基于迭代学习的多智能体系统协同编队控制

来源 :控制工程 | 被引量 : 0次 | 上传用户:aa6512048
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
针对离散形式的智能体动态模型,为减少外部环境干扰的影响,提出一种基于迭代学习的多智能体编队协同控制方法.首先,在考虑外部环境干扰的情况下,建立了多智能体协同编队控制系统离散时间模型,并在通信拓扑设计的基础上,将多智能体系统协同编队控制问题转化成跟踪控制问题.其次,针对每个智能体设计了形式统一的基于迭代学习算法的编队控制协议,并利用范数理论证明了算法的收敛性.随着迭代次数的增加,该算法能够使离散多智能体系统的输出在有限时间内跟踪期望轨迹,从而使得多智能体系统整体实现期望的编队运动.最后,与传统无模型自适应控制方法进行比较,验证了该设计方法的有效性和优越性.
其他文献
设计的矿用车载监控系统主要采用了GPS与北斗组合定位技术、4G无线通信技术、计算机网络传输技术、ZigBee无线自组网技术、地理信息系统、嵌入式开发等新技术,以较低的成本实现了露天矿用生产指挥监控所需的多项功能,装机使用时,故障率低,反馈效果良好.
详细介绍了5G网络存在的安全风险,并针对网络存在的安全问题提出了一些可行的安全防护措施.
研究航天器集群协同目标伴飞问题,提出一种分布式自适应控制策略,使得每个跟随航天器在相对于目标航天器的指定位置与其保持相对静止状态.首先,为解决目标的运动信息只对于部分航天器已知且目标的加速度不可测量的问题,设计了分布式姿态和位置观测器;然后,将观测值作为每个跟随航天器的期望轨迹,设计了一种不依赖惯性参数的自适应控制策略.稳定性分析证明所提出的分布式自适应控制策略保证了受控闭环系统是一致渐近稳定的.最后,仿真算例验证了该控制策略的有效性.
随着智能科学的发展,集装箱门式起重机的自动吊运技术成为了近年的研究热点,其中,吊具的自动着箱是关键难点环节.为了实现吊具与集装箱的精准对位,提出了一种基于CenterNet的锁孔关键点视觉跟踪方法.具体来说,首先使用CenterNet进行关键目标检测,然后根据目标的先验几何约束进行筛选,最后对视频流中的关键点坐标进行卡尔曼滤波,实现平滑准确的跟踪.使用1:20集装箱模型制作锁孔数据集,实验结果显示CenterNet相比于其他目标检测网络有更好的泛化能力,并且滤波之后可以以较高的处理速率对关键点进行平滑跟踪
本文对紫外可见光分光光度计的基本原理和优势以及其在环保检测领域中的应用进行论述;并通过实际实验分析紫外可见分光光度计的不准确度和精密度;提出紫外可见分光光度计在环保检测的应用存在着前处理繁琐,二次污染以及自动化智能化不完全等问题.以期为环保领域的检测提供科学参考.
第十一届国际小型无人机竞赛(IMAV2019)提出了多个高难度的室外飞行任务,对小型无人机的协同、决策、规划、控制等能力提出挑战.针对此次室外竞赛任务,研究小型无人机系统的设计与实现.首先分析竞赛任务和评分规则,并给出了系统的功能需求.然后进行控制系统硬件和软件的设计与实现.该设计方案有效提升了无人机系统自主协同完成复杂任务的自主性、灵活性和效率.该系统在比赛中高效地完成了包裹递送、目标搜索、地图构建等任务,取得了最高分.
配网带电作业机器人需要对输电线所在环境进行感知,从中提取出需要操作的引线部分,进而完成机械臂的运动规划与夹取操作.在利用激光点云进行引线拟合时,由于噪声和激光扫描分辨率低的影响,传统曲线拟合方法无法重建出精确、平滑的参数曲线方程.为此,提出一种基于分层自组织粒子群优化(SOH-PSO)和控制点迭代优化的激光点云引线拟合方法.通过分层自组织粒子群优化算法计算原始点云的降采样比例,进而得到控制点的初始位置;然后,根据由控制点拟合曲线的局部曲率和曲线与点云的欧氏距离迭代优化控制点的位置;最后通过B样条插值函数得
水下机器人机械臂系统(UVMS)往往面临高度非线性、模型不确定、复杂海洋干扰及执行器死区非线性等因素,严重影响控制精度.首先将UVMS水动力学模型与死区非线性特性变换为模型已知和未知两部分,其中未知部分与其他干扰归结为总干扰.接下来利用基于径向基函数(RBF)的自适应神经网络逼近未知非线性函数,并构造神经网络性能估计器,利用其估计误差设计了一种新颖的神经网络干扰观测器来估计总干扰.在此基础上提出了一种基于神经网络干扰观测器、性能估计器以及多补偿器的自适应神经网络抗扰控制算法,并利用李雅普诺夫方法分析了闭环
四旋翼无人机因体积小、灵活机动、成本低等诸多优势而得到广泛应用.但因其是一个欠驱动、强耦合的非线性系统,执行任务时会受到加速度和磁场干扰,对姿态解算产生严重影响.为了提高无人机姿态的控制精度,提出一种适用于小型无人机姿态估计的四元数扩展Kalman滤波算法,该算法通过建立四元数姿态运动模型和航姿传感器测量模型,解决了微机电系统用于载体姿态测量时精度低、易被干扰的问题,有效提高了姿态估计的精度;最后,通过仿真实验验证了所提算法的有效性.
路径规划是实现移动机器人自主导航的关键技术.针对传统算法不能有效解决未知动态环境下移动机器人路径规划的问题,提出了一种基于深度确定性策略梯度算法(DDPG)与人工势场法相融合的路径规划方法,首先创建并训练基于DDPG算法的路径规划模型;其次,利用人工势场法对DDPG算法的动作选择策略进行干预;最后,在四种仿真环境下验证本文所提算法的性能.仿真实验结果表明,本文提出的算法与DDPG算法相比,移动机器人行驶路径长度减少3%至10%,行驶过程中角速度超过1.0 rad/s的次数减少5%至12.5%,表明所提方法