CN112698634B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112698634B CN112698634B CN202011578422.9A CN202011578422A CN112698634B CN 112698634 B CN112698634 B CN 112698634B CN 202011578422 A CN202011578422 A CN 202011578422A CN 112698634 B CN112698634 B CN 112698634B
- Authority
- CN
- China
- Prior art keywords
- traffic
- agent
- event
- matrix
- control
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000001960 triggered effect Effects 0.000 claims abstract description 11
- 239000003795 chemical substances by application Substances 0.000 claims description 113
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000010586 diagram Methods 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 241001235534 Graphis <ascomycete fungus> Species 0.000 description 5
- 230000006399 behavior Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 239000002699 waste material 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
- 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]
- G05B19/4185—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] characterised by the network communication
-
- 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
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- 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)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种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,包括根据交通智能体信息建立拓扑结构为符号有向图的无领导一阶多交通智能体系统模型。确定基于事件触发的控制协议,使得每个交通智能体控制输入在事件触发时刻更新。确定分布式触发函数,当交通智能体的触发函数大于0时,事件触发,此时该交通智能体的控制协议采集信息更新、根据符号有向图的无领导一阶多交通智能体系统模型、控制参数及控制增益估算收敛时间上界。迭代运行至各交通智能体状态绝对值趋于一致。本发明能够降低该多智能体系统能量损耗,延长控制器使用寿命。
Description
技术领域
本发明涉及一种事件触发的多智能体系统固定时间二分一致性的控制方法,属于智能控制领域。
背景技术
近年来,多智能体系统因其在多个领域的广泛应用吸引了众多学者的关注。一致性问题作为多智能体系统协同控制的基础问题,已经成为控制领域目前的研究热点之一。多智能体系统的一致性可以为移动机器人系统、飞行器群体、军事应用的战术编队、调控和交通系统的控制等实际应用提供理论指导。
王和,虞文武,温广辉等学者针对具有符号的有向图提出了固定时间一致性控制方法,其中控制协议设计为:
但是该控制方法需要控制器连续控制,工业应用中不利于控制器长时间连续作业,且会造成不必要的多智能体系统能量浪费。
刘剑,余瑶,孙佳等学者针对带领导者的有向图提出了基于事件触发的固定时间一致性方法,其中控制协议设计如下:
但是这种方法并没有考虑无领导情况的多智能体系统,也没有考虑智能体之间符号的关系。工业应用中,该控制方法无法处理无领导者的多智能体系统一致性,且没有考虑智能体之间的信息对抗干扰等情况。
传统的多智能体一致性控制方法主要讨论的是多智能体系统的渐近一致性问题,即智能体的状态在时间趋于无穷时趋于一致。在工程应用中,这样的收敛时长并不能满足实际需求。有限时间一致性控制方法有效解决了渐近一致性中收敛时间趋于无穷这一弊端。与传统多智能体一致性控制方法相比,有限时间一致性要求多智能体系统在任意给定初始状态下,都有一个固定的收敛时间。尽管有限时间一致性控制方法解决了多智能体系统的有限时间一致性,但其收敛时间均依赖于系统的初始状态。
