【摘 要】
:
由于多智能体系统协同控制的广泛应用,如协同探索、环境监测和搜寻救援等,该课题引起了国内外学者的热切关注。作为其方向之一,越来越多的学者开始研究多智能体系统的编队控制问题。环形编队控制是一类典型的编队控制问题,环形编队的控制目标为所有智能体形成期望的圆环队形。目前关于环形编队控制的大多数研究都基于一个假设:每个智能体都能感知到邻居智能体精确的信息。而在实际应用中,由于传感噪声、通信噪声等噪声的存在,
论文部分内容阅读
由于多智能体系统协同控制的广泛应用,如协同探索、环境监测和搜寻救援等,该课题引起了国内外学者的热切关注。作为其方向之一,越来越多的学者开始研究多智能体系统的编队控制问题。环形编队控制是一类典型的编队控制问题,环形编队的控制目标为所有智能体形成期望的圆环队形。目前关于环形编队控制的大多数研究都基于一个假设:每个智能体都能感知到邻居智能体精确的信息。而在实际应用中,由于传感噪声、通信噪声等噪声的存在,上述假设并不成立。因此本文将分别基于一阶与二阶动力学模型,研究带有界测量误差的多智能体系统环形编队控制。本文所研究的测量误差是有界的,智能体只知测量误差的上界而不知其具体形式或分布。对于带有界测量误差的一阶多智能体系统,本文提出的一组分布式环形编队控制律,应用代数图论、矩阵理论以及稳定性理论分析该控制律的收敛性并给出编队误差的上界;为了避免编队过程中智能体间的碰撞,本文进一步给出系统恒保序的条件,最后通过数值仿真来验证控制律的有效性。在一阶多智能体系统中,智能体的控制输入在物理意义上为其速度。在实际应用中,每个智能体有各自的最大运动速度,这意味着每个智能体的控制输入将存在饱和,因此本文进一步研究同时带有测量误差和输入饱和约束的环形编队控制问题。本文提出一种基于小增益法的分布式控制律,通过选定合适的小增益以避免智能体的控制输入饱和,并给出相应的收敛性分析和多智能体系统编队误差的上界。在实际物理应用中,采用牛顿第二运动定律来刻画智能体的运动属性更为贴切,因此本文在研究一阶动力学系统的基础上研究带测量误差的二阶多智能体系统的环形编队控制问题。不同于一阶系统,除了存在位置误差,智能体还无法感知到邻居智能体精确的速度信息,即所研究的二阶多智能体系统带有双重测量误差。在双重测量误差的影响下,多智能体系统需要在所提控制律的作用下收敛到期望编队的邻域并且邻居智能体间的速度差一致有界。因此本文将在一阶系统研究的基础上应用双线性变换等理论工具对控制律进行收敛性分析,进一步给出系统编队误差的上界以及编队任务中始终保序的条件。
其他文献
视觉里程计是无人车导航领域的研究热点之一,它是利用装载在移动机器人上的一个或多个相机采集到的图像信息,对其自运动进行估计的过程。其中单目视觉里程计仅利用单个相机的图像信息,有着低成本、易配置、结构简单以及计算效率高等优点,成为了研究的热点。而近年来深度学习已广泛应用于计算机视觉任务中。因此本文结合深度学习,对单目视觉里程计进行研究。首先,针对深度神经网络中由于深度神经网络在网络层数较深产生的梯度消
在机器学习中,将不同类别的样本数量存在显著差距的数据集认为是不平衡数据集。当代表一个类别的样本数量远低于其他类别的样本数量时,这一个类或多个类在数据集中的代表性可能不足,就会发生类别不平衡问题。然而,为了提高准确性或者最优化相应的代价函数,正确预测多类实例的规则将会收到更大的权重,因此标准的机器学习算法通常偏向于数量多的大类,从而忽略了少类样本,导致小类样本比大类样本更容易被误分类。事实上,从应用
