Robust Leader-Follower Formation Tracking Control of Multiple Underactuated Surface Vessels

This paper is concerned with the formation control problem of multiple underactuated surface vessels moving in a leader-follower formation. The formation is achieved by the follower to track a virtual target defined relative to the leader. A robust adaptive target tracking law is proposed by using neural network and backstepping techniques. The advantage of the proposed control scheme is that the uncertain nonlinear dynamics caused by Coriolis/centripetal forces, nonlinear damping, unmodeled hydrodynamics and disturbances from the environment can be compensated by on line learning. Based on Lyapunov analysis, the proposed controller guarantees the tracking errors converge to a small neighborhood of the origin. Simulation results demonstrate the effectiveness of the control strategy.

基于观测器的多智能体网络leader-following编队控制

主要研究了leader-following多智能体网络的分布式编队问题。假设多智能体网络中的每个follower不能实时得到leader的信息,针对每个follower设计相应的分布式观测器。考虑了无时延的切换拓扑多智能体网络和存在时变时延的固定网络两种情况。利用Lyapunov稳定定理,给出了系统稳定和控制协议有效的充分条件。最后,给出了数字仿真结果以验证所设计协议的有效性,即followers形成所要求的编队并且与leader达到速度一致。

Distributed H_∞ control of multi-agent systems with directed networks

This paper studies the distributed H∞control problem of identical linear time invariant multi-agent systems subject to external disturbances. A directed graph containing a spanning tree is used to model the communication topology. Based on the relative states of the neighbor agents and a subset of absolute states of the agents, distributed static H∞controllers are proposed. The concept of an H∞performance region is extended to the directed graph situation. Then the results are used to solve the leader–follower H∞consensus problem. Sufficient conditions are proposed based on bounded real lemma and algebraic graph theory. The effectiveness of the theoretical results is illustrated via numerical simulations.

Neural Network Based Adaptive Tracking of Nonlinear Multi-Agent System

In this paper,the problems of robust consensus tracking control for the second-order multi-agent system with uncertain model parameters and nonlinear disturbances are considered.An adaptive control strategy is proposed to smooth the agent’s trajectory,and the neural network is constructed to estimate the system’s unknown components.The consensus conditions are demonstrated for tracking a leader with nonlinear dynamics under an adaptive control algorithm in the absence of model uncertainties.Then,the results are extended to the system with unknown time-varying disturbances by applying the neural network estimation to compensating for the uncertain parts of the agents’models.Update laws are designed based on the Lyapunov function terms to ensure the effectiveness of robust control.Finally,the theoretical results are verified by numerical simulations,and a comparative experiment is conducted,showing that the trajectories generated by the proposed method exhibit less oscillation and converge faster.

Finite-Time Consensus of a Leader-Following Multi-Agent Network with Non-Identical Nonlinear Dynamics and Time-Varying Topologies

In this paper, the finite-time consensus of a leader-following multi-agent network with non-identical nonlinear dynamics and time-varying topologies is investigated. All the agents, especially the leaders, have non-identical and nonlinear dynamics. According to the algebraic graph theory, Lyapunov stability theory and Kronecker product, a control strategy strategy is established to guarantee the finite-time consensus of multi-agent network with multiple leaders. Furthermore, several numerical simulations illustrate the effectiveness and feasibility of the proposed method.

基于统一多能耗模型的公路能源群落最优能耗领导–跟随控制

公路、能源、信息及社会等多领域子网耦合支撑新能源、化石能源等网联车辆集群在有无司机干预驾驶工况下混合行驶。降低混合行驶车辆集群能耗亟需解决燃油、电动及燃氢等车辆集群统一多能耗建模难、集群耦合公路干线动态演化特殊性不明及最优能耗领导-跟随控制研究等问题。为此,该文提出基于统一多能耗模型的公路能源群落多工况最优能耗领导–跟随控制策略。首先,考虑“人、车、网、云、端”等多维元素互联,在车辆自组织、公路能源群落等概念研究基础上,基于公路能源群落耦合干线公路的特殊性,阐述公路能源群落多工况最优能耗领导–跟随控制机理;其次,基于图论建立公路能源群落的动力学演化领导–跟随控制模型与基于汽油、电力及氢气等能源价格的统一多能耗模型;最后,考虑有无司机干预,提出两种基于统一多能耗模型的公路能源群落多工况最优能耗领导–跟随控制策略。多工况仿真结果表明,两种基于统一多能耗模型的最优能耗领导–跟随控制策略有效,可为科学、合理的管控公路能源群落的最优能耗状态提供理论指导。

竞合网络下带有事件触发的分布式跟踪研究

研究带有事件触发项的多智能体系统在合作竞争网络中的分布式跟踪问题。首先,提出一种分布式协议,并设计事件触发机制,使得个体在无向平衡网络中实现分布式两分跟踪;然后,在设计的机制下,运用李亚普诺夫稳定性定理证明所有个体均能实现分布式两分跟踪,且该事件触发机制不存在Zeno现象;最后,通过仿真实验验证了事件触发机制的有效性。

基于Leader-Follower的分群移动控制算法

分布式智能体群体移动控制中,简洁高效的多任务分群和群体移动是实现复杂群体运动控制的基础。群体运动会受到各节点运动不统一的影响而产生震荡和波动,使群体的移动距离增加,降低了群体移动效率。受"阻尼减震"的启发,本文对领导者最大速度进行限制,同时调节合力组成比例,对节点间无序力进行弱化,减小无序力对群体移动的负面影响,突出移动方向的合力并保持适当的拓扑调节能力,使群体稳定向目标移动;对于多任务群体,提出一种基于Leader-Follower多任务分群方法,根据跟随者到不同领导者的层级大小,通过简单广播应答机制实现任务群体分割。仿真结果表明:本文分群移动控制方法通过简单应答通信,能够根据不同任务实现快速分群,并能够更有效的控制群体移动,降低节点的平均移动距离,有效减弱了群体波动影响。

Information theoretic conditions for tracking in leader-follower systems with communication constraints

In this paper, we introduce a general framework for tracking in leader-follower systems under communication constraints, in which the leader and follower systems as well as the corresponding controllers are spatially distributed and connected over communication links. We provide necessary conditions on the channel data rate of each communication link for tracking of the leader-follower systems. By considering the forward and feedback channels as one cascade channel, we also provide a lower bound for the data rate of the cascade channel for the system to track a reference signal such that the tracking error has finite second moment. Examples and simulations are provided to demonstrate some of the results.

控制与计算理论的交互：云控制

在20世纪80年代,为了解决分布式闭环控制问题,研究者提出了网络化控制系统(Networked control system,NCS).通过网络对象实现远程控制,控制和计算理论的交互促进了网络化控制系统的进一步发展.网络化控制系统的另外两个方向分别是领导者-跟随者系统和模型预测控制系统.通过与云计算、物联网(Internet of things,IoT)等技术相结合,云控制系统可被看作是网络化控制系统的一种延伸.在原云控制系统的基础上,进一步深入研究,给出了一个可应用到云控制系统上新理论技术的综述和探索.

基于群体社会制度策略的主从多智能体汇聚

研究一阶主从多智能体网络的汇聚问题,基于多智能体网络群体的社会制度,提出3种汇聚策略,即民主、独裁和混合策略。假设在策略中,只有领导者知道全局任务,即汇聚到一个已知的目标点,跟随者只需要与领导者群体保持联系,从而能够到达目标点。研究发现,主从网络多智体个体在属性上可以分为目标智能体,领导者智能体,非孤立跟随者从智能体和孤立跟随者从智能体。研究结果表明民主策略容易实现所有智能体到达目标点,但移动速度较慢;在独裁策略作用下,智能体网络可以很快实现汇聚,但个别跟随者从智能体由于初始条件下感应不到环境中的领导者智能体而永远停留在原来的位置;引进混合策略后,即可以保证所有的智能体到达目标点而且又可以保持较快的到达速度。通过对模型和拓扑结构的分析,得出3种策略各自的特点,并以4个领导者和5个跟随者组成的主从智能体网络为例进行仿真。

具有通信时延的无线传感器网络拥塞控制算法

针对具有通信时延的无线传感器网络的拥塞问题,利用图论对无线传感器网络进行建模,借鉴领导者—跟随者的思想设计了一致拥塞控制算法(congestion control based on consensus,CCBC).根据汇聚节点的负载状况,合理地调节所有传感器节点的数据发送速率,给出足够的条件证明算法在变拓扑网络结构和时变时延下的有效性.NS仿真表明,本文提出的算法与其他算法比较,具有较低的丢包率、较高的链路利用率、良好的节能性,能够很好地抑制无线传感器网络中的拥塞现象.

网络环境下固定拓扑的多电机领航跟随控制

基于多智能体一致性理论,从领航跟随控制的角度解决网络环境下多电机的同步控制问题,其中考虑了网络时延对同步控制的影响。每个电机均被视为一个智能体,且每个智能体能且只能得到其邻域的输出测量信息,在此条件下,研究了在有向固定网络拓扑情况下多电机系统的同步控制问题。为了解决网络时延对电机同步控制的影响,提出了一种带有分布式观测器的时延一致性控制协议,应用Lyapunov稳定性理论证明了若单个电机是能观能控的,只要网络连接满足简单的拓扑结构,则多电机系统能够达到领航跟随一致性。最后通过仿真实验验证了该方法的正确性和有效性。

