CN113504727A - 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法 - Google Patents

一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法 Download PDF

Info

Publication number
CN113504727A
CN113504727A CN202110796336.3A CN202110796336A CN113504727A CN 113504727 A CN113504727 A CN 113504727A CN 202110796336 A CN202110796336 A CN 202110796336A CN 113504727 A CN113504727 A CN 113504727A
Authority
CN
China
Prior art keywords
order
mixed
agent
control
event
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.)
Granted
Application number
CN202110796336.3A
Other languages
English (en)
Other versions
CN113504727B (zh
Inventor
李晓杰
王一光
王文成
梁勇
张烈平
程加堂
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.)
Guilin University of Technology
Original Assignee
Guilin University of 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 Guilin University of Technology filed Critical Guilin University of Technology
Priority to CN202110796336.3A priority Critical patent/CN113504727B/zh
Publication of CN113504727A publication Critical patent/CN113504727A/zh
Application granted granted Critical
Publication of CN113504727B publication Critical patent/CN113504727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，属于机电系统协同控制领域，主要是在混合阶多智能体机电系统的事件触发协同控制中通过自适应调整触发阈值来解决触发控制效率的问题。本发明包括：一、建立混合阶多智能体机电系统数学模型；二、建立混合阶多智能体机电系统同步跟踪误差；三、建立混合阶多智能体机电系统滑模误差；四、建立混合阶多智能体机电系统神经网络估计模型；五、建立带有自适应阈值的混合阶事件触发协同控制策略。本发明用于混合阶机电系统的事件触发控制。