为克服有限时间一致性的局限性,许多学者开展了固定时间一致性问题的研究工作。固定时间一致性的实现不仅要求多智能体系统在有限时间内实现一致性,还要求对任意初始状态,系统收敛时间具有常值上界。目前针对无领导的多智能体系统固定时间一致性提出的控制方法均需要连续的控制,这意味着在实现一致性过程中,智能体之间需要频繁地进行通讯交流和控制更新,由此导致多智能体系统的能源被大量消耗。
发明内容
发明目的:鉴于目前针对无领导的多智能体系统固定时间一致性提出的控制方法均需要连续的控制的问题,本发明的目的在于通过设计一种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,该方法基于事件触发的控制协议,使得具有符号有向图的无领导一阶多智能体系统实现固定时间二分一致性,并降低该多智能体系统能量损耗,延长控制器使用寿命。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种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,包括以下步骤:
步骤2,确定基于事件触发的控制协议,使得每个交通智能体控制输入在事件触发时刻更新;
基于事件触发的控制协议:
其中,ui(t)表示第i个交通智能体的控制输入,α、β表示控制参数,a、b表示控制增益,aij表示有向边交通智能体i到交通智能体j的权重,表示交通智能体i在时刻的状态,N表示一阶交通多智能体系统中交通智能体的总数,控制增益a,b>0,控制参数0<α<1和β>1;s[a]定义为s[a]=sign(s)|s|a,其中sign(·)为符号函数;定义则在任意的时间段 为第j个交通智能体的最新触发时刻;因此,第i个交通智能体的控制输入在自身节点事件触发时刻进行更新;
步骤3,检测并获取交通智能体系统的初始状态X(0);
步骤4,计算各交通智能体的状态测量误差ei(t):
式中,λmax(LTΘ2L)为矩阵LTΘ2L的最大特征值,其中对角矩阵且矩阵Θ对角元构成正向量可以使其中且γ=γ(y)≥0,s.t.z=ay[α]+γy[β],且zTz=1,a,α,β>0,α≠β}L表示符号有向图对应的拉普拉斯矩阵;
步骤6,根据符号有向图的无领导一阶多交通智能体系统模型、控制参数及控制增益估算收敛时间上界;
步骤7,迭代运行至各交通智能体状态绝对值趋于一致。
优选的:步骤6根据符号有向图的无领导一阶多交通智能体系统模型、控制参数及控制增益估算收敛时间上界的方法:
其中:
其中:
优选的:步骤1中所述交通智能体信息包括信号控制器信息和路口交通情况信息。
优选的:步骤2中基于事件触发的控制协议:
优选的:事件触发时间间隔τ>0。
本发明相比现有技术,具有以下有益效果:
本发明通过应用控制协议和触发函数,具有符号有向图的一阶多智能体系统在固定时间内实现二分一致性,并避免Zeno行为的发生。使得具有符号有向图的无领导一阶交通智能体系统实现固定时间二分一致性,并降低该交通智能体系统能量损耗,延长控制器使用寿命。
附图说明
图1是基于事件触发的多智能体系统实现固定时间二分一致性的流程图。
图2是基于事件触发的第i个智能体的控制框图。
图3为六个智能体组成的一阶多智能体系统的拓扑关系图,其中图3a为结构平衡图,图3b为结构不平衡图。
图4为拓扑结构平衡的各智能体位置轨迹图.
图5为拓扑结构不平衡的各智能体位置轨迹图。
图6为拓扑结构平衡的各智能体事件触发时刻图.。
图7为拓扑结构不平衡的各智能体事件触发时刻图。
图8为拓扑结构平衡的各智能体控制输入图。
图9为拓扑结构不平衡的各智能体控制输入图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种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,如图1-3所示,包括以下步骤:
步骤一:建立拓扑结构为符号有向图的无领导一阶多智能体系统模型;
令表示由N个智能体组成的符号有向加权图,其中代表有限点集,代表边集,代表加权邻接矩阵。当(vi,vj)∈ε时aij≠0否则aij=0对于图有向边(vi,vj)表示信息从节点vi流向节点vj从节点到的有向路径是由一系列有向边构成,其中p=1,2,…,q-1,且该有向路径中的节点到都是不同的。若有向路径有相同的起点和终点,则称该有向路径为有向环。若有向环含有偶数个负边权值,则有向环为正;否则,该有向环为负。如果有向图的节点可以分为两组,且满足条件和以及aij≥0,和aij≤0,则称符号有向图是结构平衡的;否则,符号有向图是结构不平衡的。定义符号有向图的拉普拉斯矩阵为L=(lij)N×N,其中若图中的权重均为正值,则称该图为正图,这是一种特殊的符号有向图。
考虑一个由N个智能体组成的一阶多智能体系统,智能体i的动力学模型为:
其中xi(t)∈R,ui(t)∈R分别表示第i个智能体的位置状态和控制输入。
对具有符号有向图的多智能体系(1),若存在控制输入ui(t),使得对任意初始状态xi(0)恒有:
且存在一个正的常值Tmax,使得T≤Tmax恒成立,则称多智能体系统(1)实现固定时间二分一致性,其中T为与初值相关的收敛时间。
步骤二:设计基于事件触发的控制协议,使得每个智能体控制输入在事件触发时刻更新;
设计如下基于事件触发的控制协议:
