CN114265315A - 异构线性集群系统时变输出编队跟踪控制方法及系统 - Google Patents
异构线性集群系统时变输出编队跟踪控制方法及系统 Download PDFInfo
- Publication number
- CN114265315A CN114265315A CN202111613631.7A CN202111613631A CN114265315A CN 114265315 A CN114265315 A CN 114265315A CN 202111613631 A CN202111613631 A CN 202111613631A CN 114265315 A CN114265315 A CN 114265315A
- Authority
- CN
- China
- Prior art keywords
- model
- follower
- heterogeneous
- sensor
- representing
- 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
Links
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及一种异构线性集群系统时变输出编队跟踪控制方法和系统。所述异构线性集群系统时变输出编队跟踪控制方法,针对异构多智能体系统,通过构建异构多智能体系统模型、通信拓扑关系模型、传感器故障模型和执行器故障模型,能够控制不同动力学个体组成的系统形成编队,拓展了编队控制算法的使用场景。并且,在根据修正后的跟随者模型、传感器故障模型和执行器故障模型设计观测器后,基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制,使得多智能体系统在传感器和执行器存在偏差故障的情况下,能够减弱故障对系统的影响并形成编队。
Description
技术领域
本发明涉及多智能体编队跟踪控制技术领域,特别是涉及一种异构线性集群系统时变输出编队跟踪控制方法及系统。
背景技术
多智能体编队控制是当前多智能体系统研究的热点问题,它指多个智能体组成的团队在向特定目标或方向运动的过程中,相互之间保持预定的几何形态。多智能体编队控制在军事、航天、工业等各个领域具有广泛的应用,如实现移动机器人、无人机、潜艇、卫星、航天飞行器等运动载体的编队控制等。在军事领域中,多移动机器人采用合理的编队可以代替士兵执行恶劣、危险环境下诸如侦察、搜寻、排雷、巡逻等军事任务。以侦察任务为例,单个机器人获取环境信息的能力通常有限,但如果多个机器人保持合理的队形,分工获取周围的环境信息,就有可能迅速准确地感知群体所在区域的环境信息,使群体的资源利用率比成员随机分布时更高。在航天领域,卫星编队不但可大大降低系统成本,提高系统的可靠性和生存能力,而且可扩展和超越传统单个卫星的功能,完成许多单个航天器不可能完成的任务。在工业生产中,例如多机器人系统搬运大型物体时,对机器人的位置存在一定要求,以满足搬运过程中的稳定和负载平衡。
多智能体编队控制已有多种成熟的控制方法,与基于领导者-跟随者、基于行为以及基于虚拟结构的方法相比,基于一致性的编队控制方法具有更好的鲁棒性和扩展性,并且易于设计,因此当前受到世界研究人员的广泛关注,并取得了一些应用。在该方法中,智能体通过与邻居智能体的通信,获取其它智能体的状态信息,然后通过这些信息生成自身的控制指令,从而使得多智能体系统最后形成编队。但对该方法的现有研究中,通常考虑的是同构多智能体之间的编队控制问题。实际上,异构多智能体系统的编队控制也有着广泛的需求,在某些场景下异构多智能体系统甚至能够比同构多智能体系统更好地完成任务,比如说无人机和无人车的编队协同搜救,能够同时利用无人机视野广和无人车负载量大的特点,及时地发现被困人员并进行救助。除此之外,在实际应用中智能体不可能总是处于理想状态,总是有一些干扰影响着多智能体系统的性能。其中,传感器和执行器故障也是多智能体系统性能常见的限制因素。因此,提供一种能够对传感器和执行器故障下异构线性多智能体系统进行时变输出编队跟踪控制的方法或系统,成为本领域亟待解决的一个技术难题。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种异构线性集群系统时变输出编队跟踪控制方法及系统。
为实现上述目的,本发明提供了如下方案:
一种异构线性集群系统时变输出编队跟踪控制方法,包括:
构建异构多智能体系统模型;所述异构多智能体系统模型包括领导者模型和跟随者模型;
构建异构多智能体系统的通信拓扑关系模型;所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图;
构建传感器故障模型和执行器故障模型;
基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型;
根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器;所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测;
构建智能体的控制输入模型;
基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
优选地,所述领导者模型为:
优选地,所述跟随者模型为:
优选地,所述传感器故障模型为:
优选地,所述执行器故障模型为:
优选地,所述智能体的控制输入模型为:
其中,表示智能体i对自身全状态信息xi(t)的观测值,ξi(t)表示领导者状态x1(t)的观测值,表示领导者状态x1(t)的观测值的时间导数,τi(t)表示定义的时变编队补偿输入,K2i=Yi-K1iXi,(Xi,Yi)是调节器方程,K1i表示矩阵,K1i使Ai+BiK1i中的所有特征值的实部均小于-1,Ai、Bi和Ci均表示智能体i的系统参数矩阵,满足hi(t)=Ciφi(t),hi(t)为多智能体编队函数,aij为权重系数权重矩阵 为差值, 表示对执行器偏差的估计值,表示对传感器偏差的估计值,表示跟随者i传感器的实际输出信息,表示领导者的状态,和均表示领导者的系统参数矩阵,K表示增益矩阵,表示跟随者的控制输入,表示跟随者i执行器的控制输入。
