CN112947359A - 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法 - Google Patents

针对集群协同系统的大通讯时延补偿和传感器故障诊断方法 Download PDF

Info

Publication number
CN112947359A
CN112947359A CN202110104603.6A CN202110104603A CN112947359A CN 112947359 A CN112947359 A CN 112947359A CN 202110104603 A CN202110104603 A CN 202110104603A CN 112947359 A CN112947359 A CN 112947359A
Authority
CN
China
Prior art keywords
matrix
state
sensor
large communication
diagnosis method
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
CN202110104603.6A
Other languages
English (en)
Inventor
王春彦
李韵涵
王丹丹
王佳楠
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110104603.6A priority Critical patent/CN112947359A/zh
Publication of CN112947359A publication Critical patent/CN112947359A/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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • 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
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Maintenance And Management Of Digital Transmission (AREA)

Abstract

本发明公开了一种针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，该方法中首先对系统控制输入存在的大通讯时延进行补偿，将存在控制输入时延的系统转换为不带时延的系统，再将系统状态和传感器故障作为扩展状态，将系统表示为扩展系统的形式，在此基础上根据系统输出信息设计广义观测器，实现对系统状态和传感器故障的估计，每个智能体都接收通信拓扑网络中的邻居状态估计信息，以此设计容错控制器，使集群系统状态与领队达到有界一致；在利用该方法的过程中，可以通过调整一个非奇异矩阵的值，使系统状态最终的一致性误差收敛到期望的范围内。