其中,控制增益a,b>0控制参数0<α<1和β>1;s[a]定义为s[a]=sign(s)|s|a,其中sign(·)为符号函数。定义则在任意的时间段 为第j个智能体的最新触发时刻。因此,第i个智能体的控制输入在自身节点事件触发时刻进行更新。
步骤三:检测并获取多智能体系统的初始状态值X(0)。
步骤四:定义并计算各智能体的状态测量误差值ei(t)。
定义测量误差:
式中λmax(LTΘ2L)为矩阵LTΘ2L的最大特征值,k1的定义见具体实施方式中的引理3;
步骤六:根据多智能体系统控制协议估算收敛时间上界;
其中:
其中:
为证明步骤一到步骤六的有效性,本发明引用以下引理:
s.t.z=ay[α]+γy[β],且zTz=1}
则存在:
引理4对于任意给定的xi>0(i=1,2,…,N)和s>μ≥1下列不等式恒成立:
引理5对于系统
如果存在一个连续正定的径向无界函数V(x(t)):R→R+∪{0}且满足:
2)系统(6)的任意解x(t)满足:
其证明过程为考虑到符号有向图分为结构平衡图和结构不平衡图。接下来,我们将在这两种拓扑结构下分别证明多智能体系统(1)在控制协议(2)和触发函数(3)的作用下,均可实现固定时间二分一致性。
定义y(t)=[y1(t),y2(t),…,yN(t)]T,e(t)=[e1(t),e2(t),…,eN(t)]T,对式(7)关于时间t求导,可得:
基于引理3,结合式(3),可得:
为方便证明,引入中间变量:
根据引理4则有:
和
联立式(8)-(10),可得:
其中,γ1,γ2,p和q的定义见式(4),由引理5可知,V在固定时间内收敛到0,即y(t)=Lx(t)=0.根据引理1,可知矩阵L的秩为N-1且有LD1N=0,可得x(t)∈span{D1N}即其中收敛时间T的上界为
综上所述,应用控制协议(2)和触发函数(3),多智能体系统(1)实现固定时间二分一致性。
步骤七:迭代运行至各智能体状态绝对值趋于一致;
在实际应用中,基于事件触发的控制协议还需要保证事件触发时间间隔τ>0,以确保整个多智能体系统在收敛过程中,不会在某一短时间内无限次触发控制协议,即避免Zeno行为发生。
证明过程为定义函数fi(t):
对式(12)求解得:
将式(13)化简,可得触发时间间隔τi的表达式为:
因此,通过使用控制协议(2)和触发函数(3),多智能体系统(1)中的所有智能体均有效避免了Zeno行为的发生。证毕。
对于上述的证明,将通过数值仿真来验证本文所得理论结果的有效性。
实施例子:交通控制多智能体系统中固定时间二分一致性控制。
以交通控制多智能体系统为例,说明固定时间二分一致性控制方法的有效性。由于在实际应用中,多智能体系统拓扑结构可能为结构平衡图,也有可能为结构不平衡图,所以需要分别考虑两种情况下的多智能体状态。令交通控制多智能体系统是由六个路口智能体(信号控制器和路口交通情况采集)构成的。其相互拓扑作用其拓扑关系图如图3所示,其中图3.(a)为结构平衡图,图3.(b)为结构不平衡图。图3.(a)和图3.(b)的邻接矩阵分别为:
路口智能体动态可描述为:
其中xi和分别表示第i个路口智能体所检测到的车辆密度和车辆密度变化率,选择合适的控制增益和参数分别为:a=1,b=2,α=0.5和β=1.5,设置触发函数参数c=0.5,随机选取交通控制多智能体系统初始状态X(0)=[-10,8.7,2.3,-1.5,5.5,-7.3]T,图4-7分别显示的是具有强连通拓扑结构的交通控制多智能体系统中各路口智能体的检测车流密度状态和事件触发时刻。可以发现,无论拓扑图是结构平衡图或结构不平衡图,交通多智能体系统均可在固定时间内实现一致性,即各个路口车流密度在固定时间内趋于一致。图8、9显示的是各路口智能体的控制输入随时间变化的趋势。由图8、9可知,当拓扑图为强连通图时,各路口智能体的控制输入均为分段函数,避免了能量的持续输出,减少了系统的能量损耗,延长了控制器使用寿命。
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。
Claims (4)
1.一种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,其特征在于,包括以下步骤:
步骤1,采集交通智能体信息,所述交通智能体信息包括信号控制器信息和路口交通情况信息;根据交通智能体信息建立拓扑结构为符号有向图的无领导一阶多交通智能体系统模型;通过符号有向图的无领导一阶多交通智能体系统模型得到相应的拉普拉斯矩阵L;
步骤2,确定基于事件触发的控制协议,使得每个交通智能体控制输入在事件触发时刻更新;
基于事件触发的控制协议:
其中,ui(t)表示第i个交通智能体的控制输入,α、β表示控制参数,a、b表示控制增益,aij表示有向边交通智能体i到交通智能体j的权重,表示交通智能体i在时刻的状态,N表示一阶交通多智能体系统中交通智能体的总数,控制增益a,b>0,控制参数0<α<1和β>1;s[a]定义为s[a]=sign(s)|s|a,其中sign(·)为符号函数;定义则在任意的时间段 为第j个交通智能体的最新触发时刻;因此,第i个交通智能体的控制输入在自身节点事件触发时刻进行更新;
步骤3,检测并获取交通智能体系统的初始状态X(0);
步骤4,计算各交通智能体的状态测量误差ei(t):
式中,λmax(LTΘ2L)为矩阵LTΘ2L的最大特征值,其中对角矩阵且矩阵Θ对角元构成正向量可以使其中且γ=γ(y)≥0,s.t.z=ay[α]+γy[β],且zTz=1,a,α,β>0,α≠β}L表示符号有向图对应的拉普拉斯矩阵;
