精华内容
下载资源
问答
  • 采用二阶多智能体协同控制程序,采用二阶多智能体控制算法
  • 多智能体系统的协同群集运动控制》以多智能体系统协同群集运动控制为主线,首先介绍了图论和控制器设计所用到的基础理论知识;其次,分别从拓扑结构的边保持和代数连通度两个角度介绍了连通性保持条件下的协同群集...
  • 采用二阶多智能体协同控制程序,采用二阶多智能体控制算法
  • 事件触发控制的仿真,遗传算法简介,多智能体协同等问题
  • 多智能体协同控制感兴趣,记录一下自己的学习过程,希望有始有终 先从知网上的硕士论文入手 泛读(仅看摘要,目录以及绪论部分的创新点,主要研究内容介绍) 1. 《基于强化学习的移动智能体自组织协同目标...

    对多智能体协同控制感兴趣,记录一下自己的学习过程,希望有始有终

    先从知网上的硕士论文入手

    泛读(仅看摘要,目录以及绪论部分的创新点,主要研究内容介绍)

    1. 《基于强化学习的移动多智能体自组织协同目标搜索》2020/12/16

    狄小娟   南京邮电大学

    • 基于优化链路状态协议改进(每个节点选择自己邻居节点中的一部分来作为MPR节点,只允许MPR进行泛洪广播并传播控制消息)
    • 改进的actor-critic+传统深度确定性策略梯度算法【DDPG】
    • 目标更新——贝叶斯规则

    2. 《基于自适应动态规划的多智能体一致性控制方法研究》 2020/12/01

    邓云红   中国科学院大学

    • (输入受限)自适应动态规划算法一致性控制方案
    • (外界干扰)最优一致性控制算法
    • (输入受限+外界干扰)分布式一致性 

    3. 《网络化多智能体预测控制方法研究》 2020/06/10

    骆文城     北方工业大学

    • (理想通信情形)基于观测器的多智能体协同输出跟踪控制
    • (线性离散,单个反向,随机网络诱导时延&数据包丢失)基于观测器的网络化多智能体预测输出跟踪控制
    •   (线性离散,单个反向以及前向,随机网络诱导时延&数据包丢失)基于观测器的网络化多智能体云预测输出跟踪控制

    4. 《基于MADDPG算法的多智能体协同控制研究》2020/06/02

    桂熙   武汉纺织大学

    • 基于MuJoCo环境
    • 多智能体确定性策略梯度算法【MADDPG】

    5. 《基于群体智能的无人机集群协同对抗系统的设计与实现》2020/05/27

    冉惟之   电子科技大学

    • 基于人工蜂群信息素
    • 无人机群多智能体间无中心式对等协同控制
    • 建模仿真

    其中1,2,4融入了神经网络的思想,1,4采取了相同的主要方法,即确定性策略梯度算法

    3用极点配置的方法计算得到观测器增益矩阵(针对线性网络化多智能系统中单个智能体内部存在的时延和数据包丢失问题)

