多智能体系统的事件触发无模型迭代学习双向一致性

针对未知模型的非线性离散时间多智能体系统,研究基于事件触发迭代学习双向一致性问题.首先,利用紧凑形式动态线性化方法,建立多智能体系统的动态线性化数据模型,提出一种该数据模型的参数估计算法;其次,基于该数据模型设计输出观测器和死区控制器,并结合信号图论,构建一种事件触发分布式无模型迭代学习双向一致性控制策略;然后,通过设计李雅普诺夫函数对该控制策略的收敛性进行严格的证明;最后,通过数值仿真进一步验证该控制协议的正确性和有效性.     

基于事件触发的二阶多智能体系统平均一致性

针对二阶多智能体系统在固定无向拓扑下的平均一致性问题,为减少不必要的资源浪费,给出一种基于事件触发控制的一致性算法．首先,针对每个智能体设计基于状态误差形式的触发函数,只有当状态误差达到特定值时智能体才触发事件,在两个相邻事件触发时刻之间保持控制输入不变．然后,利用模型转换思想将系统的一致性问题转化为稳定性问题,并利用矩阵理论和李亚普诺夫理论给出系统达到平均一致的充分条件．最后,通过仿真实验验证该理论方案的有效性.     

基于事件触发的二阶多智能体领导跟随一致性

研究二阶多智能体系统在固定有向拓扑下的领导跟随一致性问题.为了节省网络和计算资源,给出一种基于事件触发控制的一致性算法.针对每个跟随者智能体,设计基于状态误差形式的触发函数,只有当状态误差满足一定条件,即触发函数取值为零时智能体才触发事件,同时更新并传递自身的采样信息,在两个相邻事件触发时刻之间,控制输入只受领导者控制信号的影响.利用模型变换、矩阵理论和Lyapunov稳定性理论给出多智能体系统达到领导跟随一致性的充分条件.仿真结果验证了理论方案的可行性和有效性.     

基于事件触发的离散多智能体二分一致性

针对一阶离散多智能体系统,研究了事件触发控制下的二分一致性问题.首先考虑智能体间通信拓扑结构为无向连通结构平衡图的情形,针对各智能体设计事件触发控制,包括仅依赖于自身及邻居智能体采样状态的控制输入,以及仅依赖自身状态的事件触发条件,实现了对通信资源的节约利用.基于图论、离散系统稳定性理论,证明系统能够实现二分一致性.同时,合理设置控制输入及事件触发条件中参数,保证系统不存在Zeno现象.之后,进一步分析设计了包含有向生成树的结构平衡图下,多智能体系统的事件触发控制.最后利用仿真实例验证了理论结果的有效性.     

组合连通拓扑下基于事件触发的多智能体快速一致性算法

针对组合连通拓扑下多智能体系统控制过程中存在通信和计算资源损耗大以及系统收敛速度慢等问题,提出一种新的具有状态预测器的事件触发一致性控制协议,通过设计状态预测器使每个智能体都能对其邻居智能体的未来状态作出预测;同时,对于智能个体给出了基于状态信息的事件触发条件,当状态误差满足该条件才触发事件.在该控制策略下多智能体系统可在节约通信和计算资源的同时具有更快的收敛速度.利用Lyapunov稳定性理论和代数图论,证明了所提事件触发控制策略能够有效实现组合连通拓扑结构下的平均一致性,且不存在Zeno行为.仿真实例进一步验证了理论结果的有效性.     

基于事件驱动的多智能体有限时间分群一致控制

针对二阶线性多智能体系统的分群一致控制问题,考虑智能体通信拓扑同时包含协作和对抗关系,提出一种基于事件驱动控制的有限时间分布式领航跟随分群一致性算法,该算法可使多智能体系统在有限时间内实现分群一致,即各子组内的智能体实现状态一致,不同子组收敛至不同一致状态.采用事件驱动控制机制,设计事件驱动函数及事件触发条件,降低智能体控制器更新频率,减少系统能耗.基于代数图论和李雅普诺夫稳定性理论推导出系统的有限时间稳定性条件,通过巧妙构造Lyapunov函数,给出系统有限收敛时间的显式估计,同时证明在所提出的事件驱动机制下,每个智能体相邻触发时间间隔有严格的正下界,即避免了芝诺行为.仿真实验验证了所提出的有限时间事件驱动分群一致控制算法的有效性.     