Description

针对集群协同系统的大通讯时延补偿和传感器故障诊断方法
技术领域
本发明涉及多个智能体协同容错控制方法，具体涉及一种针对集群协同系统的大通讯时延补偿和传感器故障诊断方法。
背景技术
集群系统中的一个重要问题是安全性和可靠性。随着集群系统规模的扩大，系统中出现故障的概率越来越大。智能体单元发送、接收信息以及信息传输过程中经常会受到干扰影响而产生错误的数据传输，例如随机噪声等，另外由于受到智能体通信网络工作环境恶化的影响，传输通道本身也很有可能发生故障，例如通讯时延等。
控制系统的传感器故障是指传感器发生卡死、或某种程度的偏差等变化而不能准确测量系统内部信号的故障。在控制系统中传感器的常见故障为输出出现突变型或缓变型偏差，或是增益逐渐衰减。同时，控制系统出现的故障大多是不可建模故障，即非线性故障，相比可建模的线型故障更为复杂，相关研究也较少。
时间延迟反映了由于执行、控制、通信和计算而在实际系统中继承的重要特性。在系统受到干扰或者发生故障时，很难及时地通过系统输出来获得准确的状态信息，因而也就很难及时地对系统进行容错控制。时间延迟使得系统控制作用常常出现滞后，可能会降低系统性能甚至破坏系统稳定性。
由于上述原因，本发明人对多智能体协同容错控制方法做了深入研究，以期待设计出一种能够解决上述问题的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法。
发明内容
为了克服上述问题，本发明人进行了锐意研究，设计出一种针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，该方法中首先对系统控制输入存在的大通讯时延进行补偿，将存在时延的系统转换为不带时延的系统，再将系统状态和传感器故障作为扩展状态，将系统表示为扩展系统的形式，在此基础上根据系统输出信息设计广义观测器，实现对系统状态和传感器故障的估计，每个智能体都接收通信拓扑网络中的邻居状态估计信息，以此设计容错控制器，使集群系统状态与领队达到有界一致；在利用该方法的过程中，可以通过调整一个非奇异矩阵的值，使系统状态最终的一致性误差达到期望的范围内，从而完成本发明。
具体来说，本发明的目的在于提供一种针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，该方法中，首先将原系统转换为不带时延的系统，原系统与转换后的系统可利用相同的控制算法达到稳定；
所述集群系统包括多个协同控制的智能体，为抑制传感器故障，设计广义观测器和容错控制器，智能体可利用网络拓扑图进行信息交互，使得系统状态与领队达到有界一致；
本发明还提供一种基于通信网络拓扑结构的智能体协同控制系统，该系统包括多个协同控制的智能体，在每个智能体上都设有传感器和信号传递接收设备；
所述传感器包括卫星信号接收设备、地磁传感器、陀螺仪，能够实时获得智能体自身的位置及速度信息，从而智能体能够实时更新自身的控制行为；
所述信号传递、接收设备包括雷达，通过该信号传递、接收设备可以使得邻近智能体之间能够彼此传递自身状态信息。
本发明所具有的有益效果包括：
(1)根据本发明提供的针对集群协同系统的大通讯时延补偿方法能够使得系统能够在控制输入存在大通讯时延的情况下设计协同控制算法，从而达到状态一致；
(2)根据本发明提供的针对集群协同系统的传感器故障诊断方法能够应对传感器存在未知有界故障的情况，设计广义观测器实现对系统状态和传感器故障值的估计；
(3)根据本发明提供的针对集群协同系统的传感器故障诊断方法基于估计的系统状态设计协同容错控制算法，从而能够抑制传感器故障带来的影响，确保集群系统状态与领队达到有界一致。
附图说明
图1示出本发明实验例中4个智能体与领队协同作业时的网络通信拓扑图，图中箭头表示系统状态信息的传递方向；
图2示出本发明实验例中4个智能体的系统输出变化曲线；
图3示出本发明实验例中4个智能体与领队的一致性误差变化曲线；
图4示出本发明实验例中4个智能体的观测器系统状态估计误差变化曲线；
图5示出本发明实验例2中4个智能体的观测器传感器故障估计误差变化曲线；
具体实施方式
下面通过附图和实施例对本发明进一步详细说明。通过这些说明，本发明的特点和优点将变得更为清楚明确。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在集群系统中，由于网络信息传输时间延迟以及传感器测量信息偏差，不可避免地会造成系统反馈不及时、传感器故障积累等现象，从而导致控制系统的实际品质产生恶化甚至不稳定。由于这些不利因素的存在，使得集群控制系统研究的难度和复杂性显著增加，同时也使得已有的针对点对点结构系统的故障诊断与容错控制方法无法直接应用到集群控制系统。
在所述集群系统内可以采用基于预估器的方法对控制输入存在的大通讯时延进行补偿，在此基础上设计广义观测器对系统状态和传感器故障进行估计，利用系统状态的估计值设计协同容错控制算法，使得观测器误差和一致性误差都能够收敛到预期范围内。
