返回
Adaptive distributed estimation and performance constrained optimal consensus control of multi-agent systems
DOI:10.1108/RIA-06-2025-0161.png)
摘要
En 中文
目的本文提出了一种自适应分布式观测器最优控制协议,旨在应对状态信息不可用时面临的挑战,无需依赖全局信息,同时确保异构多智能体系统中的最优系统性能。本文的目的是在这些约束条件下实现分布式输出跟踪控制。
设计/方法/途径采用自适应分布式观测器,利用单自适应增益和局部静态增益估计领导者的输出。设计了一种反馈-前馈控制策略以实现最优跟踪。与常规方法不同,这减少了通信负载,并在领导者状态不可测量时拓宽了应用范围。
发现给出了与自主地面车辆相关的数值仿真示例,以证明所提出的控制算法能够确保异构多智能体系统中的输出跟踪。
研究局限/启示尽管所提出的算法能有效保证输出跟踪,但需要进一步研究以设计适用于无模型系统动态和未知环境的最优控制器。
实践启示所提出的方法可用于多机器人系统的编队控制,因为每个机器人可以测量相对输出信息,从而有效克服系统状态不可用带来的限制。
创新性/价值本文为异构多智能体系统引入了一种新型的自适应分布式观测器最优控制协议,其独特之处在于仅依赖单自适应增益和局部输出信息,无需全局网络数据。这减少了通信开销,并在领导者状态不可测量时增强了适用性。与现有方法不同,它通过贝尔曼方程集成最优跟踪控制,并考虑了瞬态性能。其价值在于多机器人编队控制的实际应用,但局限性包括需要进一步研究无模型系统在未知环境中的问题。
Keyword:
Heterogeneous multi-agent systems
Distributed state estimation
Optimal tracking control
期刊
R
IF:
4.4
论文数:
36
被引数:
296
机构
暂无机构信息
引用论文
Distributed adaptive formation control of multi-agent systems with measurement noises?
AUTOMATICA
IF5.9
Path Tracking Control of Autonomous Vehicles Subject to Deception Attacks via a Learning-Based Event-Triggered Mechanism通过基于学习的事件触发机制对遭受欺骗攻击的自主车辆进行路径跟踪控制
Off-Policy Learning-Based Following Control of Cooperative Autonomous Vehicles Under Distributed Attacks分布式攻击下基于离策略学习的协同自主车辆跟随控制
Adaptive robust bearing-based formation control for multi-agent systems多智能体系统的自适应鲁棒轴承编队控制
AUTOMATICA
IF5.9
Robust formation control for networked robotic systems using Negative Imaginary dynamics
AUTOMATICA
IF5.9
Adaptive Dynamic Programming and Adaptive Optimal Output Regulation of Linear Systems线性系统的自适应动态规划和自适应最优输出调节

