多智能体系统的事件触发无模型迭代学习双向一致性
作者:
作者单位:

1.江南大学;2.燕山大学

作者简介:

通讯作者:

中图分类号:

TP273

基金项目:

国家重点研发项目(2018YFD0400900); 国家自然科学基金项目(61873112, U20A20167); 江苏省高等学校自然科学研究面上项目(18KJB413009)


Data-driven bipartite consensus control for multi-agent systems with data quantization
Author:
Affiliation:

1.Jiangnan University;2.JiangNan University

Fund Project:

The National Key R&D Program of P. R. China (2018YFD0400902), and the National Natural Science Foundation of P. R. China (61873112,U20A20167); The Natural Science Research Project of Higher Education in Jiangsu Province(18KJB413009).

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文针对未知模型的非线性离散时间多智能体系统, 研究了基于事件触发迭代学习双向一致性问题. 首先, 利用紧凑形式动态线性化方法, 建立了多智能体系统的动态线性化数据模型, 提出了该数据模型的参数估计算法; 然后基于该数据模型, 设计了输出观测器和死区控制器, 并结合信号图论, 构建了一种事件触发分布式无模型迭代学习双向一致性控制策略. 此外, 设计了李雅普诺夫函数对该控制策略的收敛性进行了严格的证明. 最后, 通过数值仿真, 进一步验证了该控制协议的正确性和有效性.

    Abstract:

    This paper investigates the event-triggered distributed model-free iterative learning bipartite consensus (ETDMFILBC) problem for unknown nonlinear discrete-time multi-agent systems. A dynamics linearization data model is first established by employing a compact form dynamics linearization approach, and the estimation algorithm of its parameters is also formulated. After that, the output observer and dead-zone operator are designed. Meanwhile, applying the signed graph theory, an ETDMFILBC scheme is proposed. Moreover, the convergence property of the proposed algorithm is strictly proved by the constructed Lyapunov function. Finally, the results of the simulation further verify the correctness and effectiveness of the designed scheme.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-03-10
  • 最后修改日期:2021-07-19
  • 录用日期:2021-07-19
  • 在线发布日期: 2021-08-01
  • 出版日期: