基于观测器的多智能体系统自适应跟踪控制

基于带有非线性动态的二阶多智能体系统,研究在有参考领导者条件下的跟踪一致性问题。假设跟随者之间的网络拓扑为有向图。针对跟随者不能得到自己的速度信息,为每个跟随者设计分布式观测器来估计自己的速度,在网络拓扑为有向图且在切换拓扑图的情况下给出基于观测器的自适应控制协议。利用Lyapunov稳定性理论和矩阵理论分析,得到使系统实现一致性的充分条件。仿真结果表明,在局部观测器和控制协议及自适应控制下,跟随者可以跟踪到领导者。     

基于相对位置信息的多智能体系统自适应跟踪控制

针对带有动态领导者的多智能体系统,为了使其达到跟踪一致性,设计只依赖于相对位置信息的自适应跟踪控制律.根据接收到的相对位置信息为每个跟随者设计动态输出反馈控制律,并根据控制律估计出智能体之间的相对速度信息.在此基础上设计自适应跟踪控制律,并且通过Lyapunov 稳定性理论和矩阵理论分析得到使系统达到跟踪一致性的充分条件.最后通过数值仿真验证了所提出的设计方法的有效性.     

事件触发控制多智能体网络点对点一致性

针对具有领导层与跟随者层的多智能体网络点对点的一致性问题进行了研究。为了有效降低多智能体一致性控制协议的更新频率,同时为避免芝诺现象的产生,采用了周期采样与事件触发控制相结合的方案,实现了多智能体网络的点对点一致性。进一步,根据李雅普诺夫稳定性理论,通过建立线性矩阵不等式,给出了领导层与跟随者层网络达到点对点一致性的充分条件。最后,数值仿真进一步验证了理论结果的有效性。     

多智能体时滞网络的加权平均一致性

提出了线性和非线性分布式协调控制器,使多智能体系统取得加权平均一致性.对于线性控制器,考虑网络存在通信时间延迟的情形,给出了能容忍的最大固定时滞的一个紧凑上界.考虑网络结点控制输入的有界约束,给出了一类非线性分布式控制器的收敛性分析.结果说明,网络的连通性是系统取得一致性的关键.最后对时滞网络的情形给出了仿真示例.     

多智能体有向固定网络一致性H∞ 滤波器设计

研究了多智能体有向固定网络的一致性和H∞滤波器设计问题．为了便于滤波器设计,首先对系统模 型进行了变换,进而构造了一致性H∞滤波器的形式,得到了保证多智能体渐近一致并满足H∞干扰衰减性能指标 的充分条件．通过求解一组线性矩阵不等式可以求得滤波器参数．仿真实例证明了所提出方法的有效性．     

基于迭代学习的多智能体系统分布式跟踪控制

文章考虑了具适多智能体系统的分布式跟踪控制问题。通过设计带有初始学习机制的$P$型和$PD^{\alpha}$ 型迭代学习控制策略求解跟踪问题。具适导数具有良好的性质且可以刻画不同步长的实际数据采样情况。初始学习机制放松了初始值条件且提高了算法实现趋同跟踪的性能。在可重复操作环境和有向通信拓扑的假设下,提出了一种分布式迭代学习方案,通过重复同一轨迹的控制尝试和用跟踪误差修正不满意的控制信号来实现有限时间趋同。严格证明了随着迭代次数增加,提出的$P$型和$PD^{\alpha}$ 型迭代学习控制策略使得所有智能体能渐近跟踪上参考轨迹。两个代表性数值仿真验证了算法的有效性。     

基于分布式PID控制的任意阶线性多智能体系统的一致性

研究普通线性多智能体系统在有向拓扑结构下的一致性问题,提出一种基于分布式PID控制的新的一致性协议.\.首先通过变量转换将一致性问题转变为误差系统的渐近稳定问题;然后构造Lyapunov函数,基于线性矩阵不等式(LMI)给出系统实现一致性的充分条件;最后通过仿真与纯比例控制作了比较.仿真结果表明,系统的结构拓扑图在存在全局可达节点的条件下,通过选择合适的PID参数,可克服噪声的干扰,缩短系统的收敛时间.     