根据本发明提供的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，
对系统控制输入存在的大通讯时延进行补偿，将原系统转换为不带时延的系统，
令系统状态和传感器故障作为扩展状态，将不带时延的系统表示为扩展系统的形式，
设计广义观测器对扩展系统的状态进行估计，即同时得到对系统状态和传感器故障的估计值，
每个智能体与网络拓扑图上的邻居智能体进行信息交互，利用估计的系统状态设计协同容错控制算法，实现对传感器故障的抑制，通过调整一个非奇异矩阵的值使得观测器误差收敛到目标范围内，每个智能体的系统状态也能够与领队达到有界一致。
假设智能体共有n个，i和j都表示任意一个智能体，i≠j且n≥i,n≥j，智能体之间的连接关系用邻接矩阵
Figure BDA0002917340030000042
表示，若第i个智能体能接收到第j个智能体发出的信息，则aij＝1，否则aij＝0。与邻接矩阵相关的拉普拉斯矩阵
Figure BDA0002917340030000043
定义为
Figure BDA0002917340030000041
且当i≠j时lii＝-aij；
智能体与领队的连接关系表示为矩阵
Figure BDA0002917340030000051
若第i个智能体能接收到领队发出的信息，则bi＝1，否则bi＝0。每个智能体都具有至少一个邻居，领队也至少是一个智能体的邻居。
在本申请中，邻居智能体之间的信息交互是双向的，即智能体之间的网络拓扑图是无向图；领队的邻居智能体仅能够接收领队发送的系统状态信息，故领队与智能体之间是有向图。总体的网络拓扑图存在生成树，故总体连接矩阵
Figure BDA0002917340030000052
是Hurwitz的。
带有大通讯时延和传感器故障的系统状态和输出通过下式(一)获得，
Figure BDA0002917340030000053
本申请中字母的下角标i表示第i个智能体；
其中，xi(t)表示系统状态，
yi(t)表示系统输出，
ui(t)表示系统的控制输入，
A∈Rn×n,B∈Rn×p,C∈Rq×n为常数矩阵，
τ为控制输入时延，
ωi(t)∈Rq表示系统的传感器故障。
所述系统矩阵(A,B)可控且(A,C)可观，
控制输入时延τ为常数且已知，
传感器故障ωi(t)为未知有界扰动。
领队智能体的系统状态和输出通过下式(二)获得，
Figure BDA0002917340030000054
其中，x0(t)表示系统状态，
y0(t)表示系统输出。
在本申请中，集群系统的控制目标是达到
Figure BDA0002917340030000055
干扰抑制，需满足以下两个条件：
1)当传感器故障ωi≡0时，系统状态可与领队达成一致
Figure BDA0002917340030000061
2)当传感器故障
Figure BDA0002917340030000062
时，对于任意t≥t0且t0≥0，存在常数κx使得下式(三)成立
Figure BDA0002917340030000063
其中，
Figure BDA0002917340030000064
为与t0时刻初始状态相关的常数，
Figure BDA0002917340030000065
为正定增益方程。
智能体通过下式(四)对存在控制输入大通讯时延的系统进行状态转换；
Figure BDA0002917340030000066
其中，zi(t)表示转换后的系统状态，
状态转换后系统状态和输出通过下式(五)获得，
Figure BDA0002917340030000067
其中，D＝e-AτB为常数矩阵，
Figure BDA0002917340030000068
为状态转换后系统的传感器故障。
系统矩阵(A,D)的可控性等同于(A,B)矩阵，
若新系统状态能够在设计的控制器下达到一致，则原系统也可利用同样的控制器使状态达到一致。
令z0(t)＝x0(t)，定义一致性误差为ηi(t)＝zi(t)-z0(t)，求导后一致性误差由下式(六)获得，
Figure BDA0002917340030000069
智能体通过下式(七)将不带时延的系统表示为扩展系统的形式；
Figure BDA0002917340030000071
其中，
Figure BDA0002917340030000072
表示扩展系统状态，
Figure BDA0002917340030000073
智能体通过下式(八)设计广义观测器：
Figure BDA0002917340030000074
其中，
Figure BDA0002917340030000075
表示对扩展系统状态的估计，
ξi(t)为广义观测器内的中间变量，
Figure BDA0002917340030000076
M为非奇异矩阵，
L为观测器增益矩阵。
定义观测器误差为