优选地,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制,具体包括:
采用分布式自适应容错控制协议,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
优选地,所述观测器为:
其中,表示执行器偏差的估计值,表示传感器偏差的估计值,为差值,Hi为正定矩阵,令 表示p×mi个元素为0的矩阵, 表示智能体i对自身全状态信息xi(t)的观测值,表示跟随者i传感器的实际输出信息,Gi表示待设计的矩阵,Pi表示正定解,Ip表示表示p维单位矩阵,表示执行器偏差的估计值的时间导数,表示传感器偏差的估计值的时间导数,Bi和Ci表示智能体i的系统参数矩阵。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的异构线性集群系统时变输出编队跟踪控制方法,针对异构多智能体系统,通过构建异构多智能体系统模型、通信拓扑关系模型、传感器故障模型和执行器故障模型,能够控制不同动力学个体组成的系统形成编队,拓展了编队控制算法的使用场景。并且,在根据修正后的跟随者模型、传感器故障模型和执行器故障模型设计观测器后,基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制,使得多智能体系统在传感器和执行器存在偏差故障的情况下,能够减弱故障对系统的影响并形成编队。
对应于上述提供的异构线性集群系统时变输出编队跟踪控制方法,本发明还提供了一种异构线性集群系统时变输出编队跟踪控制系统,该系统包括:
异构多智能体系统模型构建模块,用于构建异构多智能体系统模型;所述异构多智能体系统模型包括领导者模型和跟随者模型;
通信拓扑关系模型构建模块,用于构建异构多智能体系统的通信拓扑关系模型;所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图;
传感器-执行器故障模型构建模块,用于构建传感器故障模型和执行器故障模型;
跟随者模型修正模块,用于基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型;
观测模块,用于根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器;所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测;
控制输入模型构建模块,用于构建智能体的控制输入模型;
时变输出编队跟踪控制模块,用于基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
优选地,所述时变输出编队跟踪控制模块包括:
时变输出编队跟踪控制单元,用于采用分布式自适应容错控制协议,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
因本发明提供的异构线性集群系统时变输出编队跟踪控制系统实现的技术效果与上述提供的异构线性集群系统时变输出编队跟踪控制方法实现的技术效果相同,故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的异构线性集群系统时变输出编队跟踪控制方法的流程图;
图2为本发明实施例提供的多智能体系统通信拓扑结构示意图;
图3为本发明实施例提供的0-50s内多智能体系统的运动轨迹图;
图4为本发明实施例提供的0s时多智能体系统的状态图;
图5为本发明实施例提供的33s时多智能体系统的状态图;
图6为本发明实施例提供的50s时多智能体系统的状态图;
图7为本发明提供的异构线性集群系统时变输出编队跟踪控制系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种能够针对异构系统的、考虑传感器和执行器故障影响的异构线性集群系统时变输出编队跟踪控制方法及系统,拓展了多智能体系统编队算法的应用场景,对于线性多智能体系统编队控制算法的研究有着很好研究和应用价值。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的异构线性集群系统时变输出编队跟踪控制方法,包括:
步骤100:构建异构多智能体系统模型。异构多智能体系统模型包括领导者模型和跟随者模型。例如:
设多智能体系统由N个智能体组成,领导者编号为1,跟随者编号为2,…,N。领导者模型构建为:
其中,知分别表示跟随者的状态、控制输入和传感器输出信息。由于每个智能体都需要实现期望的时变输出编队,yi(t)和y1(t)具有相同的维度。知表示跟随者i的系统参数矩阵,均由跟随者i自身决定,并且满足rank(Bi)=mi。
基于上述构建的模型领导者和跟随者模型需要满足以下条件:
条件(1):(A1,C1)可检测。
步骤101:构建异构多智能体系统的通信拓扑关系模型。通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图。例如:
多智能体系统通过智能体之间的互相通信来获取其它智能体的状态量,这种通信关系可以用代数图来表示。考虑由一个领导者和N-1个跟随者组成的异构线性多智能体系统,每个智能体分别用一个节点来表示。节点间的通信关系用权重矩阵来表示,如节点i能够收到节点j的信息,则称节点j为节点i的一个邻居,令aij=1,否则aij=0。节点的入度定义为其中表示节点i的邻居集合。
基于上述构建的通信拓扑,本实施例中的通信拓扑需要满足以下条件:
条件(1):通信拓扑存在以领导者为根节点的生成树。
步骤102:构建传感器故障模型和执行器故障模型。
传感器故障模型构建为:
执行器故障模型构建为:
基于步骤100-步骤102构建的模型的具体表现形式,本实施例中,对异构多智能体系统编队进行设计如下:
第i个智能体的编队为其中hi(t)为分段连续可微函数。如果存在致密集使得对于任意的存在与初始时间t0无关的常量ε和T(ε,yi(t0)-hi(t0)-y1(t0)),在t≥t0+T时,恒有||yi(t)-hi(t)-y1(t)||≤ε,则称(异构)多智能体系统实现了期望的时变输出编队跟踪控制。
