排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
针对具有参数不确定性和未知外部扰动的Euler-Lagrange多智能体系统,设计一种基于自适应滑模控制的分布式蜂拥算法.该算法使用自适应滑模控制和自适应控制律分别补偿未知的外部扰动与模型中可线性参数化回归的不确定项,从而在实现蜂拥控制的同时,避免智能体对外部扰动先验知识的要求.理论分析表明,在多智能体达成蜂拥的同时,算法保证滑模的自适应增益有界.此外,所提出的算法同时考虑虚拟领导者追踪与基于目标区域的跟踪问题,并给出碰撞避免的条件.最后,通过算例仿真验证所提出算法的有效性. 相似文献
2.
针对具有可参数化线性回归的不确定项的Euler–Lagrange多智能体系统, 提出了一种基于经验回放的自适应蜂拥控制算法. 在系统模型中的不确定项可以被分解为已知的回归矩阵和未知的回归参数的情况下, 该算法通过在线辨识未知参数, 降低了传统自适应蜂拥控制算法中估计参数收敛对持续激励条件的要求, 可以有效地提高蜂拥系统的性能. 利用设计的滤波器, 在获得估计参数量与实际参数的误差信息的同时, 可以避免使用系统状态的导数信息. 本文设计的自适应律不仅保证系统达成蜂拥控制的目标, 还通过记录不同时刻的误差信息, 使得系统在满足间断激励的情况下, 保证估计参数收敛于实际值. 通过LaSalle不变集理论对算法进行了分析, 给出了理论证明. 仿真验证了该算法的有效性. 相似文献
1