Figure BDA0002917340030000077
求导后观测器误差由下式(九)获得，
Figure BDA0002917340030000078
通过调整非奇异矩阵M的值，可使观测器误差收敛到一定范围内，进而使系统一致性误差收敛到期望范围内，
观测器增益矩阵L满足
Figure BDA0002917340030000079
为Hurwitz矩阵的条件，
观测器误差收敛的条件由下式(十)解得，
Figure BDA00029173400300000710
其中，P2为正定矩阵，
Figure BDA0002917340030000081
Figure BDA0002917340030000082
ρ1＝λmax(M-TFTCTCFM-1)，
Figure BDA0002917340030000083
ρ2I≥P1DDTDDTP1，
Figure BDA0002917340030000084
θI＞AT+A，
λN为通讯拓扑网络中总体连接矩阵H的最大特征值，
κ1,κ2,κ3＞0为常数。
智能体通过下式(十一)设计容错控制器：
Figure BDA0002917340030000085
其中，aij为通信拓扑网络中跟随者之间邻接矩阵的元素值，
bi为通信拓扑网络中跟随者与领队连接矩阵的元素值，
z0(t)＝x0(t)表示领队状态，
K为控制器增益矩阵。
控制器增益矩阵K可通过下式(十二)解得，
Figure BDA0002917340030000086
其中，K＝DTP1，W1＝P1 -1，P1为正定矩阵，
ζ1＝-2λ1DDT+κ1In，
λ1为通讯拓扑网络中总体连接矩阵H的最小特征值，
κz＞0为常数。
通过对观测器误差和一致性误差的稳定性分析，可得集群系统满足
Figure BDA0002917340030000091
干扰抑制的控制目标，
1)当传感器故障ωi≡0时
Figure BDA0002917340030000092
故系统状态可与领队达成一致
Figure BDA0002917340030000093
2)当传感器故障
Figure BDA0002917340030000094
时，存在常数κz＞0使得下式(十三)成立，
Figure BDA0002917340030000095
其中，
Figure BDA0002917340030000096
为Lyapunov稳定性分析方程，
由式(十三)可得
Figure BDA0002917340030000097
实验例
对4个编号为1-4的智能体协同追踪一个编号为0的领队的场景进行数值仿真，各个智能体中都选用本申请中提供的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法进行协同容错控制，网络通讯拓扑图如图1所示，表示智能体之间邻接矩阵的拉普拉斯矩阵由式(一)给出，
Figure BDA0002917340030000098
智能体与领队的连接矩阵由式(二)给出，
Figure BDA0002917340030000099
智能体系统矩阵由式(三)给出，
Figure BDA00029173400300000910
控制输入的通讯时延设置为τ＝3s，传感器故障设置为零均值且方差为0.5的正态分布随机信号。智能体初始状态设置为x0＝[4,0]T,x1＝[1,0]T,x2＝[3,0]T,x3＝[5,0]T,x4＝[7,0]T。
观测器内非奇异矩阵选定为M＝100，增益矩阵由式(四)给出，
L＝[75 12.5 149]T (四)
在解算过程中，控制参数选择为κ1＝0.1,κ2＝κ3＝0.001，通过求解线性不等式可得控制器增益为式(五)，
K＝[-0.5144 -4.5072] (五)
在实验例中
通过仿真得到：
(1)4个智能体的系统输出变化曲线，如图2中所示；
(2)4个智能体的系统状态一致性误差变化曲线，如图3中所示；
(3)4个智能体的状态估计误差变化曲线，如图4中所示；
(4)4个智能体的传感器故障估计误差变化曲线，如图5中所示。
由图2可知，系统输出在利用本申请中所提供的方法后，有达到一致的趋势，同时传感器故障也对最终的系统输出值产生了一定影响。
由图3可知，4个智能体的系统状态在50s内与领队达成了一致，并最终抑制了大通讯时延和传感器故障带来的影响，一致性误差趋近于零。
由图4可知，广义观测器可以在50s内得到系统状态的准确估计值，最终使系统状态估计误差收敛到零附近。
由图5可知，广义观测器可以在50s内得到传感器故障的准确估计值，最终使传感器故障估计误差收敛到零附近。
实验例验证了本申请中所提供的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法的有效性。
以上结合了优选的实施方式对本发明进行了说明，不过这些实施方式仅是范例性的，仅起到说明性的作用。在此基础上，可以对本发明进行多种替换和改进，这些均落入本发明的保护范围内。