步骤103:基于传感器故障模型和执行器故障模型修正跟随者模型。基于上述步骤100-步骤102的具体设计过程,本实施例中,步骤103的具体实施过程为:
步骤104:根据修正后的跟随者模型、传感器故障模型和执行器故障模型设计观测器。观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测。
步骤105:构建智能体的控制输入模型。其中,智能体的控制输入模型为:
其中,表示智能体i对自身全状态信息xi(t)的观测值,ξi(t)表示领导者状态x1(t)的观测值,表示领导者状态x1(t)的观测值的时间导数,τi(t)表示定义的时变编队补偿输入,K2i=Yi-K1iXi,(Xi,Yi)是调节器方程,K1i表示矩阵,K1i使丘+BiK1i中的所有特征值的实部均小于-1,Ai、Bi和Ci均表示智能体i的系统参数矩阵,满足hi(t)=Ciφi(t),hi(t)为多智能体编队函数,aij为权重系数权重矩阵 为差值, 表示对执行器偏差的估计值,表示对传感器偏差的估计值,表示跟随者i传感器的实际输出信息,表示领导者的状态,和均表示领导者的系统参数矩阵,K表示增益矩阵,表示跟随者的控制输入,。
步骤106:基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。该步骤主要是通过本实施例设计的分布式自适应容错控制协议进行控制实现,具体的:
由步骤100的条件(1)可知(A1,C1)可检测,所以以上线性矩阵不等式存在正定解户。
由步骤100的条件(3)可知,(Ai,CiAi)可观测,所以能够找到合适的矩阵Fi和Gi,使得以上线性矩阵不等式有正定解。
其中,表示执行器偏差的估计值,表示传感器偏差的估计值,为差值,Hi为正定矩阵,令 表示p×mi个元素为0的矩阵, 表示智能体i对自身全状态信息xi(t)的观测值,表示跟随者i传感器的实际输出信息,Gi表示待设计的矩阵,Pi表示正定解,Ip表示表示p维单位矩阵,表示执行器偏差的估计值的时间导数,表示传感器偏差的估计值的时间导数,Bi和Ci表示智能体i的系统参数矩阵。
根据步骤100的条件(2),(Ai,Bi)可控,所以存在合适的矩阵K1i,使得矩阵Ai+BiK1i所有特征值的实部小于-1。令K2i=Yi-K1iXi,其中,(Xi,Yi)是调节器方程的解。
通过上述设计的控制协议,异构多智能体系统可以利用自身输出信息以及获取的邻居信息,对自身全状态以及领导者状态进行观测,并减弱传感器和执行器偏差对控制系统的影响,以实现上述设计的编队,可以更好地用于实际系统。
下面以考虑一个由6个智能体组成的异构系统组层的编队控制为例,对本发明上述实施例提供的异构线性集群系统时变输出编队跟踪控制方法的优点进行说明。
考虑一个由6个智能体组成的异构系统,系统的通信拓扑如图2所示。其中,领导者编号为i=1,跟随者编号为i=2,…,6。领导者模型构建为:
跟随者模型构建为:
其中,r=5m和w=2rad/s分别是期望圆形编队的半径和角速度。
根据上述实施例中设计的分布式自适应容错控制协议,通过仿真得到多智能体系统0-50s内的运动轨迹。图3表示多智能体系统50s内在X-Y平面内的运动轨迹,图4-6分别表示多智能体系统在t=0s,t=33s和t=50s时刻时,各智能体的相对位置。可以看出系统最后已经实现了设计的编队。
可见,基于上述描述相对于现有技术,本实施例中提供的异构线性集群系统时变输出编队跟踪控制方法具有以下优点:
1)本发明针对异构多智能体系统设计,能够控制不同动力学个体组成的系统形成编队,拓展了编队控制算法的使用场景。
2)本发明设计了自适应容错控制器,使得多智能体系统在传感器和执行器存在偏差故障的情况下,能够减弱故障对系统的影响并形成编队。
对应于上述提供的异构线性集群系统时变输出编队跟踪控制方法,本发明还提供了一种异构线性集群系统时变输出编队跟踪控制系统,如图7所示,该系统包括:异构多智能体系统模型构建模块1、通信拓扑关系模型构建模块2、传感器-执行器故障模型构建模块3、跟随者模型修正模块4、观测模块5、控制输入模型构建模块6和时变输出编队跟踪控制模块7。
异构多智能体系统模型构建模块1用于构建异构多智能体系统模型。异构多智能体系统模型包括领导者模型和跟随者模型。
通信拓扑关系模型构建模块2用于构建异构多智能体系统的通信拓扑关系模型。通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图。
传感器-执行器故障模型构建模块3用于构建传感器故障模型和执行器故障模型。
跟随者模型修正模块4用于基于传感器故障模型和执行器故障模型修正跟随者模型。
观测模块5用于根据修正后的跟随者模型、传感器故障模型和执行器故障模型设计观测器。观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测。
控制输入模型构建模块6用于构建智能体的控制输入模型。
时变输出编队跟踪控制模块7用于基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
其中,时变输出编队跟踪控制模块的具体实施过程是基于时变输出编队跟踪控制单元进行。时变输出编队跟踪控制单元主要用于采用分布式自适应容错控制协议,基于观测器、异构多智能体系统模型和控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。分布式自适应容错控制协议的具体实施过程请参见上述内容。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种异构线性集群系统时变输出编队跟踪控制方法,其特征在于,包括:
构建异构多智能体系统模型;所述异构多智能体系统模型包括领导者模型和跟随者模型;
构建异构多智能体系统的通信拓扑关系模型;所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图;
构建传感器故障模型和执行器故障模型;
基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型;
