自适应事件触发控制的多智能体系统一致性

研究了拓扑结构为有向强连通图的多智能体系统的一致性问题。提出一种新的自适应事件触发控制方案,根据采样数据动态调整触发时间间隔,提高了系统的控制性能。基于Lyapunov稳定性理论和线性矩阵不等式方法,得到多智能系统渐进趋于一致的充分条件。同时,得到一致性条件与触发参数和通信拓扑有关的结论,数值仿真结果进一步验证了理论分析的有效性。     

基于事件触发的三阶多智能体系统一致性控制

针对多智能体间信息通信量大的问题,提出一种事件触发控制策略来研究了三阶多智能体系统在有向固定拓扑下的一致性问题.首先,基于定义的位置、速度和加速度的测量误差,设计了一种新颖的事件触发控制机制.然后,采用矩阵理论和模型变换思想对系统进行了分析和转换,利用Lyapunov理论给出了系统达到一致性的充分条件,且确保了Zeno...     

寻找多智能体系统一致性的迭代学习方法

本文利用迭代学习的方法研究了带头结点的多智能体系统的一致性问题.文中分别对单积分多智能体系统和一般的线性多智能体系统提出了迭代学习型的一致性算法.该算法对每一个从节点所设计的分布迭代学习序列可以保证从节点能完全跟随上头结点.假设头结点是全局可达的,对于有向拓扑连接图,给出了智能体达到完全一致的充分条件.最后,仿真实例说明了文中所给方法的有效性.     

事件触发机制下的二阶多智能体系统的一致性

研究二阶多智能体系统的一致性问题.为了减少智能体之间的信息通信量,给出一种改进的事件触发控制方法, 在该方法下,每个智能体仅在自身事件触发时刻执行控制任务.利用模型转化、线性矩阵不等式方法和Lyapunov稳定性理论给出系统达到一致性的充分条件,同时,理论计算结果表明,系统在所提出的方法下不存在Zeno现象.仿真实例验证了理论分析的有效性.     

自适应事件触发的马尔科夫跳变多智能体系统一致性

针对非线性马尔科夫跳变多智能体系统在有向固定拓扑下的领导跟随一致性问题,为减少智能体间不必要的通信传输,节约网络资源,保证系统性能,提出一种自适应事件触发控制策略.首先,将每一个智能体均视为马尔科夫跳变系统,且马尔科夫链的转移概率部分未知;通过简单的模型转换建立误差系统,将多智能体系统一致性问题转化为误差系统的稳定性问题;在此基础上,构造合适的Lyapunov-Krasovskii泛函并利用Jensen不等式和线性矩阵不等式等技术给出使多智能体系统达到领导跟随一致性的充分条件及控制器设计方法;通过求解线性矩阵不等式可以得到多智能体系统一致性控制器增益矩阵和事件触发参数矩阵;最后,通过数值仿真验证所提出方法的有效性.     

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.     

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.     

网络攻击下多智能体系统动态事件触发一致性

研究网络攻击下一般线性多智能体系统的动态事件触发一致性问题.考虑多智能体系统在受到网络攻击后,被攻击节点的状态会改变,导致与其相应的连接无法工作,设计修复策略恢复被攻击节点及其相应的连接,给出网络攻击下分布式事件触发控制协议.在静态事件触发机制基础上,通过引入动态阈值参数,提出动态事件触发机制.进一步,利用图论、线性矩阵不等式和李雅普诺夫函数方法,给出网络攻击下实现多智能体系统一致性的充分条件,并证明在所提出的动态事件触发条件下,能够有效避免芝诺行为.最后,通过仿真例子来验证理论结果的有效性.     

基于事件触发非线性多智能体系统的固定时间一致性

本文研究了在有向拓扑下,带有非线性动力学多智能体系统的固定时间一致性问题.提出了一种新的基于事件触发机制的非线性控制策略,对于每个智能体给出了基于状态信息的事件触发条件,当状态误差满足所给条件时才触发事件,能有效的减小系统的能量耗散和控制器的更新频次.利用Lyapunov稳定性理论和代数图论,证明在该控制策略下,多智能体系统在固定时间能实现领导跟随一致性,且不存在Zeno行为.相较于有限时间一致性策略,采用固定时间一致性策略系统的收敛时间不再依赖于系统的初始状态.最后,仿真实例验证了理论结果的有效性.     