Description

一种带有自适应阈值的混合阶非线性系统事件触发协同控制 方法
技术领域
本发明属于机电系统协同控制领域，主要涉及的是一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法。
背景技术
传统采样控制系统的机制是基于时间进行触发的，也就是无论系统的控制状态是否需要改变都会更新系统的控制输入并周期性地应用于被控系统中。事件触发控制是根据设计的触发条件使智能体在必要时进行通信、计算、控制输出等操作。从资源配置的角度来看，事件触发方式比传统时间周期触发方式更科学、合理地利用了系统资源。利用事件触发机制为智能体设计合适的传输和执行频率，可以有效地节省多智能体系统的控制资源、提高控制效率。在实际系统中，执行器的频繁触发会增加智能体的能量消耗并增加相关部件的磨损，从而对智能体的性能产生较大影响。因此，在针对多智能体系统设计控制策略时应充分考虑如何减少系统能量的损耗以及提高部件的使用寿命，从而降低控制成本。目前，在基于事件触发的混合阶多智能体系统一致性控制研究中，研究成果都是基于固定触发阈值来确定系统的触发时间间隔。那么相应地在系统的运行过程中，现有方式无法根据系统的实际运行状态来有效调整事件触发阈值，进而也无法有效调节整个系统的执行和控制效率。因此，现有基于固定触发阈值的事件触发控制方法已经不能满足实际复杂非线性混合机电系统的控制要求。
发明内容
本发明的目的是为了解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题，本发明提供了一种带有自适应阈值的混合阶非线性多智能体机电系统事件触发协同控制方法。
一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，所述控制方法包括如下步骤：
步骤一、建立混合阶多智能体机电系统数学模型：
一阶系统
Figure BDA0003162897640000011
二阶系统
Figure BDA0003162897640000012
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合。
步骤二、建立混合阶多智能体机电系统同步跟踪误差：
一阶同步跟踪误差
Figure BDA0003162897640000021
二阶同步跟踪误差
Figure BDA0003162897640000022
ep,i、ev,i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，Ni为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
步骤三、建立混合阶多智能体机电系统滑模误差：
一阶滑模误差
γi＝ep，i，iMp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数。
步骤四、建立混合阶多智能体机电系统神经网络估计模型：
Figure BDA0003162897640000023
Figure BDA0003162897640000024
为fi(xi)的估计值，
Figure BDA0003162897640000025
为权值的估计，ζi(xi)为基函数。
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
一阶事件触发控制律
Figure BDA0003162897640000026
二阶事件触发控制律
Figure BDA0003162897640000031
Figure BDA0003162897640000032
是事件触发控制量，αi＞0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure BDA0003162897640000033
是设计参数，di是i的入度，阈值zi＞0，
Figure BDA0003162897640000034
为zi的估计值，g＞0是控制增益，
Figure BDA0003162897640000035
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间。
控制律事件触发条件为
Figure BDA0003162897640000036
Figure BDA0003162897640000037
Figure BDA0003162897640000038
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure BDA0003162897640000039
事件触发阈值自适应律为
Figure BDA00031628976400000310
ρ＞0，μ＞0为设计参数，Pi＞0。
神经网络自适应律
Figure BDA00031628976400000311
Fi＞0，τ＞0是可调增益。
控制参数自适应律
Figure BDA00031628976400000312
其中，
Figure BDA00031628976400000313
为hi的估计，δ＞0，λi＞0，hi为hi的下界。
本发明的有益效果在于，很好解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电系统事件触发控制的频率、有效节省系统的控制资源。
附图说明
图1为具体实施方式一所述的控制方法的流程示意图；
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式所述的带有自适应阈值的混合阶非线性系统事件触发协同控制方法，所述控制方法包括如下步骤：
步骤一、建立混合阶多智能体机电系统数学模型：
一阶系统
Figure BDA0003162897640000041
二阶系统
Figure BDA0003162897640000042
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合。
步骤二、建立混合阶多智能体机电系统同步跟踪误差：
一阶同步跟踪误差
Figure BDA0003162897640000043
二阶同步跟踪误差
Figure BDA0003162897640000044
ep,i、ev，i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，Ni为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
步骤三、建立混合阶多智能体机电系统滑模误差：
一阶滑模误差
γi＝ep,i,i∈Mp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数。
步骤四、建立混合阶多智能体机电系统神经网络估计模型：
Figure BDA0003162897640000051
Figure BDA0003162897640000052
为fi(xi)的估计值，
Figure BDA0003162897640000053
为权值的估计，ζi(xi)为基函数。
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略：
一阶事件触发控制律
Figure BDA0003162897640000054
二阶事件触发控制律
Figure BDA0003162897640000055
Figure BDA0003162897640000056
是事件触发控制量，αi＞0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure BDA0003162897640000057
是设计参数，di是i的入度，阈值zi＞0，
Figure BDA0003162897640000058
为zi的估计值，g＞0是控制增益，
Figure BDA0003162897640000059
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间。
控制律事件触发条件为
Figure BDA00031628976400000510
Figure BDA00031628976400000511
Figure BDA00031628976400000512
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure BDA00031628976400000513
事件触发阈值自适应律为
Figure BDA00031628976400000514
ρ＞0，μ＞0为设计参数，Pi＞0。
神经网络自适应律
Figure BDA00031628976400000515
Fi＞0，τ＞0是可调增益。
控制参数自适应律
Figure BDA0003162897640000061
其中，
Figure BDA0003162897640000062
为hi的估计，δ＞0，λii＞0，h i为hi的下界。
本实施方式效果：
很好解决在实际系统运行过程中触发阈值不能自动调整，从而无法有效调节系统的触发机制和控制效率的问题。利用本发明提供的方法可以有效在线自适应提高混合阶非线性多智能体机电系统事件触发控制的频率、有效节省系统的控制资源。

Claims (6)

