【摘 要】
：
针对多AUV编队控制的模型参数不确定及未知海流干扰的问题,提出基于固定时间模糊干扰观测器的事件触发编队控制方法,该方法可保证编队控制在固定时间内收敛.首先,构造了固定时间模糊干扰观测器处理系统的集总扰动,实现固定时间内对扰动的精确估计.在扰动观测器的基础上,将指令滤波器与反步法结合,消除了多次求导产生的计算爆炸问题;其次,为了降低网络传输资源能耗,将事件触发机制引入多AUV编队控制中,设计具有固定
【机 构】
：
燕山大学电气工程学院,燕山大学工业计算机控制工程河北省重点实验室
【基金项目】
：
河北省自然科学基金项目(F2016203496)资助。
论文部分内容阅读
针对多AUV编队控制的模型参数不确定及未知海流干扰的问题,提出基于固定时间模糊干扰观测器的事件触发编队控制方法,该方法可保证编队控制在固定时间内收敛.首先,构造了固定时间模糊干扰观测器处理系统的集总扰动,实现固定时间内对扰动的精确估计.在扰动观测器的基础上,将指令滤波器与反步法结合,消除了多次求导产生的计算爆炸问题;其次,为了降低网络传输资源能耗,将事件触发机制引入多AUV编队控制中,设计具有固定时间收敛性能的分布式编队控制器,且系统收敛时间仅取决于控制器设计参数,并经理论证明无Zeno行为;最后通
其他文献
针对一类具有执行器、传感器故障的多伺服电机控制系统,设计了相应的多伺服电机智能化协调容错轨迹跟踪控制系统.首先,提出了一种新结构的分布式中间估计器,修改了其设计结构,提高了估计方案的可行性.其次,通过在线强化学习估计策略,可以显著提高估计性能,其核心是自适应切换机制与源故障模式定位功能块的集成,并根据估计值设计了协调容错轨迹跟踪控制器.同时,设计了可视化人机交互操作界面,可将伺服电机的实时位置、速度、相应的位置、速度估计值及控制性能等信息反馈至监控中心.操作人员可随时调节伺服输入,完成任务调整,可有效提升
针对水面无人艇的路径规划,首先用仿生学算法对环境障碍物做开运算,提出改进的蚁群算法搜索可行路径得到航路点序列,优化合并没有障碍物的相邻航路点并顺序连接,得到可行且无碰撞风险的全局路径;其次,使用Dubins曲线算法对连接点进行平滑处理,分析其几何特性并找出其不足之处;最后,引入贝塞尔三阶曲线理论对于已经优化过的折线段进行平滑处理,使其在满足最小旋转半径的同时,也满足USV动力学特性,最终得到一条优化可行的路径.仿真结果证明本算法设计的光滑路径在计算复杂度、路径优化等方面都有了较大的提高.
本文研究一类具有未知常参数的二阶非线性多智能体系统的有限时间自适应分布式优化.首先,通过给定各个智能体的二次目标函数,并结合多智能体系统达到一致性的条件,构造含有惩罚因子的惩罚函数,提出加速智能体状态收敛至目标函数最优解的控制策略.其次,在给定惩罚因子下,基于幂积分方法和有限时间稳定理论,设计有限时间分布式自适应控制协议,使得惩罚函数的梯度在有限时间内收敛到零的邻域内.再次,通过增大惩罚因子,保证多智能体系统的状态最终达到一致,并收敛到总体目标函数的最优解.最后,仿真算例验证了结果的可行性和有效性.
针对含有模型不确定性和未知外部扰动的车式移动机器人集群,本文设计了一种分布式协同编队控制器,通过单条参数化路径导引,实现了车式移动机器人协同编队运动.本文首先在运动
本文研究通信范围有限的智能体群组编队问题,探索网络攻击下多智能体系统弹性均值趋同控制策略.现有的工作表明,多智能体系统可通过维持一个所谓r–鲁棒的通信网络,实现分布式弹性趋同控制器的设计.然而,传统的方法中只有当单个智能体的通信范围足够大时,才能使网络满足r–鲁棒这一特定条件.本文利用智能体可移动的特性放宽了对通信范围的要求,通过小组化和模块化的设计思想以及相应的编队策略,让智能体沿预设轨道做周期性运动,从而达成具有r–鲁棒的通信网络,并基于该通信网络提出了一种分布式弹性均值趋同控制方法.此外,分析给出了
近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至
针对固定节点数的渐近最优快速扩展随机数算法(RRT*FN)精度低、收敛到最优值速度慢等问题,提出一种改进的RRT*FN路径规划算法,并用于解决二维静态环境下的移动机器人全局路径规划问题.首先,改进算法使用与RRT*FN算法相同的均匀采样方法进行路径搜索,当搜索到一条初始路径时,在之后的路径规划中使用启发式采样方法.在之后的每次迭代中,改进算法在椭圆子集采样方法与路径点邻近区域采样方法中随机选择一种
针对受扰非线性多智能体网络,研究分布式鲁棒包容控制方法.采用微分博弈理论将有界L2增益包容控制问题描述成多玩家零和博弈问题.对于每个跟随者,当至少有一个领航者与其存在有向路径通信时,基于局部邻居信息定义每个跟随者的性能指标,从而得出包容误差L2有界且零和博弈解存在的结论.在系统动态完全未知的情况下,采用积分强化学习算法和执行-评价-干扰网络,在线得到近似最优策略.仿真结果表明了所提出方案的有效性和正确性.
针对通讯受限条件下大规模移动机器人编队任务,本文提出了基于行为的分布式多机器人线形编队控制和避障算法.机器人个体无需获得群体中所有机器人的信息,而是根据传感器获取的环境信息和局部范围内的机器人信息对其自身的调整方向进行预测,并最终很好地完成了设定的编队及避障任务.由于本文方法需求的通讯量不大,并且采用分布式控制,因此该方法适用于大规模的机器人集群编队任务.文中还给出了本系统的稳定性分析,证明了系统的稳定性.实验结果表明该算法使得机器人能够仅通过局部信息形成线形编队,在遇到障碍物后能够灵活避开障碍物,并且在
针对机械臂对尺寸变换、形状各异、任意位姿的未知物体抓取,提出一种基于多层级特征的单阶段抓取位姿检测算法,将物体抓取位姿检测问题视为抓取角度分类和抓取位置回归进行处理,对抓取角度和抓取位置执行单次预测.首先,利用深度数据替换RGB图像的B通道,生成RGD图像,采用轻量型特征提取器VGG16作为主干网络;其次,针对VGG16特征提取能力较弱的问题,利用Inception模块设计一种特征提取能力更强的网