事件触发下多智能体系统一致性的干扰主动控制

本文针对带有外部干扰影响的多智能体系统,研究了基于事件触发机制下的多智能体系统Leader-Following一致性的控制问题.采用干扰观测器来估计系统中存在的干扰,并设计了基于事件触发机制的干扰主动控制方案.运用现代控制理论和矩阵论等工具分析了多智能体协同运动算法得到了多智能体系统在分布式事件触发机制下的一致性收敛条件,并且分析了本文设计的分布式事件触发机制的时间间隔存在正的下界.最后通过计算机仿真,验证了本文所提控制算法的有效性.     

基于事件触发的时变拓扑多智能体系统编队控制

针对资源受限的时变拓扑多智能体系统的编队控制问题,提出一种基于复合误差信息事件触发机制以减少不必要的信息传输,降低带宽占用,并设计了多智能体系统的编队控制协议和分布式事件触发机制.通过将多智能体系统的编队控制问题转化为闭环延时系统的稳定性问题,构造Lyapunov-Krasovskii函数并利用线性矩阵不等式技术,给出多智能体系统实现编队的充分条件.最后,通过仿真验证了所提出方法的有效性.     

基于事件驱动的二次凸优化问题分布式优化算法

针对多智能体系统中等式约束下的二次凸优化问题,给出一种事件驱动机制下的分布式优化算法.该算法可以降低每个智能体控制协议的更新频率以及智能体之间的通信负担.基于图论和李雅普诺夫函数方法给出两种不同的事件触发条件,其中第2种事件触发条件不需要拉普拉斯矩阵的最大特征根的信息,可实现算法全分布式实施.两种事件触发条件均可实现算法渐近收敛到优化值,避免智能体控制协议的连续更新以及智能体之间的连续通信,同时保证每个智能体相邻事件触发时刻的时间间隔大于0,避免持续事件触发.将所提出的算法应用于Matlab仿真环境中进行仿真验证,仿真结果验证了所提出算法的有效性.     

事件触发间歇通讯下多智能体系统的固定时间分布式优化

针对多智能体系统的分布式优化问题,提出一种新的事件触发非周期间歇通讯控制方法,并研究该控制方法下系统的固定时间收敛性.首先,考虑一类更一般的分布式优化问题,其优化目标是局部目标函数的凸组合.其次,为了减少控制过程中智能体之间的通讯花费,设计一种新的事件触发间歇控制协议.通过引入两个辅助动力系统,并运用固定时间稳定性理论、代数图论和不等式放缩技巧,证明智能体的状态在固定时间内达到一致并渐近收敛到优化问题的最优解.结合事件触发条件以及间歇控制机制,排除控制过程中的Zeno行为.最后,通过数值仿真验证所得结论的有效性.     

基于事件触发控制的二阶多智能体的一致性

研究二阶多智能体系统在固定有向拓扑下的一致性问题。为减少不必要的网络带宽资源的浪费,给出一种基于事件触发控制的一致性算法。该算法基于状态误差对系统中的所有个体建立事件触发函数,使得个体之间的信息通讯和控制信号更新仅在事件触发时刻进行。采用矩阵理论和模型变换思想对系统进行了分析和转化,并利用Lyapunov理论给出了系统达到渐近一致的充分条件。仿真结果验证了理论方案的有效性。     

