脉冲多智能体系统的迭代学习控制

发布时间：2024-02-18 04:17

　　脉冲多智能体系统的一致跟踪问题是多智能体的重要研究方向,它在信息通信,控制科学和编队控制领域具有广泛的应用。本文研究了带有虚拟领导者的脉冲多智能体系统在有限的时间区间内对领导者的一致跟踪问题。针对批次长度固定的情形,采用带有初始迭代状态的D-型和PD-型学习律,在脉冲输入下实现多智能体系统的一致跟踪问题。在固定有向拓扑图下,对于脉冲多智能体系统,证明了当系统的参数和学习律满足给定条件,并且所有跟随者都可以通过给定的拓扑关系获得虚拟领导者的信息时,随着迭代次数的增加,所有智能体可以一致地跟踪到领导者。并通过数值仿真验证了理论结果的有效性。针对批次长度变化的情形,引入域对齐算子来修正跟踪误差,更新控制函数。在此基础上,利用DαD-型学习律和IβD-型学习律分析脉冲多智能体系统的收敛性。进一步地,使用局部平均算子来优化控制函数,以便控制函数可以充分利用迭代误差来更新学习律,并通过严格的数学理论,给出了多智能体系统一致跟踪领导者的充分条件。并通过数值仿真验证了这所提出学习律的有效性。

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    1.1 研究背景
        1.1.1 脉冲多智能体系统
        1.1.2 迭代学习控制
    1.2 研究现状及问题提出
    1.3 主要研究内容
第二章 准备知识
    2.1 空间及范数
    2.2 图论知识
    2.3 系统
    2.4 分数阶微积分
    2.5 重要引理
第三章 批次长度固定情形下的一致跟踪问题
    3.1 D-型学习律的收敛性分析
    3.2 PD-型学习律的收敛性分析
    3.3 数值仿真
第四章 批次长度变化情形下的一致跟踪问题
    4.1 D^αD-型学习律的收敛性分析
    4.2 I^βD-型学习律的收敛性分析
    4.3 带有局部平均算子的D^αD-型学习律收敛性分析
    4.4 带有局部平均算子的I^βD-型学习律收敛性分析
    4.5 数值仿真
第五章 总结与展望
    5.1 总结
    5.2 进一步的研究工作
参考文献
致谢
攻读硕士学位期间科研和论文情况



本文编号：3901885