    5个体寻优——>全局寻优

    对于2,自适应动态规划算法一致性控制,在动态规划算法中引入神经网络

    准备精读文章:2&5

    我的知识仅停留在书本层面,没有进行实际的仿真建模研究,因此对许多的理论是一知半解

    很多个人观点,有错误会及时纠正,有遗漏会及时补充

    展开全文
  • 二阶智能体协同,多智能体协同控制,matlab源码.zip
  • netlogo用于模拟生物群体的活动,可用在研究多智能体协同控制的研究方面
  • 分布式一致性多智能体编队控制协同编队任务涉及到多种技术的综合使用,是一项十分复杂的研究内容。每个编队成员必须具备控制器、传感器、与推进系统,编队整体需具备传感器信息融合、机间通信等能力。
  • 内含篇与netlogo相关的文档,可用于理解多智能体协同控制的原理。还有实现代码的截图。
  • 的环境中设定特定任务然而这样的传统控制系统不具备适应性以及泛化性当机器 人处于的环境发生细微的改变时机器人则无法准确的完成任务因此智能控制算法 逐渐成为机器控制的研究热点随着强化学习以及深度学习的不断...
  • 针对一类存在未知非线性的多智能体系统, 研究具有执行器故障的“领导-跟随”协同控制问题. 利用模糊逻辑系统逼近系统的未知非线性, 通过设计故障估计器辨识系统的故障. 在“跟随者”之间的通信网络为单向连通的情况...
  • 多智能体系统的协同群集运动控制,可扩展性强,可以参考一下
  • 多智能体的编队控制matlab程序,适合多智能体的编队或一致性研究的初学者学习。
  • 1.Handbook of Research on Multi-Agent Systems 2.cooperative control of multi-agent systems 3.Distributed Consensus in Multi-vehicle Cooperative Control Theory and Applications 4.Cooperative Control of...
  • 多智能体一致性
  • 高效的分布式控制协可分为时间触发机制和事件触发机制两种。时间触发机制包括 分布式采样控制和 分布式脉冲控制;事件触发机制包括 分布式事件触发控制;此外还有恶意攻击下的弹性控制

    导读

    多智能体系统协同控制领域的研究重点:一致性问题、编队控制、群集效应、蜂拥理论、空间聚集、分布式滤波与优化。集体行为的基本规则是什么呢?人们可以仅使用局部信息设计适当的控制协议来实现某些特定的集体运动吗?一致性问题,其核心目标是如何设计合适的控制协议或者机制使得网络中的所有节点的状态能够达到一致。

    把实际问题转化为科学研究的范畴,离不开系统建模。把多智能系统抽象为点和边构成的网络系统,每个节点就代表实际中的每个智能体,智能体通过相互连接所构成的网络系统,体现智能体间的连接作用。 

    目录

    一、无leader网络与leader-follower网络

    1.1 无leader网络

    1.2 leader-follower网络

    1.3 分布式协同控制三要素

    二、分布式采样控制[1]

    2.1  随机采样模型

    2.2  随机采样模型转化

    2.3  一致性结论

    三、分布式脉冲控制[2-3]

    3.1、 分布式脉冲控制模型建立

    3.2、 问题描述

    3.3   脉冲牵制可控性

    3.4   网络化分布式脉冲控制

    四、弹性控制


    一、无leader网络与leader-follower网络

    1.1 无leader网络

    无leader网络的含义是智能体通过彼此之间的信息交互实现协同,如图1所示。 是加权邻接矩阵,如果智能体可以收到智能体的信息,那么,否则 。 是耦合强度,表示智能体之间的连接紧密程度,与的值成正比。拉普拉斯矩阵被定义为,。一致性在数学上表示为,,当时间趋于无穷大时,状态趋于0。

     图1  无领导者网络

    1.2 leader-follower网络

    在 leader-follower网络中存在领导者智能体,系统的调控目标是使得跟随者智能体和领导者智能体实现一致,如图2所示。与无领导者网络相比多了 参数,表示领导者的信息反馈在系统动态上。当且仅当存在从领导者到第i个节点的有向路径时。节点称为牵制节点或受控节点。其目的是通过控制少量的追随者,即牵制控制,来驱动追随者与领导者同步,公式化为:

    图2 领导者跟随网络

    1.3 分布式协同控制三要素

    影响智能体群体行为的因素主要包含:智能体自身动态网络拓扑(即智能体之间连接),通讯机制三个方面,如图3所示。阴影部分就称之为分布式控制协议。我们的目标是设计高效的分布式协同控制协议,尽可能多的减少智能体之间的通信,且保持系统性能。

    图3 分布式协同控制三要素

    高效的分布式控制协可分为时间触发机制和事件触发机制两种。

    时间触发机制包括 分布式采样控制和 分布式脉冲控制

    事件触发机制包括 分布式事件触发控制;此外还有恶意攻击下的 弹性控制

    二、分布式采样控制[1]