Claims (10)

1.一种针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
每个智能体能够对控制输入存在的大通讯时延进行补偿，基于转换后不带时延的系统进行后续算法设计；
每个智能体能够根据系统输出信息设计广义观测器，对系统状态和传感器故障进行估计；
每个智能体都根据邻居的状态估计信息设计容错控制器，使系统状态与领队达到有界一致。
2.根据权利要求1所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
带有大通讯时延和传感器故障的系统状态和输出通过下式(一)获得，
Figure FDA0002917340020000011
其中，xi(t)表示系统状态，
yi(t)表示系统输出，
ui(t)表示系统的控制输入，
A∈Rn×n,B∈Rn×p,C∈Rq×n为常数矩阵，
τ为控制输入时延，
ωi(t)∈Rq表示系统的传感器故障。
领队智能体的系统状态和输出通过下式(二)获得，
Figure FDA0002917340020000012
其中，x0(t)表示系统状态，
y0(t)表示系统输出。
3.根据权利要求2所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
智能体通过下式(三)对存在控制输入大通讯时延的系统进行状态转换；
Figure FDA0002917340020000021
其中，zi(t)表示转换后的系统状态，
状态转换后系统状态和输出通过下式(四)获得，
Figure FDA0002917340020000022
其中，D＝e-AτB为常数矩阵，
Figure FDA0002917340020000023
为状态转换后系统的传感器故障。
4.根据权利要求3所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
智能体通过下式(五)将不带时延的系统表示为扩展系统的形式；
Figure FDA0002917340020000024
其中，
Figure FDA0002917340020000025
表示扩展系统状态，
Figure FDA0002917340020000026
F＝[0 Iq]T,
Figure FDA0002917340020000027
5.根据权利要求4所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
智能体通过下式(六)设计广义观测器：
Figure FDA0002917340020000028
其中，
Figure FDA0002917340020000029
表示对扩展系统状态的估计，
ξi(t)为广义观测器内的中间变量，
Figure FDA0002917340020000031
M为非奇异矩阵，
L为观测器增益矩阵。
6.根据权利要求7所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
智能体通过下式(七)设计容错控制器：
Figure FDA0002917340020000032
其中，aij为通信拓扑网络中跟随者之间邻接矩阵的元素值，
bi为通信拓扑网络中跟随者与领队连接矩阵的元素值，
z0(t)＝x0(t)表示领队状态，
K为控制器增益矩阵。
7.根据权利要求2所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
所述系统矩阵(A,B)可控且(A,C)可观，
控制输入时延τ为常数且已知，
传感器故障ωi(t)为未知有界扰动。
8.根据权利要求5所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
通过调整非奇异矩阵M的值，可使观测器误差收敛到一定范围内，进而使系统一致性误差收敛到期望范围内，
观测器增益矩阵L满足
Figure FDA0002917340020000033
为Hurwitz矩阵的条件，
观测器误差收敛的条件由下式(八)解得，
Figure FDA0002917340020000034
其中，P2为正定矩阵，
Figure FDA0002917340020000035
Figure FDA0002917340020000041
ρ1＝λmax(M-TFTCTCFM-1)，
Figure FDA0002917340020000042
ρ2I≥P1DDTDDTP1，
Figure FDA0002917340020000043
θI＞AT+A，
λN为通讯拓扑网络中总体连接矩阵H的最大特征值，
κ1,κ2,κ3＞0为常数。
9.根据权利要求6所述的针对集群协同系统的大通讯时延补偿和传感器故障诊断方法，其特征在于，
控制器增益矩阵K可通过下式(九)解得，
Figure FDA0002917340020000044
其中，K＝DTP1，
W1＝P1 -1，P1为正定矩阵，
ζ1＝-2λ1DDT+κ1In，
λ1为通讯拓扑网络中总体连接矩阵H的最小特征值，
κz＞0为常数。
10.一种基于通信网络拓扑结构的集群协同容错控制系统，其特征在于，
该系统包括多个协同控制的智能体，在每个智能体上都设有传感器和信号传递接收设备；
所述传感器包括卫星信号接收设备、地磁传感器、陀螺仪，能够实时获得智能体自身的位置及速度信息，从而智能体能够实时更新自身的控制行为；
所述信号传递、接收设备包括雷达，通过该信号传递、接收设备可以使得邻近智能体之间能够彼此传递自身状态信息。
CN202110104603.6A 2021-01-26 2021-01-26 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法 Pending CN112947359A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110104603.6A CN112947359A (zh) 2021-01-26 2021-01-26 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110104603.6A CN112947359A (zh) 2021-01-26 2021-01-26 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法

Publications (1)

Publication Number Publication Date
CN112947359A true CN112947359A (zh) 2021-06-11