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.     

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。     

Observer-based distributed adaptive iterative learning control for linear multi-agent systems

This paper investigates the consensus problem for linear multi-agent systems from the viewpoint of two-dimensional systems when the state information of each agent is not available. Observer-based fully distributed adaptive iterative learning protocol is designed in this paper. A local observer is designed for each agent and it is shown that without using any global information about the communication graph, all agents achieve consensus perfectly for all undirected connected communication graph when the number of iterations tends to infinity. The Lyapunov-like energy function is employed to facilitate the learning protocol design and property analysis. Finally, simulation example is given to illustrate the theoretical analysis.     

数据丢包下事件驱动的非线性多智能体迭代学习控制

针对具有随机链路丢包、通信带宽受限以及模型未知的非线性多智能体一致性问题, 提出一种事件驱动的分布式无模型迭代学习控制策略. 首先建立系统的事件驱动决策机制, 给出基于输出信息的通信触发条件, 当该条件满足时触发事件, 各智能体间进行通信, 不满足条件时则不通信, 从而能够有效减少智能体间的大量通信和能量耗散. 其次, 使用伪偏导数将非线性系统沿迭代轴动态线性化, 借助邻居在前一步事件触发时的输出信息设计随机链路丢包补偿机制, 再结合事件驱动通信机制设计分布式控制协议. 在此基础上, 使用压缩映射原理分析算法收敛性能, 仿真结果表明随着迭代次数的增加, 事件触发间隔变大, 所有的智能体将完成对期望轨迹的跟踪.     

Adaptive iterative learning control for high-order nonlinear multi-agent systems consensus tracking

In this work, we present a new distributed adaptive iterative learning control (AILC) scheme for a class of high-order nonlinear multi-agent systems (MAS) under alignment condition with both parametric and nonparametric system uncertainties, where the actuators may be faulty and the control input gain functions are not fully known. Backstepping design with the composite energy function (CEF) structure is used in the discussion. Through rigorous analysis, we show that under this new AILC scheme, uniform convergence of agents output tracking error over the iteration domain is guaranteed. In the end, an illustrative example is presented to demonstrate the efficacy of the proposed AILC scheme.     

离散时变多智能体系统有限时间一致性迭代学习控制

针对一类离散时变多智能体系统,通过引入虚拟领导者产生期望轨迹的方法,将虚拟领导者和所有智能体组成固定的拓扑结构,在此基础上,提出一种离散时间迭代学习控制算法.该算法对多智能体系统中的每个智能体都设计一个控制器,各控制器都是利用上一次迭代时,该智能体与虚拟领导者之间的跟踪误差和该智能体与相邻智能体之间的跟踪误差,通过拓扑结构中通信权值的组合不断修正上一次的控制律,从而获得理想控制律.同时,基于范数理论严格证明所提出算法的收敛性,并给出算法在$\lambda$-范数意义下的收敛条件.该算法能够使离散时变多智能体的输出随着迭代次数的增加在有限时间区间内完全跟踪期望轨迹.理论分析和仿真结果都表明了所提出算法的有效性.     

离散时间非线性系统的数据驱动无模型自适应迭代学习控制

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.     

Event-triggered consensus control for uncertain multi-agent systems with external disturbance

This paper investigates the event-triggered consensus control for a general linear multi-agent system with model uncertainties and external disturbances. A consensus protocol is proposed using the local state information at asynchronous event-triggering time instants, where each agent determines when to perform sampling and control updating using the designed event-triggered condition. Then the robust consensus condition and the feedback matrix design method are derived to make the uncertain multi-agent system reach consensus with a desired disturbance attenuation ability. Furthermore, it is demonstrated that the Zeno behaviour will never occur by giving the lower bound of inter-event time intervals. Finally, a simulation example is given to verify the obtained theoretical results, with the comparison simulation conducted by using the periodic triggering strategy.