×
Yang，Yang；陈，滴滴；刘启东；岳、董

基于扰动观测器的非线性多智能体系统基于预测的二部时变编队控制。 （英语） 兹比尔1528.93019

国际J鲁棒非线性控制 32，编号9，5694-5716（2022）.
编队控制是多智能体系统中的关键控制问题之一。在本文中，我们将传统的编队扩展到结构平衡符号图中的二部编队，并针对具有未知外部扰动和非对称输入饱和约束的MAS提出了一种二部编群控制策略。神经网络用于逼近跟随器的动力学，并通过预测误差改善其瞬态性能。在此基础上，构造了一种基于神经网络的非线性扰动观测器（NDO）来估计包括外部扰动和神经网络逼近误差在内的广义扰动。为了减少学习参数的数量，引入了一种神经网络权重的归一化方法，并将其应用于所提出的NDO。构造了一个辅助系统来补偿非对称输入饱和，并且不需要访问未知的控制增益。进行了稳定性分析，证明了MAS中的所有信号都是有界的。数值模拟和一组四旋翼机实例证实了该策略的有效性和可行性。
｛©2022 John Wiley&Sons有限公司｝

MSC公司：

93甲16 多代理系统
93立方厘米10 控制理论中的非线性系统
93B53号 观察员

关键词：

二分形成；扰动观测器；动态表面控制；神经网络
PDF格式BibTeX公司 XML格式引用
\textit{Y.Yang}等，国际鲁棒非线性控制32，No.9，5694-5716（2022；Zbl 1528.93019）
全文： 内政部