多智能体有向网络的加权平均一致性

对多智能体有向网络的一致性问题进行了研究。提出了加权平均一致性的新概念,基于一类分散协调控制器使多智能体网络在固定的网络拓扑取得全局渐近加权平均一致性。从理论上证明了有向网络的强连通性及一类称为平衡图的有向图在解决加权平均一致性问题中扮演着关键角色。最后,给出了一个仿真示例,对理论结果进行了验证。     

基于影响力网络模型的多智能体一致性协议

如何增强系统一致性是多智能体系统研究中的一个重要问题。传统一致性协议通常未考虑拓扑中的关键节点,并且拓扑权重单一,从而导致系统更容易分裂。基于人际关系网络中的关键人物可以促进不同社区信息交流的思想,提出了一种影响力网络模型（influence network model,INM）。首先,提出了分布式的Hub Node识别算法（distributed hub node identify algorithm,DHNI）,用于区分关键节点和非关键节点,可以应用在分布式多智能体系统中。其次,提出了基于分布式hub node的拓扑权重设计算法（distributed hub node-based topology reweighting algorithm,DHNTR）,量化不同节点对其邻居的影响力。最后提出了基于影响力网络的一致性协议。设计了公共Lyapunov函数,分析了系统的全局稳定性,证明了系统具有Lyapunov意义下的稳定性。仿真实验表明该协议可以增强系统一致性。     

基于滑模观测器的多智能体一致性控制

本文针对速度不可测下的多智能体系统提出一种基于滑模观测器的有限时间一致性控制算法.首先, 利用滑模观测器在有限时间内估计每个智能体的速度信息. 然后,利用估计信息设计非奇异终端滑模控制律,该控制律能够保证智能体系统在有限时间内达到一致性. 最后,通过数值仿真验证了该一致性控制算法的有效性.     

基于云计算的多机器人目标智能跟随控制研究

随着信息智能化的快速发展,机器人在工作过程中面临着大量的数据计算、存储与调度等问题,结合多机器人协同工作,提出了基于云计算的多机器人目标智能跟随控制方法.通过人机载距传感器对多机器人以及跟踪目标进行定位,建立二维坐标系的局部地图.以目标的运动状态为基础,对其运动方向和速度进行预测,为每个机器人创建独自的跟踪器来预估目标的跟随状态,将最大近似概率和对应的测量数据、跟踪轨迹进行关联,直到所有的测量数据或跟踪轨迹全部关联完毕.采用松散耦合架构的设计方法对云服务平台的基础层进行设计,为了降低云服务系统的复杂性以及耗时性,采用容器批量部署方式的微服务体系,将各个小服务的代码与环境进行隔离.实验结果表明,所提方法不仅实现了多机器人对目标的良好跟踪,还可以通过云操作系统进行任务分配,稳定高效地完成目标智能跟踪与相互协作.     

基于多代理的桌面应用分布式迁移工具

该文提出了一种把开放应用接口的单机应用程序从桌面应用环境向分布式应用环境迁移的方法,基于多代理的客户端/服务器结构设计并实现了一个开放式的分布式迁移工具,在Office/AutoCad等应用程序上成功应用。     

Consensus for Agents with Double Integrator Dynamics in Heterogeneous Networks

This paper studies the convergence properties of consensus algorithms for agents with double integrator dynamics communicating over networks modelled by undirected graphs. The positions and velocities of the agents are shared along heterogeneous, i.e. different, undirected communication networks. The main result is that consensus can be achieved, even though the networks along which position and velocity information are shared are different, and not even connected. Insights on the consensus rate are given based only on the topological properties of the network.     

基于多信息融合的多目标跟踪方法研究

在线多目标跟踪作为计算机视觉和人工智能方面的一个研究热点,随着深度学习的发展取得了较大的进展。但是依然存在诸如复杂场景跟踪准确度低等亟待解决的问题。针对多目标跟踪研究中存在的行人特征信息较少、跟踪目标被遮挡等问题,提出了一种融合表观信息、轨迹历史信息和目标运动信息的多目标跟踪方法,通过专门设计的双分支网络结构和损失函数使模型在学习时将三种信息相互融合;改进相似性分数计算方法获得更多的特征信息,提取更为鲁棒的特征。多信息融合的多目标跟踪方法在计算方面开销较少,能够在测试时达到实时的效果。并且,通过相关实验验证,基于多信息融合的多目标跟踪方法能够在MOT16数据集上达到很好的性能,可以更好的处理目标遮挡、目标误检及目标丢失等情况。     

