排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
本文对有向图下离散时间一阶二阶混合的异构多智能体系统广义平均一致性问题进行研究.首先给出了该异构系统广义平均一致性的基本概念.在此基础上,针对平均一致性研究中对交互拓扑为平衡网络的局限,提出了一种基于辅助变量的线性一致性协议,对每一个智能体增加一个辅助变量,用于记录个体的状态更新.采用图论、非负矩阵理论、特征值扰动等方法进行分析证明,表明该协议使得异构多智能体系统在任意强连通有向图下达到广义平均一致性.并对收敛值的性质进行了分析.最后,通过仿真对该结论进行了验证. 相似文献
3.
针对具有模型不确定性以及外部干扰下的自由漂浮空间机器人,采用一种整体逼近的神经网络自适应控制方法。该方法采用RBF神经网络对不同重力环境下系统模型的不确定项进行整体逼近,对系统的不确定项进行在线自适应学习。神经网络的逼近误差以及外界干扰由鲁棒项进行消除。该方法不依赖于系统模型,简化了控制系统的结构,在考虑重力等不确定项的情况下不用改变控制器也能进行控制,并且根据李亚普诺夫理论证明了所设计控制器使系统渐进稳定。在不同重力环境下进行了仿真,验证了控制方案的有效性。 相似文献
4.
一种适用于稀疏无线传感器网络的改进分布式UIF算法 总被引:1,自引:0,他引:1
分布式无迹信息滤波(Distributed unscented information filter,DUIF)算法是一种有效的非线性分布式状态估计多源信息融合方法,然而当将该算法应用于稀疏无线传感器网络(Wireless sensor networks,WSN)时,稀疏WSN中存在的无效节点会引起使滤波趋于发散的平均一致误差.针对该问题,本文提出一种改进DUIF算法.该算法不改变DUIF算法的级联结构,而是将其底层和上层滤波器分别改进为局部无迹信息滤波器(Local unscented information filter,LUIF)和加权平均一致性滤波器.LUIF对每个节点的局部多源观测信息进行局部融合,得到局部的后验估计信息向量和矩阵,进而将它们作为加权平均一致性滤波器的输入,最终得到不包含平均一致误差的分布式后验估计结果.其中,加权平均一致性滤波器是通过对由LUIF输出的局部后验估 计信息向量和矩阵分别进行平均一致性滤波而得以在改进DUIF算法框架下实现的.同时,在此过程中,相邻节点之间的状态估计互相关信息也被引入改进DUIF算法的输出结果中,进一步增强了滤波的可靠性.仿真实验结果表明,改进DUIF算法能够在稀疏WSN中对机动目标进行有效跟踪,在估计精度和抑制滤波发散方面明显优于标准DUIF算法. 相似文献
5.
6.
针对常规增量式Graph SLAM算法的后端优化无法高效排除错误闭环影响的问题,基于i SAM算法和SC算法,提出一种鲁棒闭环的增量式Graph SLAM算法R-i SAM。R-i SAM在增量式过程中对当前时刻引入的闭环约束的转换变量进行初步近似计算,得到合理的机器人节点位姿。在离线式过程中对当前时期的所有闭环约束转换变量进行精确计算,判断当前时期闭环的正确性,并作为以后优化节点的基础。对公开的数据集进行的算法实验表明,在添加不同类型、不同数量的错误闭环条件下,所提算法对不同数据集具有良好适应性,且收敛速度满足增量式SLAM实时性要求,证明了算法的有效性。 相似文献
7.
8.
9.
针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.
相似文献10.