1.一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，所述控制方法包括如下步骤：
步骤一、建立混合阶多智能体机电系统数学模型；
步骤二、建立混合阶多智能体机电系统同步跟踪误差；
步骤三、建立混合阶多智能体机电系统滑模误差；
步骤四、建立混合阶多智能体机电系统神经网络估计模型；
步骤五、建立带有自适应阈值的混合阶事件触发协同控制策略。
2.根据权利要求1所述的一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，所述步骤一中，
一阶系统
Figure FDA0003162897630000011
二阶系统
Figure FDA0003162897630000012
pi、vi为第i个智能体的位置和速度，xi为第i个智能体的状态向量，fi(xi)为非线性函数，ri为外部扰动，hi(xi)为非线性时变控制系数，ui代表控制量，Mp为一阶智能体的集合，M2为二阶智能体的集合。
3.根据权利要求2所述的一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，所述步骤二中，
一阶同步跟踪误差
Figure FDA0003162897630000013
二阶同步跟踪误差
Figure FDA0003162897630000014
ep,i、ev,i分别为第i个智能体的一阶和二阶同步跟踪误差，aij为邻接矩阵，Ni为智能体i的相邻智能体，bi为智能体i与领导者的连接权值，p0、v0为相邻领导者的位置和速度。
4.根据权利要求3所述的一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，所述步骤三中，
一阶滑模误差
γi＝ep,i,i∈Mp (5)
二阶滑模误差
γi＝ev,i+κiep,i,i∈M2 (6)
γi为第i个智能体的滑模误差，κi为滑模系数。
5.根据权利要求4所述的一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，步骤四中，
Figure FDA0003162897630000021
Figure FDA0003162897630000022
为fi(xi)的估计值，
Figure FDA0003162897630000023
为权值的估计，ζi(xi)为基函数。
6.根据权利要求5所述的一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法，其特征在于，步骤五中，
一阶事件触发控制律
Figure FDA0003162897630000024
二阶事件触发控制律
Figure FDA0003162897630000025
Figure FDA0003162897630000026
是事件触发控制量，αi＜0，0＜ηi＜1，|c1|≤1，|c2|≤1，
Figure FDA0003162897630000027
是设计参数，di是i的入度，阈值zi＞0，
Figure FDA0003162897630000028
为zi的估计值，g＞0是控制增益，
Figure FDA0003162897630000029
是hi(xi)的估计值，tk＞0是采样时间，k∈Z+是控制律更新时间；
控制律事件触发条件为
Figure FDA00031628976300000213
Figure FDA00031628976300000210
Figure FDA00031628976300000211
为事件触发控制误差，在t∈[tk,tk+1)期间内，控制输入保持为常值
Figure FDA00031628976300000212
事件触发阈值自适应律为
Figure FDA0003162897630000031
ρ＞0，μ＞0为设计参数，Pi＞0；
神经网络自适应律
Figure FDA0003162897630000032
Fi＞0，τ＞0是可调增益；
控制参数自适应律
Figure FDA0003162897630000033
其中，
Figure FDA0003162897630000034
为hi的估计，δ＞0，λi＞0，h i为hi的下界。
CN202110796336.3A 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法 Active CN113504727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110796336.3A CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110796336.3A CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法

Publications (2)

Publication Number Publication Date
CN113504727A true CN113504727A (zh) 2021-10-15
CN113504727B CN113504727B (zh) 2022-06-17

Family

ID=78013290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110796336.3A Active CN113504727B (zh) 2021-07-14 2021-07-14 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法

Country Status (1)

