【摘 要】
：
研究了在无向拓扑下,由多个子群组成的二阶多智能体系统的固定时间比例一致性问题,采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略,该策略包含分段式事件触发函数:当智能体在追踪虚拟速度时,给出了基于速度信息的触发条件;当智能体速度与虚拟速度达到一致时,切换至基于位置信息的触发条件,可有效减少系统能量耗散及控制器更新频次.通过在位置和速度状态上设置比例参数,在固定时间内可实现不同子群智能体之间的比例一致.利用代数图论、线性矩阵不等式以及Lyapunov稳定性理论,证明在该控制策略下,二阶多智能体
【机 构】
：
华东交通大学电气与自动化工程学院 南昌330013
论文部分内容阅读
研究了在无向拓扑下,由多个子群组成的二阶多智能体系统的固定时间比例一致性问题,采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略,该策略包含分段式事件触发函数:当智能体在追踪虚拟速度时,给出了基于速度信息的触发条件;当智能体速度与虚拟速度达到一致时,切换至基于位置信息的触发条件,可有效减少系统能量耗散及控制器更新频次.通过在位置和速度状态上设置比例参数,在固定时间内可实现不同子群智能体之间的比例一致.利用代数图论、线性矩阵不等式以及Lyapunov稳定性理论,证明在该控制策略下,二阶多智能体系统能实现固定时间比例一致性,且不存在Zeno行为.最后,仿真实例进一步验证了理论结果的有效性.
其他文献
为保证预测控制的稳定性,经典的策略是在预测控制的优化问题中加入终端约束集和终端惩罚函数,并保证终端约束集是一个在终端控制律作用下的正不变集,终端惩罚函数是受控系统的局部控制Lyapunov函数.本文提供了一种求解非线性系统终端约束集、终端控制律和终端惩罚函数的新策略.通过在优化问题中引入新的变量来降低求解终端约束条件的保守性,并且可以从理论上保证求解得到的终端约束集更大.通常情况下,较大的终端约束集将允许选取的预测时域较小,因而可以降低预测控制的在线计算负担.从形式上看,新的变量的引入使得终端约束集和终端
本文研究了一类分布式优化问题,其目标是通过局部信息交换使由局部成本函数之和构成的全局成本函数最小.针对无向连通图,我们提出了两种基于比例积分策略的分布式优化算法.在局部成本函数可微且凸的条件下,证明了所提算法渐近收敛到全局最小值点.更进一步,在局部成本函数具有局部Lipschitz梯度和全局成本函数关于全局最小值点是有限强凸的条件下,证明了所提算法的指数收敛性.此外,为了避免智能体之间的连续通信和减少通信负担,将所提的两种分布式优化算法与事件触发通信相结合,提出了两种基于事件触发的分布式优化算法.证明了提
高速铁路信号系统是高速铁路安全可靠运营的核心装备,实现高速铁路信号系统智能运维是降低高速铁路运行风险的必要基础保障.目前,我国高速铁路信号系统运维研究工作主要集中于器件级系统或基本单元系统,系统层面的相关研究几乎为空白,亟需从整体上建立全局架构理论模型.为此,定义了关联信号系统,提出了分散式动态评估函数,将动态调度纳入运维体系,构建了分层架构模型.在此基础上,针对分层架构模型的决策层和关联信号层,提出了动态定量评估、动态风险预警和故障诊断的研究方法,并展望了所面临的挑战.
混合动力电动汽车(Hybrid electric vehicles,HEVs)的能量管理问题至关重要,而混合动力电动汽车的跟车控制不仅涉及跟车效果与安全性,也影响着能量的高效利用.将HEVs的跟车控制与能量管理相结合,提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法.首先,考虑坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型,并基于安全距离,提出一种基于道路观测器的动态面控制(Dynamic surface control,DSC)进行车辆跟踪控制.然后,结合跟踪控制下工况循环,采用滚动动态规
列车精确停车作为列车自动运行(Automatic train operation,ATO)系统的一项核心功能,对高速列车的安全和高效运行至关重要.本文针对高速列车停车过程的特点,考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪,提出了基于模型预测控制(Model predictive control,MPC)的精确停车算法.针对列车停车过程中外部不确定性阻力干扰,采用鲁棒模型预测控制方法,提高对外部干扰的鲁棒性.引入自触发控制策略,以进一步减少控制输出的频繁切换,提高停车过程的舒适度.该方法不需
设计了一种基于折扣广义值迭代的智能算法,用于解决一类复杂非线性系统的最优跟踪控制问题.通过选取合适的初始值,值迭代过程中的代价函数将以单调递减的形式收敛到最优代价函数.基于单调递减的值迭代算法,在不同折扣因子的作用下,讨论了迭代跟踪控制律的可容许性和误差系统的渐近稳定性.为了促进算法的实现,建立一个数据驱动的模型网络用于学习系统动态信息,同时构造评判网络和执行网络用于近似迭代代价函数和计算迭代跟踪控制律.值得注意的是,我们提出了新颖的停止准则来保证迭代跟踪控制律的有效性.这种停止准则包含两个条件,一个条件
高炉铁水硅含量是铁水品质与炉况的重要表征,冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战.提出一种基于最优工况迁移的高炉铁水硅含量预测方法.首先,针对过程变量频繁波动问题,提出基于邦费罗尼指数的自适应密度峰值聚类算法,实现对高炉冶炼过程变量的工况划分,并建立不同工况硅含量预测子模型.其次,针对冶炼过程的大时滞特性,定义相邻时间节点间的硅含量工况迁移代价函数,并提出多源路径寻优算法,实现冶炼过程中硅含量最优工况迁移路径及当前时刻硅含量最优预测值的求解.最后,基于工业现场数据验证了所提
本文针对因多重不确定执行器故障而引起系统动态突变的非线性系统,设计了一种基于多模型切换的自适应执行器故障补偿控制策略,以提高系统应对动态突变的能力,同时实现不确定执行器故障的快速精确补偿.针对执行器故障模式的不确定性问题,采用基于多模型的参数估计方法,设计了自适应控制器组;基于最优性能指标函数,提出了一种控制切换机制,以选择最佳的自适应控制器作为当前的控制器,从而实现期望的故障补偿控制.所设计的多模型自适应控制策略,可以保证所有闭环系统信号有界,且在出现有限数量的不确定性执行器故障情况下,系统输出渐近跟踪
现有基于随机退化过程建模的寿命预测研究中,通常用退化过程的首达时间(First passage time,FPT)来定义寿命.但是,这种寿命定义较为保守,可能会导致其明显小于设备实际寿命.鉴于此,基于最后逃逸时间(Last exit time,LET)的概念,给出一种新的寿命与剩余寿命(Remaining useful life,RUL)定义方式.在该新框架下,提出一种基于最后逃逸时间的寿命预测方法,推导得到最后逃逸时间下基于Wiener退化过程模型的寿命与剩余寿命表达形式,讨论了该方法与传统首达时间下寿
子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出数据深层特征,其研究倍受各国学者的关注.深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示,计算出数据集的相似度矩阵,然后利用谱聚类获得数据的最终聚类结果.然而,现实数据存在维度过高、数据结构复杂等问题,如何获得更鲁棒的数据表示,改善聚类性能,仍是一个挑战.因此,本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC).利用自注意力对抗网络在自动编码器的特