基于视觉的行人引领移动机器人导航方法研究

移动机器人通过跟随领航员以实现导航是一种便捷的导航方式。针对行人引领导航中的领航员定位问题,提出了一种基于视觉的行人引领导航方法。该方法利用卡尔曼滤波器预测领航员的位置和尺度,并基于深度神经网络的行人检测器提供的结果更新滤波器的状态。为了关联检测结果和卡尔曼滤波器预测结果,提出了2个指标用于衡量两者之间的关联性。其中,为了提高在多个行人中辨认领航员的可靠性,创新性地引入了一个孪生神经网络,使用该网络全连接层提取的特征作为候选人的特征描述子,并通过计算特征之间的余弦距离来验证检测器检测到的行人身份。此外,当卡尔曼滤波器跟踪领航员失败时,综合考虑检测结果和孪生网络的判断结果重新初始化卡尔曼滤波器,以实现持续的领航员定位。视频实验和物理机器人实验验证了所提出的方法的有效性和可靠性。

考虑社会关系影响的小学生疏散行为研究

公共场所中小学生人群是一种具有高伤亡风险特征的典型群体。为探究小学生应急疏散行为特征,定量化分析社会关系对小学生疏散追随行为的影响,面对不同年级小学生群体开展楼梯疏散试验,耦合社会网络分析等方法,将学生群体常态社会关系网络和应急疏散追随关系网络可视化,提出社会关系对人员疏散追随行为影响度和应急疏散领导者的计算方法。结果表明:社会关系对小学生人员疏散追随行为的影响程度与其年龄和性别有关,对高年级小学生影响大于其对低年级小学生的影响。小学生群体领导者更容易在男性同学中产生。相同人数下,高年级小学生较低年级小学生更容易产生领导者。小学生疏散领导者部分来自常态意见领袖,个体的运动速度和人格特征影响其是否成为领导者。

多层一致性网络的最优控制节点组合选择算法

针对具有层次化网络拓扑结构的多智能体系统中的一致性问题,提出了一种选择多层网络中最优控制节点新的组合算法。首先,提出了定量刻画多层一致性网络控制效果的数学指标。然后根据多层同质网络与多层异质网络拓扑结构的特点,分别定位多层多智能体系统的层间网络和层内网络的最优控制节点。在此基础上通过组合的方法,最终确定整个多层网络的最优控制节点。对于多层随机网络,通过改变层数、节点数以及层间和层内的连边概率依次改变层间结构和层内结构。当层内网络节点数较小时,通过算法找到的领导节点和最优控制节点之间的误差控制在1%～10%,当网络节点数增大或者连边概率等于1时两者的相对误差小于1%;当层间结构为随机网络时,当连边概率小于0. 1时相对误差在5%～20%,当连边概率增加到1时相对误差减小为1%。实验分析表明了所提算法的有效性。

基于神经网络的飞行器协同编队控制研究

针对Leader-Follower结构飞行器协同编队制导控制问题,以侧滑转弯飞行器为研究对象,对制导回路与控制回路进行分析设计。首先在惯性空间中定义相对运动坐标系,建立相对运动模型;其次将Leader加速度信息作为扰动量,结合滑模变结构与神经网络理论设计了编队制导律,并考虑过载饱和问题,给出制导参数确定规则;最后设计控制系统,并证明了制导控制系统稳定性。仿真结果表明所设计的制导控制系统能够快速精确地对期望编队队形进行构建并保持。

基于特征谱分析的领导 追随者网络一致性

选取一类确定性网络为研究对象,研究多个领导设置的领导追随者网络一致性解析求解问题。应用网络规则的拓扑结构和矩阵运算知识,得到网络一致性的精确表达式,重点比较网络内部参数对一致性的作用。研究结果表明,领导数目越多,网络一致性越好。

基于RBF神经网络的多移动机械臂同步控制

以多固定基机械臂同步控制为基础,应用RBF神经网络方法,并结合领导者-追随者(主从控制)通信拓扑方法,针对存在不确定性的多移动机械臂系统,设计出一种新的分布式主从同步控制器,并使得控制器的适应性得以提高。从动移动机械臂和领导移动机械臂之间的同步误差由主从式通信拓扑的网络结构来定义。本研究对从动移动机械臂的建模误差等不确定性进行了逼近和补偿,并对领导移动机械臂的控制力矩进行了估计,RBF神经网络的权值根据自适应律在线进行更新。通过Lyapunov方法验证了所设计控制算法的稳定性,最后通过Matlab仿真验证了其可行性。

基于生物启发反步级联控制方法的多AUV主从式编队

研究了自治水下机器人(AUV)在三维环境中主从式编队控制问题,提出一种基于生物启发反步级联控制方法.该方法利用领航者的位置信息以及期望的队形得到虚拟AUV的航行轨迹和速度信息,引入反步控制实现跟随AUV对虚拟AUV的轨迹跟踪,实现三维水下编队控制;利用生物启发神经网络有界性的特点,解决了速度跳变以及由此引起的驱动饱和问题.仿真结果表明,该方法实现了预期控制效果,并且有较好的有效性和实用性.