Event-triggered control for mitigating SIS spreading processes

In this paper, we investigate the problem of designing event-triggered controllers for containing epidemic processes in complex networks. We focus on a deterministic susceptible–infected–susceptible (SIS) model, which is one of the well-known, fundamental models that capture the epidemic spreading. The event-triggered control is particularly formulated in the context of viral spreading, in which control inputs (e.g., the amount of medical treatments, a level of traffic regulations) for each subpopulation are updated only when the fraction of the infected people in the subpopulation exceeds a prescribed threshold. We analyze the stability of the proposed event-triggered controller and derive a sufficient condition for a prescribed control objective to be achieved. Moreover, we propose a novel emulation-based approach towards the design of the event-triggered controller, and show that the problem of designing the event-triggered controller can be solved in polynomial time using a geometric programming. We illustrate the effectiveness of the proposed approach through numerical simulations using an air transportation network.     

Bearing-based formation stabilization using event-triggered control

This article studies two distributed bearing-based event-triggered schemes to achieve formation stabilization. We focus on systems with double-integrator dynamics with bearings sensing capabilities. Firstly, we propose a bearing-only event-triggered condition (ETC) that is edge-dependent which drives the control updates of the agents using only information dependent on relative sensed quantities. Secondly, along with bearing measurements we make use of local agent state measurements to arrive at an ETC that uses this collective measurement to drive the sensing and control updates of an agent. In doing so, we propose a new control law that renders the final formation stationary. Simulations are provided to verify the validity of the proposed algorithms.     

Sparse event-triggered control of linear systems

In event-triggered control, a situation where the control input must be sparse often arises. Therefore, in this study, we propose sparse event-triggered control, meaning that the control input is sparse and updated in an event-triggered manner. First, we present a model-based method for sparse event-triggered control of linear systems, where the event condition is defined by a Lyapunov function. The resulting control input is proven to be sparse and the control system is confirmed to be asymptotically stable. Second, we extend it to a data-driven version, where the event condition is adaptively updated from online data on the state trajectory. Finally, we discuss the possibility of extending our framework to two cases of disturbance and nonlinear dynamics.     

Sampled-data based distributed convex optimization with event-triggered communication

This paper studies the distributed convex optimization problem for multi-agent systems over undirected and connected networks. Motivated by practical considerations, we propose a new distributed optimization algorithm with event-triggered communication. The proposed event detection is decentralized, sampled-data and not requires periodic communications among agents to calculate the threshold. Based on Lyapunov approaches, we show that the proposed algorithm is asymptotically converge to the unknown optimizer if the design parameters are chosen properly. We also give an upper bound on the convergence rate. Finally, we illustrate the effectiveness of the proposed algorithm by a numerical simulation.     

工业信息物理系统数据注入攻击的事件触发弹性控制

工业信息物理系统(ICPS)恶劣的工业环境使得无线通信网络的通信资源有限, 且通信网络的脆弱性使得系统的稳定性容易受到数据注入攻击的破坏. 本文基于输入到状态理论, 采用H1观测器、预测器和事件触发器建立基于事件触发的ICPS模型来降低通信资源的利用率, 并构造基于改进卡尔曼滤波器的攻击补偿模块进行攻击补偿, 攻击补偿模块的参数随着攻击者攻击策略不同而进行改变, 实现对数据注入攻击的弹性控制. 用matlab软件进行仿真实验, 以倒立摆作为被控对象, 模拟基于事件触发的ICPS模型受到数据注入攻击时系统的稳定性能. 仿真结果表明, 事件触发控制策略和基于改进卡尔曼滤波器的攻击补偿模块的组合不仅能够保证系统期望的稳定性, 还能有效减少数据通过无线网络传输的次数.     

多通道解耦事件触发机制及其在光电传感网络中的应用

针对传感器网络融合估计中由能量受限引发的通信资源受限问题,提出了一种基于多通道解耦的事件触发量测传输机制.单独设计各传感器输出分量的事件触发条件并给出了估计算法误差有界性的条件,在保证融合估计精度的同时,可一定程度上降低传感器网络数据传输量.与现有三种方法的对比仿真结果以及火力控制系统中的光电传感网络实例,表明了所提算法的有效性和工程应用的可行性.