×
张婷;李俊敏

具有有限信息通信和输入饱和的非线性多智能体系统的量化迭代学习控制。 （英语） 兹伯利07816125

J.富兰克林研究所。 361，编号3，1620-1630（2024）.
摘要：本文利用迭代学习控制（ILC）研究非线性多智能体系统（MAS）的量化一致性问题。对于实际的数字通信网络，代理只能以有限的带宽传输状态信息。因此，使用具有有限数量量化比特的Sigma-Delta量化器来满足通信网络的要求。此外，输入饱和和时延等网络问题的引入使该问题更具实际意义。由于量化引起的不连续性，需要菲利波夫的非光滑分析理论来分析MAS的收敛性能。所需的渐近一致性可以通过有限的量化信息实现，甚至可以在每对相邻代理之间使用一个比特。最后，通过数值模拟验证了理论分析的有效性。

理学硕士：

93B47码 迭代学习控制
93立方厘米 控制理论中的非线性系统
93甲16 多代理系统
93立方62 数字控制/观测系统

关键词：

多智能体系统;Sigma-Delta量化;迭代学习控制;非线性动力学;输入饱和
PDF格式BibTeX公司 XML格式引用
\textit{T.Zhang}和textit{J.Li}，J.Franklin Inst.361，No.3，1620--1630（2024；Zbl 07816125）
全文： 内政部