随着深度学习的发展及神经网络在图像识别等计算机视觉任务中取得的显著效果,使得深度学习在诸如目标追踪、目标检测、行人再识别、图像检索等计算机视觉任务中被广泛应用。显著性检测作为一项在其他计算机视觉任务中的数据预处理技术成为了研究的热点,随着视频设备的普及,人们面对的场景往往是动态变化的,所以视频显著性检测成为一个热门的研究方向,它旨在通过特定的算法检测出连续运动的能引起人眼关注的显著性目标。本文将视
热变形是影响数控机床加工精度和定位精度的最大误差源,而滚珠丝杠副作为数控机床的关键功能部件,控制丝杠轴的热变形是提高数控机床精度的关键。丝杠预拉伸作为高效易操作的热变形补偿技术手段,在数控机床领域应用广泛,但目前对于预拉伸量主要按照经验取值,缺乏系统研究。本文以国家科技重大专项为背景,首先建立了滚珠丝杠副预拉伸量与热变形量理论模型,然后对理论模型进行了有限元分析和试验验证,最终建立了不同工况下滚珠
蛋白质-DNA绑定位点是指能够与蛋白质发生相互作用的一段DNA序列,寻找蛋白质-DNA绑定位点可以帮助预测调控基因的功能,了解生物系统中的调节过程和识别致病变异体。更重要的是蛋白质-DNA绑定位点可以帮助设计能够促进或抑制目标基因表达的药物。因此,从DNA序列中精确地识别出蛋白质-DNA绑定位点是一项重要的任务。传统的基于生物实验来识别蛋白质-DNA绑定位点的方法存在成本高且耗时长的缺点。因此,设
本文以提高火箭飞行性能为研究目的,对火箭运动学模型、飞行参数优化方案与优化方法等方面进行研究。针对简单遗传算法容易收敛到局部极小问题,结合罚函数处理约束条件的方法,设计了改进的遗传算法,实现了最大射程和最小起飞质量约束条件下的火箭飞行参数优化设计,对火箭总体设计与制导方案的选择有着重要的指导意义。主要工作内容如下:1.建立了火箭三自由度运动学模型。分析了火箭飞行特点及运动规律,建立了火箭的三自由度
由于能源容量的限制,飞行机器人的任务生命周期短,作业形式单一,给予飞行器着陆栖息和爬行功能是解决此问题极为重要的方法之一。为了使飞行爬壁机器人能应用于外星探索或者混凝土、花岗岩等城市人造粗糙壁面,要求着陆栖息和爬行机构可适应多颗粒、多粉尘和粗糙的非结构化自然表面。然而,目前已有的真空、磁力和粘液等附着方式均无法适用于非结构化表面,爪刺附着方式也仅限于笨重的纯爬壁机器。研究爪刺式飞行爬壁机器人着陆栖
目前,心脏疾病是造成人类非自然死亡的主要原因之一。而针对心脏病理的研究与治疗往往需要依靠大量的心脏成像手段。作为一种常用的成像方式,核磁共振成像为心脏疾病的诊断和治疗提供了重要信息,很多临床参数需要通过分割MRI图像中的心室区域得到。临床上,分割通常由专家手动执行,不仅费时耗力,而且还存在很高的观察者间差异性。因此,开发快速、精准、可重复以及全自动的分割算法对心脏及其疾病的研究有着十分重要的意义。
随着互联网技术的发展,数据呈现出爆炸性的增长,这标志着我们进入了大数据时代。哈希学习算法能够将冗杂度高、数量级大、特征维度高的数据映射成紧凑的二进制哈希码。作为当前机器学习领域的一个研究热点,哈希学习在众多领域都得到了广泛应用。本文主要探讨哈希学习在图像内容完整性认证和运动捕捉数据检索方面的应用,主要研究内容及贡献如下:(1)全面综述了各类典型的哈希学习的研究现状、应用领域。(2)现有图像内容完整
随着互联网的发展与普及,网络生活已经被人们所习以为常,在线社交媒体构建了一个极好的平台,使得大众可以方便快捷的参与其中,分享自己的观点和看法。这些观点往往包含着大量带有感情色彩的信息,如消费者对产品和服务的评价,民众对于政府新政策制定的观点和看法等。因此利用情感分析技术对这些信息进行分析,对于产品的商业销售及大众的舆论导向分析等具有十分重要的价值和意义。传统的情感分析技术可分为基于词典的方法和基于