=0.1,时变耦合时滞函数为τ(t)=0.03+0.02sin(t),内部耦合矩阵Γ=diag(0.3,0.1,1),外部耦合矩阵为:
基于假设1,可以计算得到θ=1。
Λ=diag(0.2143,0.2143,0.2143),
K=diag(0,0.0408,0.0405,0.0392,0.0386,0,0.0405,0.0402,0.0420,0),
Ξ=diag(0,0.0725,0.0725,0.9292,0.0704,0,0.0725,0.0725,0.0725,0),
ε=0.9666.
数值仿真结果如图3~5所示,图3描述了孤立机器人(a)和10个机器人(b)~(k)的运动轨迹示意图。从图中可以看出,虽然初始轨迹不同,但10个机器人均能实现与孤立机器人同步。图4为多机器人系统(4)的状态轨迹图。可以看出,系统在有限时间Tf内(Tf根据计算为3.4772s),每个机器人的状态可以收敛到孤立机器人的相应状态。图5描述了量化误差在有限时间Tf内收敛到零。因此,解决了具有时变量化耦合时滞和自适应耦合强度的多机器人系统的有限时间同步问题,验证了本发明所提方法的正确性。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种基于膜计算的多机器人有限时间同步控制方法,其特征在于,包括以下步骤:
步骤1:建立多机器人间的通讯网络,描述多机器人系统中所有机器人间的相互通讯;
步骤2:考虑时变时滞及量化误差,基于步骤1建立的通讯网络对多机器人系统进行动力学建模,提出了具有时变量化耦合时滞和自适应耦合强度的新模型;
步骤2中所述新模型为:
其中,xi(t)=col(xi1(t),xi2(t),...,xin(t)),xj(t)=col(xj1(t),xj2(t),...,xjn(t))∈Rn分别表示第i个和第j个机器人的状态变量,n是单个机器人系统的维数N是系统中机器人的数量,f:是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号;w(t)表示自适应耦合强度;Γ=diag(r1,r2,…,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;ui(t)表示待设计控制器;表示外部耦合矩阵;
步骤3:设计多机器人系统的膜控制器,以解决步骤2提出的具有量化耦合时滞和自适应耦合强度的新模型的有限时间同步问题;
步骤3中所述设计多机器人系统的膜控制器的控制式如下:
ui(t)=ui1(t)+ui2(t),i∈J
其中,
参数更新律设计为:
是对数量化器,δ=[(1-ρ)/(1+ρ)]∈(0,1)为扇形界,ρ∈(0,1)表示量化密度,Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;w(t)表示自适应耦合强度,τ(t)表示时变耦合时滞;Z=[Zij]∈RN×N表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,其中,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn, λ(·)分别表示相应矩阵的最大和最小特征值;
步骤4:将步骤3所设计的膜控制器加入到具有量化耦合时滞和自适应耦合强度的多机器人系统中,得到闭环系统;
步骤5:结合步骤4中构建的闭环系统,实现自适应有限时间同步。
3.根据权利要求1所述的一种基于膜计算的多机器人有限时间同步控制方法,其特征在于,步骤4中所述闭环系统如下所示:
其中,N是系统中机器人的数量,f:是连续可微的非线性向量函数;是对数量化器,量化耦合机器人间的传输信号,δ=[(1-ρ)/(1+ρ)]∈(0,1),为扇形界,ρ∈(0,1)表示量化密度;w(t)表示自适应耦合强度;Γ=diag(r1,r2,...,rn)>0表示内耦合矩阵;τ(t)表示时变耦合时滞;表示外部耦合矩阵,ei(t)=xi(t)-s(t)为状态同步误差,其中,ei(t)=(ei1(t),ei2(t),...,ein(t))T∈Rn,s(t)=col(s1(t),s2(t),...,sn(t))∈Rn是一个孤立机器人的状态向量,假设它是唯一的且满足这里s(t)为相空间中的平衡点或混沌轨道,且根据更新规则
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157696.0A CN112379688B (zh) | 2020-10-26 | 2020-10-26 | 一种基于膜计算的多机器人有限时间同步控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011157696.0A CN112379688B (zh) | 2020-10-26 | 2020-10-26 | 一种基于膜计算的多机器人有限时间同步控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112379688A CN112379688A (zh) | 2021-02-19 |
CN112379688B true CN112379688B (zh) | 2022-05-17 |
Family
ID=74576750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011157696.0A Active CN112379688B (zh) | 2020-10-26 | 2020-10-26 | 一种基于膜计算的多机器人有限时间同步控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112379688B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933103A (zh) * | 2017-04-20 | 2017-07-07 | 清华大学深圳研究生院 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
CN108958022A (zh) * | 2018-07-09 | 2018-12-07 | 燕山大学 | 非线性主-从时延系统的时滞相关有限时间同步控制方法 |
CN108983734A (zh) * | 2018-08-29 | 2018-12-11 | 燕山大学 | 一种考虑三角形结构下遥操作系统的有限时间控制方法 |
CN110147108A (zh) * | 2019-06-04 | 2019-08-20 | 西南交通大学 | 一种基于膜计算的移动机器人避障控制方法 |
CN110632932A (zh) * | 2019-10-14 | 2019-12-31 | 安徽理工大学 | 基于膜计算和粒子群优化的局部路径规划算法 |
CN110989350A (zh) * | 2019-12-11 | 2020-04-10 | 安徽理工大学 | 一种基于膜计算实现井下移动机器人位姿优化方法及装置 |
CN111273562A (zh) * | 2020-01-15 | 2020-06-12 | 安徽理工大学 | 一种基于膜计算实现井下机器人路径优化方法 |
CN111506073A (zh) * | 2020-05-07 | 2020-08-07 | 安徽理工大学 | 一种融合膜计算和rrt的移动机器人路径规划方法 |
-
2020
- 2020-10-26 CN CN202011157696.0A patent/CN112379688B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106933103A (zh) * | 2017-04-20 | 2017-07-07 | 清华大学深圳研究生院 | 一种有限时间收敛的遥操作双边控制器的控制方法 |
CN108958022A (zh) * | 2018-07-09 | 2018-12-07 | 燕山大学 | 非线性主-从时延系统的时滞相关有限时间同步控制方法 |
CN108983734A (zh) * | 2018-08-29 | 2018-12-11 | 燕山大学 | 一种考虑三角形结构下遥操作系统的有限时间控制方法 |
CN110147108A (zh) * | 2019-06-04 | 2019-08-20 | 西南交通大学 | 一种基于膜计算的移动机器人避障控制方法 |
CN110632932A (zh) * | 2019-10-14 | 2019-12-31 | 安徽理工大学 | 基于膜计算和粒子群优化的局部路径规划算法 |
CN110989350A (zh) * | 2019-12-11 | 2020-04-10 | 安徽理工大学 | 一种基于膜计算实现井下移动机器人位姿优化方法及装置 |
CN111273562A (zh) * | 2020-01-15 | 2020-06-12 | 安徽理工大学 | 一种基于膜计算实现井下机器人路径优化方法 |
CN111506073A (zh) * | 2020-05-07 | 2020-08-07 | 安徽理工大学 | 一种融合膜计算和rrt的移动机器人路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112379688A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782011B (zh) | 一种基于强化学习的网络化多智能体系统分布式优化控制方法 | |
CN111191769B (zh) | 自适应的神经网络训练与推理装置 | |
CN109961147B (zh) | 一种基于Q-Learning算法的自动化模型压缩方法 | |
CN111523648B (zh) | 含有聚类拓扑耦合的神经网络脉冲同步方法及系统 | |
CN110531996B (zh) | 一种多微云环境下基于粒子群优化的计算任务卸载方法 | |
CN109144099B (zh) | 基于卷积神经网络的无人机群行动方案快速评估方法 | |
CN104517035A (zh) | 一种平面阵列天线有源散射方向图预测方法 | |
Samidurai et al. | Robust dissipativity analysis for uncertain neural networks with additive time-varying delays and general activation functions | |
Li et al. | Deep neural network based computational resource allocation for mobile edge computing | |
Zhang et al. | A novel distributed event-triggered control with time-varying thresholds | |
CN111831354A (zh) | 数据精度配置方法、装置、芯片、芯片阵列、设备及介质 | |
CN111343602B (zh) | 基于进化算法的联合布局与任务调度优化方法 | |
CN113191504B (zh) | 一种面向计算资源异构的联邦学习训练加速方法 | |
CN111221311A (zh) | 基于参数变分法的复杂网络分布式脉冲同步方法及系统 | |
CN113962388A (zh) | 一种硬件加速感知的神经网络通道剪枝方法 | |
CN114154688A (zh) | 光伏电站的短期功率预测方法 | |
CN112379688B (zh) | 一种基于膜计算的多机器人有限时间同步控制方法 | |
Zhang et al. | Decentralized optimal control for the mean field LQG problem of multi-agent systems | |
CN115438588B (zh) | 一种锂电池的温度预测方法、系统、设备及存储介质 | |
CN104330968A (zh) | 一种基于改进支持向量回归的逆模型pid复合控制方法 | |
Song et al. | Distributed dynamic edge-based event-triggered formation control for multiple underactuated unmanned surface vessels | |
CN110620686B (zh) | 一种基于复杂通信网络的路由节点选取方法 | |
CN114123163A (zh) | 一种基于信息物理融合模型的主动配电网优化控制方法 | |
CN116628862B (zh) | 一种质量切换无人船的动力定位事件触发鲁棒h∞滤波方法 | |
Song et al. | Adaptive interval type-2 fuzzy fixed-time control for nonlinear MIMO fast-slow coupled systems with user-defined tracking performance |
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 |