基于迭代学习的具适多智能体系统分布式跟踪控制

文章考虑了具适多智能体系统的分布式跟踪控制问题.通过设计带有初始学习机制的P型和PDα型迭代学习控制策略求解跟踪问题.具适导数具有良好的性质且可以刻画不同步长的实际数据采样情况.初始学习机制放松了初始值条件且提高了算法实现趋同跟踪的性能.在可重复操作环境和有向通信拓扑的假设下,提出了一种分布式迭代学习方案,通过重复同一轨迹的控制尝试和用跟踪误差修正不满意的控制信号来实现有限时间趋同.严格证明了随着迭代次数增加,提出的P型和PDα型迭代学习控制策略使得所有智能体能渐近跟踪上参考轨迹.两个代表性数值仿真验证了算法的有效性.