多模型协作的分块目标跟踪

为了解决复杂场景下,基于整体表观模型的目标跟踪算法容易丢失目标的问题,提出了一种多模型协作的分块目标跟踪算法.融合基于局部敏感直方图的产生式模型和基于超像素分割的判别式模型构建目标表观模型,提取局部敏感直方图的亮度不变特征来抵制光照变化的影响;引入目标模型的自适应分块划分策略以解决局部敏感直方图算法缺少有效遮挡处理机制的问题,提高目标的抗遮挡性;通过相对熵和均值聚类度量子块的局部差异置信度和目标背景置信度,建立双权值约束机制和子块异步更新策略,在粒子滤波框架下,选择置信度高的子块定位目标.实验结果表明,该方法在复杂场景下具有良好的跟踪精度和稳定性.     

一种基于改进CAMshift的多特征跟踪算法

针对传统CAMshift跟踪算法在复杂环境中跟踪效果不理想的问题,论文提出融入基于纹理特征的SURF算法与改进CAMshift算法形成多特征融合跟踪算法。通过基于色调分量H和饱和度分量S联合生成目标直方图模板,利用完整的目标颜色信息特征增强算法对复杂环境的适应能力。为进一步提高算法的鲁棒性,利用SURF算法实现跟踪目标的重定位,克服了复杂环境下丢失目标后跟踪问题。实验证明,论文提出的多特征融合算法在保持理想的鲁棒性和准确性的同时,也提高了跟踪的实时性。     

Event-Triggered Asymmetric Bipartite Consensus Tracking for Nonlinear Multi-Agent Systems Based on Model-Free Adaptive Control

In this paper, an asymmetric bipartite consensus problem for the nonlinear multi-agent systems with cooperative and antagonistic interactions is studied under the event-triggered mechanism. For the agents described by a structurally balanced signed digraph, the asymmetric bipartite consensus objective is firstly defined, assigning the agents’ output to different signs and module values. Considering with the completely unknown dynamics of the agents, a novel event-triggered model-free adaptive bipartite control protocol is designed based on the agents’ triggered outputs and an equivalent compact form data model. By utilizing the Lyapunov analysis method, the threshold of the triggering condition is obtained. Subsequently, the asymptotic convergence of the tracking error is deduced and a sufficient condition is obtained based on the contraction mapping principle. Finally, the simulation example further demonstrates the effectiveness of the protocol.      

Adaptive Statistic Tracking Control Based on Two-Step Neural Networks With Time Delays

This paper presents a new type of control framework for dynamical stochastic systems, called statistic tracking control (STC). The system considered is general and non-Gaussian and the tracking objective is the statistical information of a given target probability density function (pdf), rather than a deterministic signal. The control aims at making the statistical information of the output pdfs to follow those of a target pdf. For such a control framework, a variable structure adaptive tracking control strategy is first established using two-step neural network models. Following the B-spline neural network approximation to the integrated performance function, the concerned problem is transferred into the tracking of given weights. The dynamic neural network (DNN) is employed to identify the unknown nonlinear dynamics between the control input and the weights related to the integrated function. To achieve the required control objective, an adaptive controller based on the proposed DNN is developed so as to track a reference trajectory. Stability analysis for both the identification and tracking errors is developed via the use of Lyapunov stability criterion. Simulations are given to demonstrate the efficiency of the proposed approach.      

一种高效的总线网络分布式协商算法

为了解决总线网络中的分布式数据一致性问题,提出了一种高效的分布式协商算法。该算法通过“模”运算将分布式决策问题转化为单机决策,提高了算法的效率,减少了所需的消息数。通过消息复用方式减少了算法的消息种类,缩短了响应延迟。性能分析和仿真试验表明,该算法将消息复杂度压缩至O(1)和时间复杂度压缩至(T+E)×|Cset|+2×T（其中,Cset是并发集,T是点到点通信的平均延迟;E是每次临界操作的平均延迟）。     

基于改进的FNNs移动机械臂输出反馈跟踪控制

针对包含电机动态模型的移动机械臂系统,提出一种鲁棒自适应输出反馈控制方法.将误差符号函数鲁棒积分反馈与神经网络前馈结构相结合用于控制器的设计,然后利用神经网络去逼近机器人和电机系统的不确定项,设计鲁棒项实时补偿网络误差.通过Lyapunov稳定性分析证明闭环系统所有信号半全局一致有界.最后仿真实验表明,控制方法对系统动态不确定性和外界干扰有很好的鲁棒性,可实现移动机械臂的输出反馈跟踪控制.