非线性多自主体系统的事件触发一致性控制

来源 :江南大学 | 被引量 : 0次 | 上传用户:zhanghai_007
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
近年来,多自主体系统一致性问题已成为学术界的研究热点,并在传感网络、航天探测以及电力能源等领域得到了广泛应用。一致性问题是指利用自主体的局部交互信息设计合适的控制协议,使所有自主体的状态最终达到相同。为了节约有限的资源,事件触发控制策略被应用到一致性协议中。在事件触发控制中,只有当测量误差触发函数超过预设阈值时,自主体才进行通信和控制器更新。为顺应通信环境的要求,事件触发一致性问题的研究逐渐从固定拓扑延伸至更具一般性的切换拓扑,同时,通信网络中存在的恶意攻击也为一致性协议的设计和理论分析带来了更大的挑战。因此,基于事件触发控制策略,本文考察了非线性多自主体系统在固定拓扑、切换拓扑和拒绝服务攻击下的一致性问题。主要内容如下:(1)针对具有固定拓扑的一阶非线性多自主体系统,设计了一种分布式事件触发一致性协议。不同于传统的零阶保持器方法,采用一阶保持器构造事件触发控制信号,用以降低触发率。在强连通拓扑结构下,根据Lyapunov稳定性理论和矩阵论得到了所有自主体渐近实现一致的充分条件,并运用理论分析排除了Zeno现象。所提一致性协议比基于零阶保持器的一致性协议具有更低的触发率。(2)针对具有切换拓扑的一阶非线性多自主体系统,基于一阶保持器提出了一种分布式事件触发一致性协议来降低通信负载。当切换拓扑子图的并图包含有向生成树时,利用迭代法和不等式法,得到了多自主体系统达到有界一致性的充分条件。此外,证明了所提事件触发机制不存在Zeno现象。同时,对比展示了所提一致性协议在节约通信资源方面的优势。(3)考察拒绝服务攻击下二阶非线性多自主体系统的事件触发一致性问题,攻击会使通信网络无法提供正常的服务。考虑一类时长有限的拒绝服务攻击,设计了一种基于一阶保持器的分布式事件触发一致性协议。运用线性矩阵不等式和Lyapunov稳定性理论分析了强连通拓扑结构下的有界一致性收敛,并得到了相应的充分条件。此外,自主体能够排除Zeno触发行为。
其他文献
在智能护理机器人领域,如何帮助机器人快速且准确地识别护理对象的动作行为已成为该领域的热点研究问题。准确识别动作行为是护理机器人实现护理智能化的先决条件,且可增强护理机器人的动态感知能力,故行为识别技术是护理机器人实现智能化的重要组成部分。基于深度学习的行为识别技术具有建模过程简便且训练模型容易的优点已逐渐成为行为识别技术的发展趋势,但基于深度学习的行为识别技术在识别准确率、泛化能力及收敛速度等方面
随着人类生产生活方式的不断更新变化,人们开始更加注重自身的健康问题以及生存环境的安全问题,特别是对各种有可能危害健康和破坏大气环境的有毒有害气体的加以关注。气体传感器作为一种能够监测各种气体浓度和成分的装置已经被广泛应用于众多场景,也吸引了更多人的目光。因金属氧化物半导体式气体传感器自身拥有的一系列优势,例如性能相对较好、器件结构简单以及性价比高等,而成为了许多研究人员争相报道的对象。很多时候人们
近年来,随着科技的不断进步发展,移动机器人相关技术已逐步在人类实际生活与生产过程中发挥重要作用,相关行业领域对于移动机器人的性能需求也愈发迫切。自主位姿估计与运动控制作为移动机器人在未知环境中完成工作任务的技术基础,近些年来引起了国内外学者的广泛关注。针对移动机器人在复杂环境下的实际功能需求,本文利用单目视觉、IMU与轮式里程计实时传感信息,进行移动机器人多传感信息融合位姿估计与速度控制研究。首先
经济社会的发展和生产力的提高促使机器人的应用越来越广泛,随着传感器技术的进步,机器人系统拥有了更加强大的探测和感知能力,大大推动了机器人应用技术的发展。但当前大部分的移动机器人在进行自主导航的过程中,其数据源严重依赖于单一传感器,且存在总线协议不统一、实时性差、应用较为复杂等问题。因此本课题基于ROS平台和EtherCAT通讯技术,将轮式里程计、激光雷达和深度相机等传感器进行融合,搭建了一个能够完
Takagi-Sugeno-Kang(TSK)模糊系统的特点是能使用线性模型的方法求解非线性模型。TSK模糊系统的这个特点使得其在众多的领域都受到了广泛的关注。但是,与其它有监督学习一样,TSK模糊系统需要充足的信息。然而,在真实世界的应用中,训练数据经常是有限的,而模型也不能充分的挖掘数据中的信息,因此很容易导致过拟合问题。现有的TSK模糊系统方法,更多的把目光放在了模型结构的研究上,忽视了实际
RNA结合蛋白(RBP)是一类伴随RNA调控代谢过程,且与RNA结合的蛋白质的总称。一种RBP可能存在多种靶标RNA,其表达缺陷会造成多种疾病。通过寻找功能结构相似的RBP可以为治疗癌症等疾病的RNA疗法提供帮助。在RBP识别的过程中,一个关键的步骤是获取RNA有效特征和使用RBP之间的结合相似性网络来学习它们之间的联系。本文针对上述描述的RBP识别提出了两个多视角多标签特征学习的新策略,较已有的
在复杂工业过程中,对运行中的某些关键变量进行实时监控具有重要的意义,然而受到技术条件有限、检测装置昂贵以及现场环境恶劣等不利因素的影响,这些变量难以利用硬件传感器检测得到。在这种情况下,软测量技术得到应用,通过训练集构建数学模型,实现对新样本质量变量的实时估计。软测量技术通常需要大量有标记样本才能完成高精度模型训练,然而在实际工业过程中常常是无标记样本数量较多,有标记样本数量稀少,且获取成本高。因
音频携带了城市中大量关于日常环境、生活场景和物理事件的信息。通过深度学习方法智能分类识别出各个声源并提供相应的运用与服务,在构建智慧城市中具有巨大的潜力与应用前景。其被广泛运用于噪音监控、城市安防、多媒体信息检索、智慧工厂等方面。但当前已有的城市音频分类模型仍存在分类准确率不够高、泛化能力不够强以及噪音鲁棒性较弱等问题,针对上述问题论文进行了如下研究:(1)为解决城市音频分类领域中现有模型分类准确
多自主体系统协调控制是近几十年的热门研究领域,其研究成果大量应用于无人机编队飞行、无线传感网络和多机器人协调控制等工程领域。一致性控制是多自主体系统协调控制的分支研究领域,控制目标是通过自主体之间的控制协议,利用局部的信息,使所有自主体状态趋于一致。而固定时间一致性控制,要求所有自主体在固定时间内实现状态一致,比传统一致性控制收敛速度更快。在实际工程环境中,干扰和非线性动态会影响系统稳定性,是不可
孪生支持向量回归机(Twin Support Vector Regression,TSVR)是一种解决回归问题的机器学习算法。由于TSVR只需求解一对规模较小的二次规划问题,其训练效率高于支持向量回归机,因此TSVR已逐渐成为机器学习领域的研究热点。但是,目前TSVR的训练算法大部分都只是离线训练算法,无法高效处理在线增量学习问题。本课题致力于提升TSVR三种变体在增量环境下的训练效率,设计其相应