Country Link
CN (1) CN113504727B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5394322A (en) * 1990-07-16 1995-02-28 The Foxboro Company Self-tuning controller that extracts process model characteristics
WO2015149035A1 (en) * 2014-03-28 2015-10-01 LÓPEZ DE PRADO, Marcos Systems and methods for crowdsourcing of algorithmic forecasting
CN106325071A (zh) * 2016-09-28 2017-01-11 哈尔滨工程大学 一种基于事件驱动的广义预测自适应补给船航向控制方法
CN108829065A (zh) * 2018-07-16 2018-11-16 东北大学 基于事件触发的分布式发电系统时滞输出协同控制方法
CN109062273A (zh) * 2018-08-15 2018-12-21 北京交通大学 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电系统协同控制方法及控制系统
CN109491396A (zh) * 2018-12-28 2019-03-19 辽宁工业大学 一种多智能体事件驱动编队控制系统及方法
CN109977571A (zh) * 2019-04-01 2019-07-05 清华大学 基于数据与模型混合的仿真计算方法及装置
CN110109351A (zh) * 2019-04-08 2019-08-09 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
US20190345810A1 (en) * 2018-05-14 2019-11-14 National Oilwell Varco, L.P. Intelligent monitoring for drilling process automation
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN111159336A (zh) * 2019-12-20 2020-05-15 银江股份有限公司 一种半监督司法实体及事件联合提取方法
CN111487866A (zh) * 2020-04-09 2020-08-04 中北大学 一种基于混合事件触发机制的高超声速飞行器神经抗干扰控制方法
CN111650835A (zh) * 2020-06-16 2020-09-11 电子科技大学 一种随机跳变系统的自适应事件触发异步滑模控制方法
CN111781830A (zh) * 2020-07-02 2020-10-16 黑龙江大学 基于估计状态扰动观测的混合阶机电系统协同控制方法
CN112859601A (zh) * 2021-01-11 2021-05-28 湖南工程学院 机器人控制器设计方法、装置、设备及可读存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5394322A (en) * 1990-07-16 1995-02-28 The Foxboro Company Self-tuning controller that extracts process model characteristics
WO2015149035A1 (en) * 2014-03-28 2015-10-01 LÓPEZ DE PRADO, Marcos Systems and methods for crowdsourcing of algorithmic forecasting
CN106325071A (zh) * 2016-09-28 2017-01-11 哈尔滨工程大学 一种基于事件驱动的广义预测自适应补给船航向控制方法
US20190345810A1 (en) * 2018-05-14 2019-11-14 National Oilwell Varco, L.P. Intelligent monitoring for drilling process automation
CN108829065A (zh) * 2018-07-16 2018-11-16 东北大学 基于事件触发的分布式发电系统时滞输出协同控制方法
CN109062273A (zh) * 2018-08-15 2018-12-21 北京交通大学 基于事件触发pid控制的列车速度曲线跟踪控制方法和系统
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电系统协同控制方法及控制系统
CN109491396A (zh) * 2018-12-28 2019-03-19 辽宁工业大学 一种多智能体事件驱动编队控制系统及方法
CN109977571A (zh) * 2019-04-01 2019-07-05 清华大学 基于数据与模型混合的仿真计算方法及装置
CN110109351A (zh) * 2019-04-08 2019-08-09 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
CN110687784A (zh) * 2019-09-16 2020-01-14 广东工业大学 一种针对非线性不确定系统的自适应事件触发控制方法
CN111159336A (zh) * 2019-12-20 2020-05-15 银江股份有限公司 一种半监督司法实体及事件联合提取方法
CN111487866A (zh) * 2020-04-09 2020-08-04 中北大学 一种基于混合事件触发机制的高超声速飞行器神经抗干扰控制方法
CN111650835A (zh) * 2020-06-16 2020-09-11 电子科技大学 一种随机跳变系统的自适应事件触发异步滑模控制方法
CN111781830A (zh) * 2020-07-02 2020-10-16 黑龙江大学 基于估计状态扰动观测的混合阶机电系统协同控制方法
CN112859601A (zh) * 2021-01-11 2021-05-28 湖南工程学院 机器人控制器设计方法、装置、设备及可读存储介质

Non-Patent Citations (14)