根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器;所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测;
构建智能体的控制输入模型;
基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
6.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法,其特征在于,所述智能体的控制输入模型为:
其中,表示智能体对自身全状态信息xi(t)的观测值,ξi(t)表示领导者状态x1(t)的观测值,表示领导者状态x1(t)的观测值的时间导数,τi(t)表示定义的时变编队补偿输入,K2i=Yi-K1iXi,(Xi,Yi)是调节器方程,K1i表示矩阵,K1i使Ai+BiK1i中的所有特征值的实部均小于-1,Ai、Bi和Ci均表示智能体i的系统参数矩阵,满足hi(t)=Ciφi(t),hi(t)为多智能体编队函数,aij为权重系数权重矩阵 为差值, 表示对执行器偏差的估计值,表示对传感器偏差的估计值,表示跟随者i传感器的实际输出信息,表示领导者的状态,和均表示领导者的系统参数矩阵,K表示增益矩阵,表示跟随者的控制输入,表示跟随者i执行器的控制输入。
7.根据权利要求1所述的异构线性集群系统时变输出编队跟踪控制方法,其特征在于,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制,具体包括:
采用分布式自适应容错控制协议,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
9.一种异构线性集群系统时变输出编队跟踪控制系统,其特征在于,包括:
异构多智能体系统模型构建模块,用于构建异构多智能体系统模型;所述异构多智能体系统模型包括领导者模型和跟随者模型;
通信拓扑关系模型构建模块,用于构建异构多智能体系统的通信拓扑关系模型;所述通信拓扑关系模型为用于表示领导者与跟随者间通信关系的通信图;
传感器-执行器故障模型构建模块,用于构建传感器故障模型和执行器故障模型;
跟随者模型修正模块,用于基于所述传感器故障模型和所述执行器故障模型修正所述跟随者模型;
观测模块,用于根据修正后的所述跟随者模型、所述传感器故障模型和所述执行器故障模型设计观测器;所述观测器用于对执行器偏差的估计值和传感器偏差的估计值进行观测;
控制输入模型构建模块,用于构建智能体的控制输入模型;
时变输出编队跟踪控制模块,用于基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
10.根据权利要求9所述的异构线性集群系统时变输出编队跟踪控制系统,其特征在于,所述时变输出编队跟踪控制模块包括:
时变输出编队跟踪控制单元,用于采用分布式自适应容错控制协议,基于所述观测器、所述异构多智能体系统模型和所述控制输入模型实现异构线性多智能体系统的时变输出编队跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111613631.7A CN114265315A (zh) | 2021-12-27 | 2021-12-27 | 异构线性集群系统时变输出编队跟踪控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111613631.7A CN114265315A (zh) | 2021-12-27 | 2021-12-27 | 异构线性集群系统时变输出编队跟踪控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114265315A true CN114265315A (zh) | 2022-04-01 |
Family
ID=80830428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111613631.7A Pending CN114265315A (zh) | 2021-12-27 | 2021-12-27 | 异构线性集群系统时变输出编队跟踪控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114265315A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093006A (zh) * | 2023-10-19 | 2023-11-21 | 西北工业大学深圳研究院 | 一种多智能体集群系统自适应固定时间仿射编队控制方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112000108A (zh) * | 2020-09-08 | 2020-11-27 | 北京航空航天大学 | 一种多智能体集群分组时变编队跟踪控制方法及系统 |
-
2021
- 2021-12-27 CN CN202111613631.7A patent/CN114265315A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112000108A (zh) * | 2020-09-08 | 2020-11-27 | 北京航空航天大学 | 一种多智能体集群分组时变编队跟踪控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
HUI CAO 等: "Time-varying output formation tracking of heterogeneous linear multi-agent systems under sensor and actuator faults", 《2021 CHINA AUTOMATION CONGRESS (CAC)》, pages 7063 - 7067 * |