    2.1  随机采样模型

     图4 随机采样模型

    2.2  随机采样模型转化

     图5  随机采样模型处理

    2.3  一致性结论

    问题1:随着智能体数量N的增加,大规模网络如何求解?解决方式如图6所示,将leader-follower一致性问题转化为一个leader和两个-follower的问题。

     图6  随机采样一致性结论

    问题2:如何设计网络实现leader-follower一致?解决方式如图7所示,将leader-follower一致性问题转化为一个leader和一个follower的同步问题,寻找m的上下界设计网络。

    图7 随机采样一致性网络设计

    三、分布式脉冲控制[2-3]

    3.1、 分布式脉冲控制模型建立

    文献[2]的目标是使得异质网络与领导者通过分布式脉冲控制实现拟同步(有界同步)。

     图8  分布式脉冲控制模型

     图9  脉冲控制

    3.2、 问题描述

    图10  异质网络分布式脉冲控制

    (1)如何精确的估计拟同步误差上界?

    (2)如何设计耦合强度,选择牵制节点,确定脉冲间隔, 优化误差上界?

    (3)应该牵制多少个节点以及选择哪些节点?

    在脉冲间隔没有限制的情况下,如果网络连通,则仅牵制一个节点是有效的;如果网络不连通,牵制节点的最小数目是网络的连通分支数目,与连续反馈牵制控制的结论吻合;耦合强度有上界,不能太大,较小的更合适。

    (4)在给定的误差水平下,如何设计耦合强度,选择牵制节点,确定脉冲间隔?

    3.3   脉冲牵制可控性

    给定一个网络,根据实现准同步所需的耦合强度c,控制矩阵D和脉冲间隔d的值来定义脉冲牵制可控性。用两个关键指标来定义和评估脉冲可控制性。和越低,网络的脉冲牵制就越容易控制。

     图11  脉冲可控性

    3.4   网络化分布式脉冲控制

    若采用远程控制方案如图12所示,则分布式控制协议的设计需要考虑网络延时的影响,系统模型如图13所示,通过对比发现,网络延时对一致性的实现起着负作用,将会增大牵制矩阵的控制比率,意味着需要牵制更多的节点,如图14所示。

     图12  网络化控制

     图13  网络化分布式控制的数学模型

     图14  分布式脉冲控制与网络化分布式脉冲控制结果对比

    四、弹性控制

    弹性控制(Resiliently Control)是指对网络攻击具有一定的容忍度且能够自我恢复的控制策略,控制策略能够适应组织内部条件与外部环境的变化,具有灵活性。

    基于时间或者事件触发的控制方法大多考虑的是确定性时间序列,实际中攻击序列具有很大的随机性,如何处理随机攻击时间序列的场景?

    下面提供了一种具有随机脉冲攻击序列的系统稳定性的分析方法。

    图15 随机脉冲攻击序列系统模型


    参考文献:

    [1] Wangli He, Biao Zhang, Qing-Long Han. Feng Qian, Jürgen Kurths, Jinde Cao. Leader-following consensus of nonlinear multi-agent systems with stochastic sampling. IEEE Transactions on Cybernetics, 2017, 47(2): 327-338

    [2] Wangli He, Feng Qian, James Lam, Guanrong Chen, Qing-Long Han and Jürgen Kurths, Quasi-synchronization of heterogeneous dynamic networks via distributed impulsive control: error estimation, optimization and design. Automatica, 2015, 62: 249-262

    [3] Wangli He, Guanrong Chen, Qing-Long Han and Feng Qian, Network-based Leader-following consensus of nonlinear multi-agent systems via distributed impulsive control. Information Sciences, 2017, 380: 145-158

    展开全文
  • 多智能体一阶二阶一致性 matlab 仿真。 包涵一阶,二阶多智能体一致性,包涵对车辆的编队的算法仿真,最后仿真实现小车位置和速度的一致性。还包含带领导和时滞系统时的matlab仿真m文件 多智能体
  • 第9章-任务约束下多智能体协同编队控制9.1 研究背景9.2 问题描述9.3 任务约束协调与求解9.4 任务切换与编队控制器设计9.5 系统稳定性分析9.6 仿真和实验9.6.1 数值仿真9.6.2 实物实验9.7 结论 9.1 研究背景 ...
    第8章回到目录第10章