* Cited by examiner, † Cited by third party
Title
FENG ZHOU等: "Output consensus of linear heterogeneous multi-agent systems with external disturbances by event-triggered strategy", 《2019 CHINESE CONTROL CONFERENCE (CCC)》 *
FENG ZHOU等: "Output consensus of linear heterogeneous multi-agent systems with external disturbances by event-triggered strategy", 《2019 CHINESE CONTROL CONFERENCE (CCC)》, 17 October 2019 (2019-10-17) *
MING XIAO等: "Distributed Adaptive Cooperative Control for a Class of Nonlinear Multi-Agent Systems via Fully Event-triggered Mechanism", 《 IECON 2020 THE 46TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》 *
MING XIAO等: "Distributed Adaptive Cooperative Control for a Class of Nonlinear Multi-Agent Systems via Fully Event-triggered Mechanism", 《 IECON 2020 THE 46TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》, 18 December 2020 (2020-12-18) *
XIAOJIE LI等: "Cooperative Tracking Control of Heterogeneous Mixed-Order Multiagent Systems With Higher-Order Nonlinear Dynamics", 《IEEE TRANSACTIONS ON CYBERNETICS ( EARLY ACCESS )》 *
XIAOJIE LI等: "Cooperative Tracking Control of Heterogeneous Mixed-Order Multiagent Systems With Higher-Order Nonlinear Dynamics", 《IEEE TRANSACTIONS ON CYBERNETICS ( EARLY ACCESS )》, 7 December 2020 (2020-12-07) *
刘丹: "自适应事件触发控制的多智能体系统一致性", 《计算机工程与应用》 *
刘丹: "自适应事件触发控制的多智能体系统一致性", 《计算机工程与应用》, vol. 53, no. 1, 31 January 2017 (2017-01-31) *
刘金良等: "基于事件触发和网络攻击的负荷频率控制电力系统H_∞滤波器设计", 《中国科学:信息科学》 *
刘金良等: "基于事件触发和网络攻击的负荷频率控制电力系统H_∞滤波器设计", 《中国科学:信息科学》, no. 10, 29 October 2018 (2018-10-29) *
崔艳等: "基于事件触发的二阶随机时延系统的有限时间一致", 《山西师范大学学报(自然科学版)》 *
崔艳等: "基于事件触发的二阶随机时延系统的有限时间一致", 《山西师范大学学报(自然科学版)》, no. 03, 25 August 2020 (2020-08-25) *
李巧萍: "不确定混沌系统的自适应网络同步与混沌多智能体系统一致性", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》 *
李巧萍: "不确定混沌系统的自适应网络同步与混沌多智能体系统一致性", 《中国优秀博硕士学位论文全文数据库(博士)基础科学辑》, no. 2, 15 February 2020 (2020-02-15), pages 005 - 23 *

Also Published As

Publication number Publication date
CN113504727B (zh) 2022-06-17

Similar Documents

Publication Publication Date Title
CN110703761B (zh) 一种基于事件触发的网络化自主车队调度与协同控制方法
CN111146778B (zh) 基于自适应事件触发动态输出反馈控制的多区域电网系统设计方法
CN107133433B (zh) 一种基于模型自适应汽轮机调门流量特性优化方法
CN112698573B (zh) 基于正切换系统建模的网络化系统非脆弱事件触发控制方法
CN112469079B (zh) 结合深度强化学习与传统拥塞控制的新型拥塞控制方法
CN112350906A (zh) 一种判断用户是否长时间离家的方法及系统
CN113504727B (zh) 一种带有自适应阈值的混合阶非线性系统事件触发协同控制方法
CN102710515B (zh) 一种适用于网络控制系统的死区调度方法
CN115529278A (zh) 基于多智能体强化学习的数据中心网络ecn自动调控方法
CN115913704A (zh) 一种抵御欺骗攻击的智能无人集群系统时滞脉冲控制方法
Cho et al. Neural network control for TCP network congestion
CN109031959B (zh) 一种非一致非线性系统协同控制方法及控制系统
CN116599860B (zh) 一种基于强化学习的网络流量灰色预测方法
Qiu et al. A predictive flow control scheme for efficient network utilization and QoS
CN113703315A (zh) 一种非线性混合阶多智能体机电系统事件触发协同控制方法
CN109188914B (zh) 一种n阶混合非线性系统的协同控制方法及控制系统
CN109343348B (zh) 一种混合阶机电系统的协同容错控制方法及控制系统
CN115562241A (zh) 网络化控制系统中的事件触发预测控制方法
CN105425590A (zh) 一种基于改进免疫算法的pid主动队列管理方法
Mousavi et al. On integral input-to-state stability of event-triggered control systems
Herrería-Alonso et al. Dynamic EEE coalescing: Techniques and bounds
CN103095601A (zh) 一种用于通信网络拥塞控制的主动队列管理方法
CN113660049A (zh) 一种事件触发控制与无线通信联合系统的设计方法
Zhiwei et al. Multi-parameter NCS scheduling based on fuzzy neural network
Prokhorov Toward effective combination of off-line and on-line training in ADP framework

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20211015

Assignee: GUANGZHOU GUISANJU TECHNOLOGY CO.,LTD.

Assignor: GUILIN University OF TECHNOLOGY

Contract record no.: X2022450000637

Denomination of invention: An event-triggered cooperative control method for mixed-order nonlinear systems with adaptive thresholds

Granted publication date: 20220617

License type: Common License

Record date: 20221230

EE01 Entry into force of recordation of patent licensing contract