Family

ID=76237129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110104603.6A Pending CN112947359A (zh) 2021-01-26 2021-01-26 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法

Country Status (1)

Country Link
CN (1) CN112947359A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130819A (zh) * 2023-10-27 2023-11-28 江西师范大学 一种基于时延方差和相关系数值的微服务故障诊断方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698839A (zh) * 2014-12-26 2015-06-10 北京理工大学 一种基于信息交互的多智能体故障检测与补偿控制方法
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
CN111443715A (zh) * 2020-04-22 2020-07-24 北京航空航天大学 一种集群系统编队-合围控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698839A (zh) * 2014-12-26 2015-06-10 北京理工大学 一种基于信息交互的多智能体故障检测与补偿控制方法
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
CN111443715A (zh) * 2020-04-22 2020-07-24 北京航空航天大学 一种集群系统编队-合围控制方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUNYAN WANG，ET AL.: "L2 disturbance attenuation for a class of Lipschitz nonlinear systems with large input delay", INT J ROBUST NONLINEAR CONTROL, pages 873 - 886 *
崔阳 等: "具有切换拓扑结构的多智能体系统故障估计", 山东大学学报(工学版), vol. 47, no. 05, pages 263 - 270 *
张普 等: "基于分布式自适应的多智能体容错一致性控制", 航空学报, vol. 41, no. 03, pages 1 - 12 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117130819A (zh) * 2023-10-27 2023-11-28 江西师范大学 一种基于时延方差和相关系数值的微服务故障诊断方法
CN117130819B (zh) * 2023-10-27 2024-01-30 江西师范大学 一种基于时延方差和相关系数值的微服务故障诊断方法

Similar Documents

Publication Publication Date Title
Yoo Distributed consensus tracking of a class of asynchronously switched nonlinear multi-agent systems
Khalili et al. Distributed adaptive fault-tolerant control of uncertain multi-agent systems
Jin et al. Robust adaptive hierarchical insensitive tracking control of a class of leader-follower agents
CN110058519B (zh) 一种基于快速自适应技术的主动编队容错控制方法
CN106547207B (zh) 一种非线性多输入多输出系统混合式观测器构建方法
Chen et al. Fault‐tolerant output synchronisation control of multi‐vehicle systems
CN109884902B (zh) 一种基于区间观测器无人机编队系统故障检测方法
CN111638726A (zh) 基于事件触发通信的多无人机编队一致性控制方法
Salimifard et al. Robust output feedback fault‐tolerant control of non‐linear multi‐agent systems based on wavelet neural networks
CN110278571B (zh) 一种基于简单预测-校正环节的分布式信号跟踪方法
CN112947359A (zh) 针对集群协同系统的大通讯时延补偿和传感器故障诊断方法
Zhu et al. Event-triggered sensor fault estimation of unreliable networked unmanned surface vehicle system with correlated noises
CN113325708B (zh) 基于异构多智能体的多无人机系统的故障估计方法
Yang et al. Supervisory fault tolerant control with integrated fault detection and isolation: A switched system approach
Xiong et al. An integral sliding mode approach to distributed control of coupled networks with measurement Quantization
Talebi et al. Distributed Kalman filtering: Consensus, diffusion, and mixed
CN114637278A (zh) 一种多领导者与切换拓扑下的多智能体容错编队跟踪控制方法
CN113325717A (zh) 基于互联大规模系统的最优容错控制方法、系统、处理设备、存储介质
Zamani et al. Minimum-energy distributed filtering
CN113031644B (zh) 一种面向通信时滞的飞行器编队控制系统事件触发方法、装置及介质
CN111352344B (zh) 一种动态完全未知系统的数据驱动自适应预估器
CN111539457B (zh) 一种基于贝叶斯网络的故障融合诊断方法
CN109474892B (zh) 基于信息形式的强鲁棒传感器网络目标跟踪方法
Mohammadi Distributed implementations of the particle filter with performance bounds
CN115442762B (zh) 基于无线传感器网络的分布式一致性滤波的目标跟踪方法

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