    9.1 研究背景

    9.2 问题描述

    系统模型 (9.1)

    x ˙ i = v i (9.1a) \dot{x}_i = v_i \tag{9.1a} x˙i=vi(9.1a)

    v ˙ i = f i ( x i , v i , t ) + u i (9.1b) \dot{v}_i = f_i(x_i, v_i, t) + u_i \tag{9.1b} v˙i=fi(xi,vi,t)+ui(9.1b)


    9.3 多任务约束协调与求解

    9.4 多任务切换与编队控制器设计

    控制协议 (9.21)

    控制律:
    u i = − K 1 i σ i − K 2 i sig 1 2 ( σ i ) + θ ^ i T ϕ i ( x i , v i ) − χ i − σ ^ i sgn ( σ i ) (9.21) u_i = -K_{1i} \sigma_i - K_{2i} \text{sig}^{\frac12}(\sigma_i) + \hat{\theta}_i^T \phi_i (x_i, v_i) - \chi_i - \hat{\sigma}_i \text{sgn}(\sigma_i) \tag{9.21} ui=K1iσiK2isig21(σi)+θ^iTϕi(xi,vi)χiσ^isgn(σi)(9.21)


    自适应律 (9.22) (9.23)

    自适应律:
    θ ^ ˙ i = − Γ 1 i − 1 ϕ i ( x i , v i ) σ i − Γ 2 i θ ^ i − Γ 2 i 4 sgn ( θ ^ i ) (9.22) \dot{\hat{\theta}}_i = -\Gamma_{1i}^{-1} \phi_i(x_i, v_i)\sigma_i - \Gamma_{2i}\hat{\theta}_i - \frac{\Gamma_{2i}}{4} \text{sgn}(\hat{\theta}_i) \tag{9.22} θ^˙i=Γ1i1ϕi(xi,vi)σiΓ2iθ^i4Γ2isgn(θ^i)(9.22)

    δ ^ ˙ = γ 1 i − 1 ∥ σ i ∥ i − γ 2 i δ ^ i − γ 2 i 4 sgn ( δ ^ i ) (9.23) \dot{\hat{\delta}} = \gamma_{1i}^{-1} \|\sigma_i\|_i - \gamma_{2i}\hat{\delta}_i - \frac{\gamma_{2i}}{4} \text{sgn}(\hat{\delta}_i) \tag{9.23} δ^˙=γ1i1σiiγ2iδ^i4γ2isgn(δ^i)(9.23)


    9.5 系统稳定性分析

    9.6 仿真和实验

    9.6.1 数值仿真

    9.6.2 实物实验

    9.7 结论

    展开全文
  • 多智能体系统的协同群集运动控制》-陈杰.zip
  • 通过对四旋翼飞行器跟踪地面移动机器人仿真实验,说明加拿大Quanser多智能体协同控制平台的工作原理。Quanser系统可以方便地将Simulink仿真框图编译并下载到智能体中进行仿真,为研究智能体系统协同控制算法提供了一...
  • 多智能体协调控制

    千次阅读 2020-11-18 16:16:05
    总结:目前研究的方向为多智能体的协调控制,大致就是设计各种智能体系统模型的控制法则,使得多智能体编队可以在实现各种目标任务,其主要用到了李雅普诺夫直接法来证明设计的控制法则使设定的状态变量收敛,这里的...