参考文献：

[1] Chen，G.Y。；Kang，Y。；张，C。；Chen，S.F.，《离散时间多智能体系统对丢包信道的共识》，J.Franklin Inst.，358，13，6684-6704（2021）·Zbl 1470.93142号
[2] 陈建新。；Li，J.M。；Yuan，X.X.，具有不精确通信拓扑结构的高阶多智能体系统的分布式模糊自适应一致性，模糊集与系统，402，1-15（2021）·Zbl 1464.93034号
[3] Zheng，Y.S.先生。；Ma，J.Y。；Wang，L.，混合多智能体系统共识，IEEE Trans。神经网络。学习。系统。，29, 4, 1359-1365 (2018)
[4] Li，C.J。；Liu，G.P.，具有切换拓扑和时变延迟的非线性网络化多智能体系统的数据驱动共识，IET控制理论应用。，12, 12, 1773-1779 (2018)
[5] 张杰。；刘，S。；Zhang，X.F.，带量化的非线性多智能体系统的输出反馈分布式共识，信息。科学。，585, 246-261 (2022)
[6] 邹，W.C。；Xiang，Z.R。；Ahn，C.，带噪声和未建模动力学的二阶非线性多智能体系统的均方领导一致性，IEEE Trans。系统。天啊，赛博。系统。，19, 12, 2478-2486 (2019)
[7] 周，L.Q。；刘杰。；郑永生。；肖，F。；Xi，J.X.，混合多智能体系统的基于游戏的共识，IEEE Trans。赛博。，1-12 (2022)
[8] 陈建新。；Li，J.M。；郭永新。；Li，J.S.，混合阶非线性多智能体系统的一致性控制：框架和案例研究，IEEE Trans。赛博。，52, 12, 13073-13082 (2022)
[9] Sun，F.L.公司。；Wu，X.S。；Kurths，J。；朱伟，协作竞争网络中具有丢包和二阶代理速度未知的异构多代理系统的群一致性，非线性动力学。，110, 4, 3447-3461 (2022)
[10] 徐长杰。；Xu，H.C。；Su，H.S。；Liu，C.，具有异步间歇通信的竞争线性多智能体系统的自适应二方一致性，国际。J.鲁棒非线性控制，32，9，5120-5140（2022）
[11] 陈建新。；Li，J.M。；袁晓霞，未知非线性多智能体系统的全局模糊自适应一致性控制，IEEE Trans。模糊系统。，28, 3, 510-522 (2020)
[12] Tang，Y.T。；Qin，H.S.，《多智能体系统的决策与控制协同设计：一种分层设计方法》，《控制理论技术》，20，3，439-441（2022）
[13] 张建林。；徐，Z.M。；陈振强，策略切换和网络拓扑对多智能体系统决策的影响，国际。系统科学杂志。，1934-1949年9月49日（2018年）·Zbl 1482.93062号
[14] 郭毅。；钱，Y。；Wang，P.F.，Leader for allowing consensition of delayed multi-agent systems with unperiodic interval communications，Neurocomputing，466，49-57（2021），非周期间歇通信延迟多智能体系统的领导者，神经计算，46649-57
[15] Zhang，Y.H。；蒋永乐（Jiang，Y.L.）。；王世清。；Ai，X.L.，具有间歇通信的异构多智能体系统基于观测器的一致性控制，国际。J.鲁棒非线性控制，31，13，6492-6506（2021）
[16] Cong，M.Y。；穆晓伟（Mu，X.W.）。；Hu，Z.H.，DoS攻击下线性多智能体系统基于采样数据的事件触发安全二方跟踪共识，J.Franklin Inst.，358，13，6798-6817（2021）·Zbl 1470.93098号
[17] 霍，S.C。；张，L。；Chen，S.Y。；Zhang，Y.，\（H_\infty\）部分未知马尔可夫概率攻击下多智能体系统的一致控制，J.Franklin Inst.，358，94917-4928（2021）·Zbl 1465.93196号
[18] Carli，R。；Fagnani，F。；Frasca，P。；Zampieri，S.，《通过量化通信实现的绯闻共识算法》，Automatica，46，1，70-80（2010）·Zbl 1214.93122号
[19] Lavaei，J。；Murray，R.M.，通过八卦算法量化共识，IEEE Trans。自动化。控制，57，1，19-32（2012）·兹比尔1369.68345
[20] 刘，S。；李·T。；谢丽华。；Fu，M.Y。；Zhang，J.F.，使用对数量化器的基于连续时间和采样数据的平均共识，Automatica，49，11，3329-3336（2013）·Zbl 1315.93005号
[21] 张志强。；张，L。；Hao，F。；Wang，L.，《量化多智能体系统的分布式事件触发共识》，国际。J.Control，88，6，1112-1122（2015）·Zbl 1316.93012号
[22] 李·T。；Fu，M.Y。；谢丽华。；Zhang，J.F.，有限通信数据速率的分布式共识，IEEE Trans。自动化。控制，56，279-292（2011）·Zbl 1368.93346号
[23] 詹，X.S。；Hao，L.L。；Han，T。；Yan，H.C.，《具有量化信息的异构多智能体系统的自适应二部输出共识：固定时间方法》，J.Franklin Inst.，358，14，7221-7236（2021）·Zbl 1471.93254号
[24] 陈胜强。；Ho，D.W.C.，基于信息的分布式扩展卡尔曼滤波器，通过通信信道动态量化，神经计算，469251-260（2022）
[25] 张，T。；Li，J.M.，基于\（\西格玛\德尔塔\）量化的多智能体系统的量化共识，J.Syst。科学。数学。科学。，36, 617-632 (2016) ·Zbl 1363.93016号
[26] 齐，W.H。；高，M。；Ahn，C.K。；曹建德。；程，J。；Zhang，L.H.，非线性半马尔可夫切换系统的量化模糊有限时间控制，IEEE Trans。电路系统。二、 67、11、2622-2626（2020年）
[27] 齐，W.H。；杨，X。；Park，J.H。；曹建德。；Cheng，J.，带半马尔可夫过程的量化非线性随机切换系统的模糊SMC及其应用，IEEE Trans。赛博。，1-10 (2021)
[28] 齐，W.H。；Park，J.H。；Zong，G.D。；曹建德。；Cheng，J.，有限时间内量化半马尔可夫开关神经网络的同步，IEEE Trans。神经网络。学习。系统。，32, 3, 1264-1275 (2021)
[29] 张，T。；Li，J.M.，《带sigma-delta量化器和数据包丢失的多代理系统的异步事件触发控制》，J.Franklin Inst.，3531781-1808（2016）·兹比尔1347.93036
[30] Bu，X.H。；于庆新。；Hou，Z.S。；Qian，W.，一类非线性多智能体系统的无模型自适应迭代学习一致性跟踪控制，IEEE Trans。系统。人类网络。，49, 677-686 (2019)
[31] Xu，J.，使用迭代学习控制的具有视线范围和角度约束的多智能体系统的非重复领导-跟随编队跟踪，IEEE Trans。赛博。，49, 1748-1758 (2019)
[32] 张，T。；Li，J.M.，具有有限水平西格玛-德尔塔量化和随机分组丢失的多智能体系统的迭代学习控制，IEEE Trans。电路系统。I Reg.论文，64，8，2171-2181（2017）
[33] 罗，D.H。；Wang，J.R。；沈，D。；Feckan，M.，分数阶多智能体系统的迭代学习控制，J.Franklin Inst.，3566328-6351（2019）·Zbl 1416.93010号
[34] 张，T。；Li，J.M.，量化多智能体系统的事件触发迭代学习控制，亚洲J.control，20，3，1088-1101（2018）·Zbl 1398.93226号
[35] 宋，Q。；Meng，D.Y。；Liu，F.，异构代理基于共识的迭代学习及其在分布式优化中的应用，Automatica，137，1-8（2022）·Zbl 1482.93572号
[36] 刘杰。；阮，X.E。；Zheng，Y.S.，具有完全可学习性的离散时间系统的迭代学习控制，IEEE Trans。神经网络。学习。系统。，33, 2, 629-643 (2022)
[37] Su，H.S。；陈明珠。；Lam，J。；Lin，Z.L.，通过低增益反馈实现输入饱和的线性多智能体系统的半全局领导一致性，IEEE Trans。电路系统。I Reg.论文，601881-1889（2013）·Zbl 1468.93035号
[38] 李，P.Y。；贾巴里，F。；Sun，X.M.，输入饱和和未知先导输入的多智能体系统的控制，Automatica，130，1-8（2021）·Zbl 1478.93030号
[39] Benedetto，J.J。；鲍威尔，A.M。；伊尔马兹。，Sigma-delta（（Sigma-delta））量化和有限帧，IEEE Trans。Inf.理论，52，5，1990-2006（2006）·Zbl 1285.94014号
[40] Filippov，A.F.，《右手边不连续的微分方程》，《美国数学》。社会事务。，42, 199-231 (1964) ·Zbl 0148.33002号
[41] Sun，M.X.，《一个类芭芭拉引理及其在学习控制中的应用》，IEEE Trans。自动化。对照，54，92222-225（2009）·Zbl 1367.93445号
[42] 徐建新。；Tan，Y。；Lee，T.H.，基于输入饱和复合能量函数的迭代学习控制设计，Automatica，401371-1377（2004）·Zbl 1077.93057号
[43] 吴，J。；Chen，W.S。；Yang，F.Z。；李，J。；朱琦，具有预定义输出精度的严格反馈时滞系统的全局自适应神经控制，信息科学。国际期刊，301，27-43（2015）·Zbl 1360.93578号
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。