期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
动态事件触发下非线性多智能体时变编队
1
作者 赵志诚 李祥 《火力与指挥控制》 北大核心 2025年第6期123-129,共7页
针对高阶含Lipschitz非线性项的多智能体时变编队控制问题,引入了动态事件触发机制,设计了一种分布式控制协议。由于引入了内部动态变量,与现有的静态事件触发机制相比,能有更少的触发次数,减少智能体之间的通讯资源。利用Lyapunov稳定... 针对高阶含Lipschitz非线性项的多智能体时变编队控制问题,引入了动态事件触发机制,设计了一种分布式控制协议。由于引入了内部动态变量,与现有的静态事件触发机制相比,能有更少的触发次数,减少智能体之间的通讯资源。利用Lyapunov稳定性理论得到满足时变编队的充分条件,且严格证明了系统无Zeno现象。对多飞行器的运动在Matlab进行仿真,结果实现了期望的时变编队,证明了该控制协议的有效性,有效地节省了通讯资源。 展开更多
关键词 多智能体系统 领航跟随者法 时变编队 动态事件触发 非线性系统
在线阅读 下载PDF
基于车辆编队反馈控制器优化研究
2
作者 赵晓鹏 王国权 +1 位作者 安先龙 冯英杰 《电子测量技术》 北大核心 2025年第12期128-136,共9页
针对车辆编队控制中传统的控制策略难以同时满足系统鲁棒性和高精度跟踪的要求,尤其是在面对外部扰动和模型不确定性时,这一问题更加突出。本文提出了一种基于线性反馈控制与车辆运动状态估计相结合的融合算法(LFC-MSE),以提高跟随车速... 针对车辆编队控制中传统的控制策略难以同时满足系统鲁棒性和高精度跟踪的要求,尤其是在面对外部扰动和模型不确定性时,这一问题更加突出。本文提出了一种基于线性反馈控制与车辆运动状态估计相结合的融合算法(LFC-MSE),以提高跟随车速度和角速度的精确性,进而减小外部扰动和通信延迟带来的不利影响。通过反馈线性化部分将车辆编队这种非线性系统转化为线性系统去求解,设计出车辆编队系统的控制器,在通信延时方面,对车辆的运动状态进行估计,提高整个系统的响应速度和控制精度。最后在CarSim-Simulink的联合仿真环境中,搭建车辆编队的动力学模型、参数模型和控制模型,对论文的LFC-MSE算法进行仿真验证。仿真结果表明,在该算法控制下跟随车辆相较于领航车辆横向误差在0.5 m内、纵向轨迹误差在1.5 m之内,而且LFC-MSE控制方案在保持编队稳定性、响应速度及减少能耗方面表现更优。 展开更多
关键词 车辆编队 领航跟随者法 反馈线性化控制 控制器设计 LFC-MSE算
在线阅读 下载PDF
基于事件触发的AUVs固定时间编队控制 被引量:6
3
作者 王洪斌 高静 +1 位作者 苏博 王跃灵 《自动化学报》 EI CAS CSCD 北大核心 2022年第9期2277-2287,共11页
针对多自主水下航行器编队系统受限于有限的通信资源及收敛速度慢等问题,提出一种基于事件触发的自主水下航行器固定时间领航-跟随编队控制方法.首先,将动态面控制算法与反步法结合,消除“计算膨胀”问题;其次,为节约有限通信资源,将事... 针对多自主水下航行器编队系统受限于有限的通信资源及收敛速度慢等问题,提出一种基于事件触发的自主水下航行器固定时间领航-跟随编队控制方法.首先,将动态面控制算法与反步法结合,消除“计算膨胀”问题;其次,为节约有限通信资源,将事件触发通讯机制和固定时间理论引入多自主水下航行器编队控制中,设计编队控制器,实现编队系统的固定时间稳定,且系统收敛时间与初始状态无关,并通过理论证明无Zeno行为;最后,对4艘自主水下航行器的编队进行仿真实验,验证算法的有效性. 展开更多
关键词 多自主水下航行器 事件触发 领航者-跟随者 动态面控制 固定时间控制
在线阅读 下载PDF
基于生物启发模型的欠驱动AUV协同编队终端滑模控制
4
作者 李志豪 董早鹏 +2 位作者 刘伟 盛金亮 孙蓬勃 《中国舰船研究》 2025年第4期262-271,共10页
[目的]针对存在外界环境干扰以及模型不确定的欠驱动AUV协同编队轨迹跟踪控制问题,提出一种基于生物启发模型的终端滑模(BFTSMC)编队控制方法。[方法]首先,利用微分跟踪器平滑领航艇的艏向角,通过领航—跟随者的编队控制方法生成跟随艇... [目的]针对存在外界环境干扰以及模型不确定的欠驱动AUV协同编队轨迹跟踪控制问题,提出一种基于生物启发模型的终端滑模(BFTSMC)编队控制方法。[方法]首先,利用微分跟踪器平滑领航艇的艏向角,通过领航—跟随者的编队控制方法生成跟随艇的期望轨迹;其次利用反步法推导出虚拟期望速度以镇定AUV的位置误差,并采用生物启发模型,对虚拟速度控制律进行平滑处理,减少前期系统的抖振和降低对控制器的计算复杂程度;然后设计基于反正切函数的固定时间非奇异终端滑模控制器,使得整个编队系统更快收敛;最后为了减少外界环境干扰和模型不确定性带来的复合干扰,采用基于最小学习参数法的神经网络(MLP-RBF)进行补偿。[结果]相比于积分滑模控制,所提出的控制方法可使整个AUV编队系统更快、更精确地跟踪上参考轨迹。[结论]所设计的编队控制算法能够实现对AUV的三维轨迹跟踪。 展开更多
关键词 自主水下航行器 领航跟随者 生物启发模型 神经网络 滑模控制 编队控制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部