    文献综述

    由Zhi-Wei Liu , Huazhou Hou , Yan-Wu Wang在2019年投的文章:Formation-containment control of multiple underactuated surfacevessels with sampling communication via hierarchical sliding mode approach,分析线性系统理论的应用。
    本文的系统为欠驱动的水面舰艇模型系统:
    在这里插入图片描述

    此系统为非线性欠渠道驱动系统,系统运动学模型为:
    在这里插入图片描述

    本文中为了使系统稳定,使用了终端滑模理论:
    在这里插入图片描述

    当系统满足 时,状态x可以在有限时间内从任意的初始状态到达平衡点。
    因此选择状态误差为状态x,滑模面为:
    在这里插入图片描述

    uie为欠驱动水面舰艇系统实际当前位置与期望位置的状态误差,
    在这里插入图片描述

    Vie为欠驱动水面舰艇系统的实际速度与期望速度的状态误差,然后利用李雅普诺夫直接法,设计李雅普诺夫函数为:
    在这里插入图片描述

    此李雅普诺夫函数正定,然后由李雅普诺夫直接法,带入设计的输入函数,可以证明此李雅普诺夫函数的导数为负定的,且为大范围稳定,则Si1、Si2可到达原点,那么由滑模理论,欠驱动的水面舰艇系统可以跟踪期望的轨迹。
    另一篇是Chang-Duo Liang , Ming-Feng Ge , Zhi-Wei Liu , Guang Ling , Feng Liu作者的:
    Predened-TimeFormationTracking Control of Networked Marine Surface Vehicles,
    首先由图论的知识得到拉普拉斯矩阵:
    在这里插入图片描述

    和把矩阵:
    在这里插入图片描述

    由引理:
    在这里插入图片描述

    在这里插入图片描述

    设计网络化水面舰艇系统的控制法则,系统的运动学和动力学模型为:
    在这里插入图片描述

    其中:
    在这里插入图片描述

    控制目标为在预定的时间内水面舰艇可以跟踪上期望的轨迹,其速度可以跟踪期望的速度,即:
    在这里插入图片描述

    设计此系统与期望的误差,根据引理,设定状态变量为:
    在这里插入图片描述

    李雅普诺夫函数为:
    在这里插入图片描述
    在这里插入图片描述

    然后证明了其导数为负定:
    在这里插入图片描述

    即达到引理1的条件,则设计的控制输入可以实现系统的预定时间跟踪期望轨迹和速度。
    总结:目前研究的方向为多智能体的协调控制,大致就是设计各种智能体系统模型的控制法则,使得多智能体编队可以在实现各种目标任务,其主要用到了李雅普诺夫直接法来证明设计的控制法则使设定的状态变量收敛,这里的设定的状态变量一般为轨迹误差、速度误差,或者根据其他引理设计的一些函数。另外论文里设计大量的控制理论的基础知识,比如状态矩阵、图论、图论里的邻接矩阵、指数稳定等等,控制理论是我的研究方向的基础理论和工具,其作用和意义非常大。

    注:转载使用请经过本人同意!

    展开全文
  • 在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下,针对35 kV片区配电网中电动汽车接入充电的优化问题,提出基于多智能体协同控制的电动汽车充电优化策略。仿真结果表明多智能体协同控制...
  • 自写文档配套程序,原文链接如下: https://blog.csdn.net/weixin_36815313/article/details/110489796
  • 上一章 回到目录 无 目录-《多智能体系统一致性协同演化控制理论与技术》纪良浩 上一章 回到目录 无
  • 很巧,硕士期间做过一点最优控制的东西,博士课题做的是机器人协同控制相关的内容。现在智能体确实很火,火到TAC收文量太大,专门又弄了个...就多智能体协同控制的问题而言而言,目前主流的研究集中在一致性控...
  • 本文着重研究高阶非线性多智能体系统的自适应自适应模糊控制。 通信网络是具有固定拓扑的无向图。 每个代理由高阶积分器建模,该积分器具有未知的非线性动力学和未知的干扰。 在backstepping框架下,为每个代理设计...
  • 研究了基于采样通信的分布式多智能体系统的稳定性分析与协同控制,并采用分布式状态反馈控制器来实现智能体间的协作。推导了一种线性不等式的形成定理,并将其用来分析系统的稳定性。同时提出了针对线性不等式约束优化...
  • #资源达人分享计划#

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 16,211
精华内容 6,484
关键字:

多智能体协同控制

友情链接: VPSN_EMA_Matlab.zip