کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8965162 1646702 2018 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Neural adaptive tracking control for a class of high-order non-strict feedback nonlinear multi-agent systems
ترجمه فارسی عنوان
کنترل ردیابی انعطاف پذیری عضلانی برای یک طبقه از سیستم های چند عامل غیرخطی بدون بازخورد غیرقطعی طبقه بالا
کلمات کلیدی
کنترل عصبی انعطاف پذیر، سیستم های چندگانه، پشت پا زدن،
ترجمه چکیده
این تحقیق عمدتا مربوط به مسئله ردیابی اجماع برای یک طبقه از چندین عامل غیرخطی بدون بازدارنده درجه بالا است که در آن اقلام کنترل مجازی و واقعی هر پویایی دنباله، توابع قدرت با عدد صحیح عدد صحیح مثبت است، به جای اقلام خطی با توجه به این ویژگی ساختاری سیستم های مرتبه بالا، اضافه کردن یک تکنیک انتگرال قدرت در طراحی کنترل کننده برای غلبه بر موانع ناشی از قدرت بالای اقلام کنترل مجازی و واقعی مورد استفاده قرار می گیرد. در عین حال، شبکه های عصبی پایه شعاعی نیز برای تقلیل غیر خطی های نامشخص استفاده می شود. برای این نوع سیستم های چندگانه یک استراتژی ردیابی سازگار است. نشان داده شده است که طرح کنترل پیشنهاد شده می تواند محدودیت تمام سیگنال های حلقه بسته را تضمین کند و اطمینان حاصل کند که تمام خروجی عوامل دنبال کننده، سیگنال رهبر را همزمان به هم پیوند می دهد. از آنجاییکه سیستمهای چندگانه غیرخطی غیرخطی غیرقطعی مرتبه بالا شامل برخی از سیستمهای چندگانه غیر خطی موجود به عنوان مورد خاص میباشند، ما میتوانیم برای کنترل بیشتر سیستمهای چندگانه غیر خطی عمومی استفاده شود. در نهایت، یک مثال عددی ارائه می شود تا تأثیر بیشتر الگوریتم پیشنهاد شده را بررسی کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
کنترل ردیابی انعطاف پذیری عضلانی برای یک طبقه از سیستم های چند عامل غیرخطی بدون بازخورد غیرقطعی طبقه بالا
چکیده انگلیسی
This research is mainly concerned with the consensus tracking problem for a class of high-order non-strict feedback nonlinear multi-agent systems, in which the virtual and the actual control items of each follower dynamics are the power functions with positive odd integers rather than linear items. Due to this structural feature of the high-order systems, adding a power integrator technique is employed in controller design to overcome the obstacle caused by high power of virtual and real control items. Meanwhile, Radial Basis Function Neural Networks are used to approximate the uncertain nonlinearities. An adaptive tracking strategy is proposed for this type of multi-agent systems. It is shown that the suggested control scheme can guarantee the boundedness of all the closed-loop signals and ensure that all outputs of follower agents track the leader signal synchronously. Since high-order non-strict feedback nonlinear multi-agent systems include some existing nonlinear multi-agent systems as the special case, our result can be used to control more general nonlinear multi-agent systems. Finally, a numerical example is presented to further verify the effectiveness of the proposed algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 316, 17 November 2018, Pages 59-67
نویسندگان
, , ,