基于PID的制造业多智能体系统一致性分析

以往使用频域法和Lyapunov函数法受到系统时滞影响,曲线收敛速度慢,导致系统多智能体无法达到一致性效果。面对该问题,提出了基于PID的制造业多智能体系统一致性分析。通过构建多智能体系统模型,从工场调度、工作分配、工场资源、拍卖智能体角度出发,研究制造业多智能体系统调度任务,确定各项任务的调度结果。结合PID法对网络拓扑进行邻接矩阵描述,设定预备知识。利用LMI工具箱求解所需的增益矩阵,确定无噪音和有噪音两种情况下的PID参数。设定两个引理并对其验证,消除系统余差,使系统一致性曲线收敛,实现系统一致性,最后设计对比实验,以系统状态轨迹一致性作为实验指标,验证所提方法的有效性。由实验结果可知,该方法曲线收敛速度较快,在15s以内能够达到一致性效果。

复杂网络下多智能体系统一致性分析

由于传统分析方法无法深入分析多智能体系统拓扑量,因此提出复杂网络下多智能体系统一致性分析。设计一致性考虑协议方程,并根据协议方程推导出一致性拓扑条件方程,总结出多智能体系统复杂网络下一致性结果。通过线路轨迹实验与算例实验得出,复杂网络下多智能体系统一致性分析能验证系统稳定性,并确保多智能体系统一致性运行。

基于周期事件触发的多智能体系统平均一致性

本文研究了一阶多智能体系统在固定无向连通拓扑下的平均一致性问题。为了减少多智能体系统的资源消耗,避免Zeno现象,本文提出了在离散时间下周期地对状态值进行采样的周期事件触发机制;同时为了减少智能体的控制输入更新次数,提出了一种新的事件触发条件。利用代数图论和李雅普诺夫理论,获得了多智能体系统达到平均一致性的充分条件。最后,仿真实例验证了该触发机制的有效性。

基于GAWK-means的地铁车站指纹定位方法

针对在城市轨道交通车站内,利用iBeacon技术进行指纹定位时存在匹配效率较低、定位精度不理想的问题,文中提出了一种基于GAWK-means的地铁车站指纹定位方法。离线阶段,根据指纹数据本身的离散程度进行K-means欧式距离权重优化以便更好地体现类内相似度,再将改进的K-means结合遗传算法,优化聚类结果以减少陷入局部最优。在线阶段,利用K近邻法将信号向量与最为接近的子指纹库匹配获得定位结果,通过平均定位误差对该方法整体性能进行评估。实验结果表明,在地铁车站离线阶段使用GAWK-means算法平均定位误差为1.52 m,相较于未聚类和传统K-means聚类,定位误差减少了0.41 m以上。