参考文献：

[1] 彭泽、王杰、王德、韩秋林。综述了多自主水面车辆协调控制的最新进展。IEEE Trans Ind信息。2021;17(2):732‐745.
[2] ZhangX、HanQ、GeX等。网络控制系统：趋势和技术调查。IEEE/CAA J自动化标准。2020;7(1):1‐17.
[3] 秦杰、福伟、郑伟X、高赫。关于具有输入饱和的一般线性多智能体系统的双方共识。IEEE Trans Cybern公司。2017;47(8):1948‐1958.
[4] YuZ、QuY、ZhangY。执行器故障和输入饱和条件下多无人机分布式容错协同控制。IEEE变速器控制系统技术。2019;27(6):2417‐2429.
[5] Liu L、Wang D、PengZ、ChenCLP、LiT。目标动力学不确定条件下欠驱动自主式水面车辆目标跟踪的有界神经网络控制。IEEE Trans Neural Netw学习系统。2019;30(4):1241‐1249.
[6] 安熙康（AhnH KangS）。具有移动先导的多智能体系统的分布式自适应编队控制律的设计与实现。IEEE Trans Ind Electron公司。2016;63(2):1268‐1279.
[7] Deghat M、Anderson BDO、LinZ。组合植绒和基于距离的多智能体编队形状控制。IEEE Trans Automat控制。2016;61(7):1824‐1837. ·Zbl 1359.93313号
[8] HuaY、DongX、LiQ、RenZ。具有执行器故障和定向拓扑的二阶多智能体系统的分布式容错时变编队控制。IEEE Trans Circuits Syst II实验简介。2018;65(6):774‐778.
[9] SunY、JiZ、QiQ、HuiziM。具有间歇性交互的多智能体系统的双方共识。IEEE接入。2019;7:130 300‐130 311.
[10] LiS、ZhangJ、LiX、WangF、LuoX、GuanX。具有不确定性的异质离散时间非线性多智能体系统的编队控制。IEEE Trans Ind Electron公司。2017;64（6）：4730‐4740。
[11] YuJ、DongX、LiQ、RenZ。基于自适应神经网络的二阶非线性多智能体系统的实际时变编队跟踪。IEEE Trans Neural Netw学习系统。2018;29(12):6015‐6025.
[12] SunY、JiZ、LiuK。交换拓扑下一般线性多智能体系统基于事件的共识。复杂性。2020;2020:5972749. ·Zbl 1435.93031号
[13] HuG DongX。具有多个先导的线性多智能体系统的时变编队跟踪。IEEE Trans Automat控制。2017;62(7):3658‐3664. ·Zbl 1370.93011号
[14] DongX、HuaY、ZhouY、RenZ、ZhongY。多旋翼无人机编队控制理论与实验。IEEE Trans-Autom Sci Eng.2018；16(1):229‐240.
[15] GeX、HanQ、ZhangX。在非周期采样和通信延迟条件下实现多智能体系统的集群形成。IEEE Trans Ind Electron公司。2018;65(4):3417‐3426.
[16] DongX、ZhouY、RenZ、ZhongY。适用于四旋翼编队飞行的切换拓扑二阶多智能体系统的时变编队跟踪。IEEE Trans Ind Electron公司。2017;64(6):5014‐5024.
[17] ZuoS、LewisFL、SongY、DavoudiA。有符号有向图上异构多智能体系统的二部输出同步。Int J鲁棒非线性控制。2018;28(13):4017‐4031. ·Zbl 1397.93015号
[18] CaiY、ZhangH、YuR、HeQ。基于事件触发传输机制的异构线性多智能体系统的完全分布式二方输出一致性。国际J鲁棒非线性控制。2020;30(8):3382‐3410. ·Zbl 1466.93102号
[19] 张赫、陈杰。有符号图上多智能体系统的二部分一致性：状态反馈和输出反馈控制方法。国际J鲁棒非线性控制。2017;27(1):3‐14. ·Zbl 1353.93011号
[20] MaC、XieL。领导者遵循测量噪声双方共识的必要和充分条件。IEEE Trans-Syst Man-Cybern系统。2020;50(5):1976‐1981.
[21] 张毅、刘毅。非线性二阶多智能体系统在没有速度约束的情况下进行对抗性交互。应用数学计算。2020;364:124667. ·Zbl 1433.93010号
[22] 刘M、王X、李Z。具有匹配不确定性和对抗性交互的高阶多智能体系统的鲁棒双方共识和跟踪控制。IEEE Trans-Syst Man-Cybern系统。2020;50(7):2541‐2550.
[23] 刘杰、李赫、罗杰。合作竞争网络拓扑下不确定参数网络化Euler‐Lagrange系统的双方共识。IEEE控制系统说明书。2019;3（3）：494‐498。
[24] ZongC、JiZ、TianL、ZhangY。基于具有时变延迟的双方共识的分布式多机器人编队控制。IEEE接入。2019;3:144 790‐144 798.
[25] 王伟，黄C，黄CX，曹J，卢杰，王L。具有混合脉冲的二阶非线性多智能体系统的二部形成问题。应用数学计算。2020;370:124926. ·Zbl 1433.93009号
[26] WangJ、HanL、DongX、LiQ、RenZ。多智能体系统的二部对抗时变编队跟踪。2019年中国控制会议记录；2019:6118‐6123.
[27] 邹伟、郭杰、湘姿。采样数据负责人——遵循无速度测量的二阶非线性多智能体系统的共识。国际J鲁棒非线性控制。2018;28:5634‐5651. ·Zbl 1408.93005号
[28] LiuC、WangH、LiuX、Zhuy、LuS。零动态严格反馈非线性系统的自适应规定性能跟踪控制。国际J鲁棒非线性控制。2019;29:6507‐6521. ·Zbl 1447.93173号
[29] ChoiYH，YooSJ。一类控制方向未知的不确定非线性多智能体系统基于最小逼近的分布式一致性跟踪。IEEE Trans Cybern公司。2017;47(8):1994‐2007.
[30] 王德、黄杰。一类严格反馈形式的不确定非线性系统的基于神经网络的自适应动态表面控制。IEEE Trans Neural Netw。2005;16(1):195‐202.
[31] 彭泽、王德、王杰。严格反馈形式的不确定非线性系统基于预测器的神经动态表面控制。IEEE Trans neural Netw学习系统。2017;28(9):2156‐2167.
[32] 王伟（WangW），TongS。多个严格反馈非线性系统一致性的自适应模糊有界控制。IEEE Trans Cybern公司。2018;48(2):522‐531.
[33] 许斌。使用神经网络和DOB的柔性连杆机械手的复合学习控制。IEEE Trans-Syst Man-Cybern系统。2018;48(11):1979‐1985.
[34] MengR、ChenS、HuaC、QianJ、SunJ。基于扰动观测器的输入饱和不确定QUAV输出反馈控制。神经计算。2020;413:96‐106.
[35] GeSS的ChenM。基于扰动观测器的不确定非线性系统的自适应神经输出反馈控制。IEEE跨行业电子。2015;62(12):7706‐7716.
[36] LiH、BaiL、ZhouQ、LuR、WangL。具有输入饱和的随机非严格反馈非线性系统的自适应模糊控制。IEEE Trans-Syst Man-Cybern系统。2017;47(8):2185‐2197.
[37] ShenQ、ShiP、AgarwalRK、ShiY。多约束非线性系统的自适应神经网络滤波器设计。IEEE Trans Neural Netw学习系统。2020;32（7）：3256‐3261。
[38] ShenQ、ShiP、ZhuJ、WangS、ShiY。非线性多智能体系统的基于神经网络的分布式自适应控制。IEEE Trans Neural Netw学习系统。2019;31(3):1010‐1021.
[39] HuangC、ZhangX、LamHK、TsaiSH。使用基于模糊模型的方法对带有反应扩散项的非线性复杂网络进行同步分析。IEEE Trans Fuzzy系统。2021;29(6):1350‐1362.
[40] ShenQ、ShiY、JiaR、ShiP。设计基于2型模糊的分布式监督控制，具有类反冲滞后。IEEE Trans Fuzzy系统。2020;29(2):252‐261.
[41] ShenQ、ShiP、WangS、ShiY。一类具有未建模动态的非线性系统的模糊自适应控制。国际J自适应控制信号处理。2019;33(4):712‐730. ·Zbl 1417.93195号
[42] HuangC、LuJ、ZhaiG、CaoJ、LuG、PercM。概率布尔网络的概率稳定性和稳定性。IEEE Trans Neural Netw学习系统。2021;32（1）：241‐251。
[43] 张毅、王德、彭茨、LiT。mimo严格反馈形式的不确定多智能体系统的分布式控制机动。IEEE Trans-Syst Man-Cybern系统。2021;51(2):1354‐1364.
[44] 高YF、SunXM、WenCY、WangW。一类具有输入饱和的随机不确定非线性系统的自适应跟踪控制。IEEE Trans Automat控制。2016;62(5):2498‐2504. ·Zbl 1366.93715号
[45] 是的，马，张。具有滞后输入不确定性的非线性多智能体系统的二部跟踪控制的规定性能。IEEE Trans Cybern公司。2018;49(4):1327‐1338.
[46] Zhang T、GeSS、HangCC。利用改进的lyapunov函数对一类非线性系统进行稳定自适应控制。IEEE Trans Automat控制。2000;45(1):129‐132. ·Zbl 0972.93061号
[47] QinJ，Zhang G，ZhenWX，KangY。一类具有执行器故障的非仿射非线性多智能体系统的基于神经网络的自适应一致性控制。IEEE Trans Neural Netw学习系统。2019;30(12):3633‐3644.
[48] 哦，ChungW。基于扰动观测器的冗余机械手运动控制，采用惯性解耦动力学。IEEE Trans Mechatron公司。1999;4(2):133‐146.
[49] 贝托卢佐姆，布加加斯，斯坦帕奇亚。高带宽转矩扰动补偿器的性能分析。IEEE Trans Mechatron公司。2004;9(4):653‐660.
[50] 李永明、邵成彤、铁山。互联非线性纯反馈系统的自适应模糊输出反馈动态表面控制。IEEE Trans Cybern公司。2015;45(1):138‐149.
[51] An‐MinZ、Zeng‐GuangH、MinT。一类非线性纯反馈系统的模糊反推自适应控制。IEEE Trans Fuzzy系统。2008;16(4):886‐897.
[52] 国博智、赵博智。关于跟踪微分器的收敛性。国际J控制。2011;84(4):693‐701. ·Zbl 1246.93085号
[53] SongY、HeL、ZhangD、QianJ、FuJ。四轮无人机的神经自适应容错控制：一种更经济的解决方案。IEEE Trans Neural Netw学习系统。2019;30(7):1975‐1983.
[54] JiZ、LinH、Shaobin C、Qingyuan Q、HuiziM。多智能体可控性的完全图形表征的复杂性。IEEE Trans Cybern公司。2020;51(1):64‐76.
[55] QuJ、JiZ、ShiY。公平划分下多智能体系统可控性的图形条件。IEEE Trans Cybern公司。2020;51(9):4661‐4672.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。