基于学习的线性多智能体系统弹性最优协同容错控制

针对一类线性多智能体系统,研究其在网络间歇性拒绝服务攻击下的最优同步控制问题.首先,在时变非对称通讯网络拓扑结构下,提出一种弹性最优协同容错控制策略,并优化多智能体的合作二次性能指标,然后证明全局跟踪误差在出现执行器故障和网络攻击时仍然渐进收敛.进一步,当考虑多智能体子系统模型参数未知,同时系统发生执行器故障的情况下,提出利用局部系统状态和输入信息的自学习迭代算法求解代数Riccati方程,计算子系统的反馈控制器增益,实现弹性协同容错控制目标.最后,通过Chua电路网络仿真算例验证所提出的控制方法的有效性.

基于动态规划的无人机编队最优协同容错控制

为了克服未知的执行器故障对四旋翼无人机编队飞行的影响,提出了一种基于动态规划的最优协同容错控制律。首先,建立了四旋翼无人机模型,然后,基于动态规划设计了最优协同控制律,利用RBF神经网络逼近最优性能指标函数,设计了自适应律来估计未知的执行器故障,最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果,编队飞行的最大轨迹跟踪误差仅为0.04 m,控制精度较高,设计的自适应律具有更优的故障估计效果,最大估计误差仅为0.05 N·m,实现了对四旋翼无人机编队的安全稳定控制。