ZHANG REN 等: "Distributed Fault-Tolerant Time-Varying Formation Control for Second-Order Multi-Agent Systems With Actuator Failures and Directed Topologies", 《IEEE》 * |
ZHANG REN 等: "Distributed Time-Varying Output Formation Tracking for Heterogeneous Linear Multiagent Systems With a Nonautonomous Leader of Unknown Input", 《IEEE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117093006A (zh) * | 2023-10-19 | 2023-11-21 | 西北工业大学深圳研究院 | 一种多智能体集群系统自适应固定时间仿射编队控制方法 |
CN117093006B (zh) * | 2023-10-19 | 2024-01-30 | 西北工业大学深圳研究院 | 一种多智能体集群系统自适应固定时间仿射编队控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109379125B (zh) | 一种多智能体编队控制方法及系统 | |
Liu et al. | Robust formation control for multiple quadrotors with nonlinearities and disturbances | |
Rao et al. | Sliding mode control-based autopilots for leaderless consensus of unmanned aerial vehicles | |
Glida et al. | Optimal model-free backstepping control for a quadrotor helicopter | |
Rezaee et al. | Motion synchronization in unmanned aircrafts formation control with communication delays | |
CN107422741B (zh) | 基于学习的保预设性能集群飞行分布式姿态追踪控制方法 | |
CN113342037B (zh) | 具有输入饱和的多旋翼无人机时变编队控制方法及系统 | |
CN110597061A (zh) | 一种多智能体完全分布式自抗扰时变编队控制方法 | |
Dong et al. | Time-varying group formation analysis and design for second-order multi-agent systems with directed topologies | |
Hameduddin et al. | Nonlinear generalised dynamic inversion for aircraft manoeuvring control | |
Yang et al. | Event-triggered finite-time formation control for multiple unmanned aerial vehicles with input saturation | |
CN110658821A (zh) | 一种多机器人抗干扰分组时变编队控制方法及系统 | |
Cong et al. | Formation control for multiquadrotor aircraft: Connectivity preserving and collision avoidance | |
CN110497415B (zh) | 一种基于干扰观测器的多机械臂系统的一致控制方法 | |
CN112904723A (zh) | 非匹配干扰下的空地固定时间协同容错编队控制方法 | |
Dou et al. | Distributed finite‐time formation control for multiple quadrotors via local communications | |
Ali et al. | A Leader‐Follower Formation Control of Multi‐UAVs via an Adaptive Hybrid Controller | |
Ahmad et al. | Variants of the sliding mode control in presence of external disturbance for quadrotor | |
Hou et al. | Event-triggered integral sliding mode formation control for multiple quadrotor UAVs with unknown disturbances | |
CN114265315A (zh) | 异构线性集群系统时变输出编队跟踪控制方法及系统 | |
Enjiao et al. | Finite-time control of formation system for multiple flight vehicles subject to actuator saturation | |
Chung et al. | Cooperative robot control and synchronization of Lagrangian systems | |
CN115903842A (zh) | 一种多智能体编队控制方法、系统及电子设备 | |
CN110162084B (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
CN116483124A (zh) | 一种无线速度测量抗干扰的四旋翼无人机编队控制方法 |
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 |