步骤6,根据符号有向图的无领导一阶多交通智能体系统模型、控制参数及控制增益估算收敛时间上界;
步骤7,迭代运行至各交通智能体状态绝对值趋于一致。
2.根据权利要求1所述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,其特征在于:步骤6根据符号有向图的无领导一阶多交通智能体系统模型、控制参数及控制增益估算收敛时间上界的方法:
其中:
其中:
4.根据权利要求3所述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,其特征在于:事件触发时间间隔τ>0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578422.9A CN112698634B (zh) | 2020-12-28 | 2020-12-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578422.9A CN112698634B (zh) | 2020-12-28 | 2020-12-28 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112698634A CN112698634A (zh) | 2021-04-23 |
CN112698634B true CN112698634B (zh) | 2021-09-21 |
Family
ID=75512589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011578422.9A Active CN112698634B (zh) | 2020-12-28 | 2020-12-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112698634B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515066B (zh) * | 2021-05-17 | 2023-04-21 | 北京科技大学 | 一种非线性多智能体系统动态事件触发控制方法 |
CN113359711B (zh) * | 2021-05-21 | 2022-09-20 | 杭州电子科技大学 | 一种具有未知信息的多智能车系统分布式自触发控制方法 |
CN113625559A (zh) * | 2021-07-28 | 2021-11-09 | 杭州电子科技大学 | 一种基于指定时间收敛的多智能体系统协同控制方法 |
CN113759719B (zh) * | 2021-08-24 | 2023-11-17 | 南京邮电大学 | 基于事件触发的多智能体系统指定时间二分一致控制方法 |
CN113885313B (zh) * | 2021-09-29 | 2023-04-21 | 杭州电子科技大学 | 一种多智能车系统周期采样事件触发协同控制方法 |
CN114114904B (zh) * | 2021-10-22 | 2024-04-12 | 杭州电子科技大学 | 一种有限时间和固定时间分布式事件触发一致性方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10579926B2 (en) * | 2015-12-21 | 2020-03-03 | Disney Enterprises, Inc. | Method and device for multi-agent path planning |
US11328214B2 (en) * | 2017-09-28 | 2022-05-10 | Kyndryl, Inc. | Real-time multi-agent response based on a preference-based consensus |
CN110109351B (zh) * | 2019-04-08 | 2021-05-18 | 广东工业大学 | 一种基于指定性能的多智能体一致性控制方法 |
CN110119087B (zh) * | 2019-05-05 | 2021-12-21 | 西北工业大学 | 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) * | 2019-05-07 | 2021-10-15 | 西北工业大学 | 一种预定时间多智能体系统一致性跟踪控制方法 |
CN110262245A (zh) * | 2019-07-02 | 2019-09-20 | 南京理工大学 | 基于事件触发机制的多智能体系统的控制器设计方法 |
CN112133086B (zh) * | 2020-08-10 | 2022-01-18 | 北方工业大学 | 一种基于多智能体网络的区域交通信号数据驱动控制方法 |
-
2020
- 2020-12-28 CN CN202011578422.9A patent/CN112698634B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112698634A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112698634B (zh) | 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 | |
