项目名称: 动态未知的异质非线性多智能体系统协调跟踪控制

项目编号: No.61304166

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 张宏伟

作者单位: 西南交通大学

项目金额: 26万元

中文摘要: 实际物理系统本质上均为非线性系统,且大多数情况下难以对其精确建模。因此,含有未知动态的非线性多智能体系统的协调跟踪控制是一个极其重要且具有挑战性的问题,开始引起学界的关注。针对此问题,本研究拟以一类典型的非线性系统为研究对象,采用神经网络自适应控制、非线性控制和鲁棒控制等相结合的技术,解决其全局跟踪和神经网络在线调整等问题。研究内容包括:(1) 智能体阶数相同但动态不同时的全局状态跟踪问题和输出跟踪问题;(2) 智能体阶数和动态均不同时的全局输出跟踪问题;(3) 智能体阶数相同但动态不同时,基于自组织神经网络的半全局状态跟踪问题。力争通过以上研究,将神经网络自适应控制技术拓展至多智能体系统,探寻基于有向通讯拓扑的多智能体系统的稳定性分析工具,为基于有向图的动态未知的非线性多智能体协调控制问题提供新的可行的解决方案。

中文关键词: 多智能体系统;非线性控制;协调跟踪;神经网络自适应控制;有向图

英文摘要: It is well known that all physical systems are inherently nonlinear, and it is often very hard to get the exact model of a nonlinear system. Therefore, it has been widely recognized as an important and challenging problem that seeking cooperative tracking of nonlinear multi-agent systems with unknown dynamics, which has been insufficiently investigated so far, with many problems still open. Our principle goal in this project is to incorporate neural adaptive control, nonlinear control and robust control techniques into solving the cooperative tracking problem of nonlinear multi-agent systems. In particularly, we aim to solve global cooperative tracking problem of a typical class of nonlinear multi-agent systems, i.e. in strict-feedback form, with non-identical agents, unknown dynamics, over fixed directed communication graphs; and solve the semi-global cooperative tracking problem with totally on-line neural network controllers. In the proposed research program, we will take a progressive approach and attempt to accomplish the following technical objectives: (1) To design distributed neural adaptive controllers, which solve the global cooperative tracking control of nonlinear multi-agent systems over directed graphs. Agents have different dynamics but with the same order, and their dynamics are not available for

英文关键词: multi-agent systems;nonlinear control;cooperative tracking;neural adaptive control;directed graph

成为VIP会员查看完整内容
0

相关内容

多智能体系统(multi-agent system,MAS) 是一种全新的分布式计算技术。自20 世纪70年代出现以来得到迅速发展,目前已经成为一种进行复杂系统分析与模拟的思想方法与工具。
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
深度学习激活函数全面综述论文
专知会员服务
70+阅读 · 2021年10月1日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
77+阅读 · 2020年12月6日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
多智能体深度强化学习的若干关键科学问题
专知会员服务
186+阅读 · 2020年5月24日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
苹果这次哪款新品让你心动了?
ZEALER订阅号
0+阅读 · 2022年3月9日
「图分类研究」最新2022综述
专知
5+阅读 · 2022年2月13日
除了DQN/A3C,还有哪些高级强化学习成果
论智
15+阅读 · 2018年10月28日
基于 Keras 用 LSTM 网络做时间序列预测
R语言中文社区
21+阅读 · 2018年8月6日
李克强:智能车辆运动控制研究综述
厚势
20+阅读 · 2017年10月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
深度学习激活函数全面综述论文
专知会员服务
70+阅读 · 2021年10月1日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
77+阅读 · 2020年12月6日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
多智能体深度强化学习的若干关键科学问题
专知会员服务
186+阅读 · 2020年5月24日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
相关论文
微信扫码咨询专知VIP会员