二阶时滞多智能体系统一致性研究

来源 :天津工业大学 | 被引量 : 0次 | 上传用户:esinstra
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近几十年来,多智能体系统的分布式协同控制引起了越来越多研究者的关注,其研究方向涉及传感器网络、编队控制、一致性问题、航天器姿态跟踪控制、分布式优化计算和控制工程等各个领域。一致性问题是多智能体分布式协同控制的基本问题,其目标是指一组智能体基于局部交互规则在一定的物理量上达成一致。在现有的研究基础上,本文研究了二阶多智能体系统的一致性问题,主要从以下两个方面展开研究:在实际的多智能体系统中,由于智能体自身处理信息的能力及通信范围有限、信息传输过程存在误差、外界不确定干扰等诸多因素,多智能体在进行信息交互时普遍存在时滞问题。时滞不仅会影响多智能体系统的稳定性,还会导致智能体产生不理想的行为,影响其达成一致的性能。时滞分割是一种有效降低时滞系统保守性的方法。在现有的时滞多智能体研究中,应用的时滞分割都是基于均等划分的思想,随着分割次数的增加,系统保守性会降低,但是增加了计算复杂度。因此,通过将一种新的时滞分割方法应用到时滞多智能体系统来降低计算复杂度,为了进一步降低系统保守性,将基于Wirtinger的不等式和交互凸组合引理结合对李雅普诺夫函数求导产生的积分项进行有效放缩。针对二阶时滞多智能体系统的保守性问题,基于Wirtinger的不等式仍然存在改进空间,在时滞多智能体系统稳定性分析过程中,引入比Wirtinger不等式对积分项放大的程度更小的二阶Bessel-Legendre不等式,其更加接近积分项的真实值。此外,为了推导出保守性更小的稳定性条件,在构造李雅普诺夫函数时添加三重积分项,但是Wirtinger不等式并不能直接处理三重积分求导产生的二重积分项,因此,引入Wirtinger双重积分不等式来解决这一问题。基于李雅普诺夫稳定性定理和线性矩阵不等式理论,得到了确保多智能体达成一致且保守性更低的稳定性条件。
其他文献
以完善旧城区公共配套设施为基础,以智慧城市管理和服务为驱动力,以PPP合作模式,“公益性+准经营性”、“基础设施完善+智慧城市”、“硬件+软件”新型化旧城区改造的综合发展模式,合规、高效地进行项目整体合作,推进旧城区的资源导入、功能提升等工作,是提高城市建设和管理水平的需要,是提升城市外部形象的需要,是构建文明和谐社区的需要,是解决社会问题、改善民生的需要,是实现旧城区可持续发展的需要,已成为旧城
随着制造技术的快速发展,高速高精密数控机床已经逐渐成为机械制造领域的核心装备。作为数控机床核心功能部件的高速电主轴,其性能的好坏将会直接影响零件加工过程中的稳定性和可靠性。为了进一步提高数控机床的加工性能,对电主轴设计过程中关键指标分析及特性影响研究显得尤为重要。因此,本文以高速电主轴为研究对象,进行了以下内容研究:对高速电主轴结构特点进行了分析,得到了影响电主轴性能的关键指标,包括支撑特性、配合
自主移动机器人需要根据不同的任务要求做出不同的移动轨迹,在没有移动物体的静态环境中,机器人可准确地估计自身位姿与建图,但在复杂环境中,特别是室内复杂环境中工作的移动机器人,周围会出现大量的移动物体,如行人,行人会影响机器人的建图与自身位姿估计的精度,本文针对这一问题开展移动机器人在室内环境下的环境地图构建与位姿估计的研究和探讨。主要内容如下:针对视觉SLAM算法进行了研究,通过分析视觉SLAM的技
心音信号含有丰富的生理和病理信息,实时反映着心脏的健康状况,是医生诊断心血管疾病的重要凭据。目前针对心血管疾病的诊断仍以心脏听诊为主,极易因为主观因素造成误诊,结合目前深度学习算法的优良特性,如果能够研究出高效的心音分类算法对心音信号进行分类识别,这对心血管疾病的临床研究具有重要的参考价值。针对以上问题,基于心音信号的特点,本文提出两种不同混合神经网络的心音分类算法,较好地解决心音信号的分类识别问
制造业,一直是我国的支柱产业之一。然而,随着经济的发展,工厂的制造成本水涨船高,人力不足,人力成本增加,质量要求高,产能缺口大等问题不断地给工厂带来新的挑战。近年来,随着技术的发展,机器人、自动控制、大数据等新技术越来越多的使用到制造业中,自动化生产线的出现,对缓解上述问题,起到了一定的作用。用机器人取代人力,解决劳动力不足和人力成本上涨的问题,并提升产能和提高产品品质,是我国未来制造业发展的方向
纺织服装行业是社会发展的支柱产业。随着人们生活水平的提高,纺织行业的消费市场已经由排浪式消费阶段向个性化消费阶段转变,传统的手工生产已经不能够适应时代的需求,服装私人定制将会成为未来纺织服装行业的主要发展方向,而服装私人定制化的发展,离不开工业机器人技术的支撑。机器人末端执行器作为直接与物体接触的部件,是工业机器人在纺织行业应用的关键。因此,针对服装行业的机器人末端执行器的研究,对我国服装行业的发
近年来,神经网络已经广泛应用于图像处理,故障诊断,复杂系统控制等各个领域。众所周知,神经网络系统的许多应用很大程度上都依赖于其动力学行为,尤其对于平衡点的存在性和稳定性。而且,在实际的应用中由于放大器的转换速度和信息处理速度有限,导致时滞在神经网络系统中往往是难以避免的。时滞的存在,不仅会使系统的性能降低,而且会导致系统不稳定甚至紊乱。在许多实际问题中,还存在一种不同于传统时间延迟的典型时间延迟,
最近,耦合神经网络的同步等动力学行为受到了学界广泛关注。在研究耦合神经网络同步现象过程中系统解的收敛速度是一个重要但很难被准确估计的指标。因此,能够准确提供系统解收敛速度的衰减同步逐渐成为研究热点,同时,值得注意的是在现有的可以查到的相关文献中,耦合反应扩散神经网络的衰减同步还没有被考虑过。因此本文研究了多权重的状态耦合以及空间扩散耦合的反应扩散神经网络的衰减同步。接着,本文以现有的衰减同步和H∞
多层多道焊接方式常用于航空航天和船舶制造等工业领域里中厚板工件的焊接,是一种非常重要的连接工艺方法。而基于激光视觉传感器的机器人智能化焊缝跟踪方式以其价格低廉、抗干扰能力强和精度高等巨大优势成为应用最广的方法。然而,在进行实际焊缝跟踪时,利用视觉传感器获取的焊接图像不可避免地会受到强反射、飞溅和电弧噪声的污染导致无法保证焊接的稳定性和精确性。因此,对基于激光视觉的多层多道焊缝跟踪进行研究具有重要意
在科学研究和工程技术领域,优化问题无处不在,但这类问题往往带有复杂的约束条件使搜索过程复杂化,加大了解决问题的难度。在过去的几十年里,进化算法被广泛应用于求解优化问题。然而,单纯只用进化算法来解决约束优化问题是不准确的,因为它们不能直接减少约束问题的约束偏移。因此,对于约束优化问题,如何能够设计出有效处理约束且能找到最优解的算法即为本文的研究重点。本文主要从进化计算中约束处理技术的角度出发,结合有