CN108803349B (zh) | 非线性多智能体系统的最优一致性控制方法及系统 | |
Zhao et al. | Adaptive backstepping sliding mode control for leader–follower multi-agent systems | |
CN110597109B (zh) | 基于事件触发的多智能体一致性控制方法 | |
CN102215260A (zh) | 一种具有连通性保持的多智能体系统协同控制方法 | |
CN111414575B (zh) | 基于符号函数的多智能体系统的分布式广义跟踪方法 | |
CN113110039A (zh) | 一种多智能体系统的有限时间分布式聚合优化方法 | |
Xiong et al. | Pull-based event-triggered containment control for multiagent systems with active leaders via aperiodic sampled-data transmission | |
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 | |
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 | |
CN113051723A (zh) | 一种基于时序网络的蜂群无人机故障传播分析方法 | |
Jia et al. | Cooperative output regulation of heterogeneous multiagent systems based on event‐triggered control with fixed and switching topologies | |
CN117055605A (zh) | 多无人机姿态控制方法及系统 | |
Li et al. | Dynamic target enclosing control scheme for multi-agent systems via a signed graph-based approach | |
CN113325708B (zh) | 基于异构多智能体的多无人机系统的故障估计方法 | |
CN113867150A (zh) | 一种具有饱和输入的多智能体的事件驱动控制方法 | |
CN113759719B (zh) | 基于事件触发的多智能体系统指定时间二分一致控制方法 | |
Du et al. | Finite-time distributed event-triggered consensus control for general linear multi-agent systems | |
Li et al. | Event-triggered bipartite consensus for multi-agent systems associated with signed graphs | |
CN115167217A (zh) | 一种基于混杂触发机制的多智能体协同控制方法及介质 | |
CN116088317A (zh) | 一种基于动态事件触发的多智能体一致性控制方法 | |
Xiang et al. | Fixed-time bipartite output consensus of heterogeneous multi-agent systems with event-triggered observation | |
CN113341729A (zh) | 一种多智能体系统固定时间一致性控制方法 | |
Han et al. | The H∞ distributed formation and tracking control for high-order multi-agent systems | |
Wang et al. | Fully distributed output-feedback time-varying formation tracking control for second-order nonlinear multi-agent systems with switching directed 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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Feng Yuanzhen Inventor after: Li Zhentao Inventor after: Wang Zhengxin Inventor before: Feng Yuanzhen Inventor before: Li Zhentao Inventor before: Wang Zhengxin Inventor before: Feng Yifei |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |