-
公开(公告)号:CN112859602A
公开(公告)日:2021-05-28
申请号:CN202110030413.4
申请日:2021-01-11
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种非最小相位系统输出重定义方法,包括以下步骤:S1、建立非最小相位系统线性模型,计算系统相对阶数,选取与之对应的内部动态与外部动态转换非最小相位模型,进而建立输入输出线性化后的等效控制模型;S2、针对原始非最小相位输出,设计输出重定义方法寻找到最优的等效最小相位输出;S3、设计线性控制器,利用等效最小相位输出对等效控制模型进行控制,依照S1中模型转换的方法得到原始输出。本发明基于输出重定义技术,结合最优化参数解算,提出了一种非最小相位系统输出重定义方法,解决了非最小相位系统控制器设计复杂和控制响应有负调的问题。
-
公开(公告)号:CN119645099A
公开(公告)日:2025-03-18
申请号:CN202411678884.6
申请日:2024-11-22
Applicant: 电子科技大学
IPC: G05D1/495 , G06N3/08 , G06N3/098 , G06N3/045 , G06N7/08 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于混沌对立学习的足球队训练优化方法,首先设计一种新颖的混沌映射方法,实现更随机更混沌的种群初始化,加快算法初期收敛速度。随后依次利用集体训练策略、联合集训策略、分组训练策略、个人额外训练策略对种群进行更新。直到满足最大迭代次数后输出最优解。本发明的方法相较于已有的优化方法,不仅能解决高维、非凸的优化问题,而且有着更强的全局搜索能力以及更快的求解速度,能够一定程度上解决复杂优化问题。
-
公开(公告)号:CN119596708A
公开(公告)日:2025-03-11
申请号:CN202411780279.X
申请日:2024-12-05
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种切换拓扑下多机器人系统的固定时间鲁棒合围控制方法,首先建立多领导模式下多机器人系统的动力学模型,定义合围控制的相关概念和控制目标,再构建切换拓扑下的多机器人系统合围控制模型,定义切换拓扑属性并提出切换拓扑需要满足的条件,明确在切换拓扑条件下固定时间收敛约束的设置时间,然后设计基于RBF神经网络的估计器,通过代入估计器得出的未知干扰估计项进行补偿,设计出切换拓扑下的鲁棒合围控制器,将控制器代入多机器人系统动力学模型,得到闭环误差系统,实现切换拓扑下的固定时间合围控制。本发明的方法能够有效抑制多机器人系统中拓扑切换和外部扰动带来的不良影响,从而提升多机器人合围控制方案的鲁棒性和有效性。
-
公开(公告)号:CN115061367B
公开(公告)日:2025-01-24
申请号:CN202210850546.0
申请日:2022-07-20
Applicant: 电子科技大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于仅方位角下Henneberg约束方式的集群控制方法,首先为无人机和无人车领域的集群中所有智能体分配身份,确定领导者、第一跟随者和其余跟随者,领导者和第一跟随者根据任务需求自主移动,各智能体确定自己所有定位的邻智能体,智能体根据邻智能体相对方位角取得定位信息,获取自身坐标系下到目标位置误差,将目标误差输入运动控制律,完成编队跟随行为。本发明的方法大大减少了对探测能力需求,简化了硬件设备,降低了成本,使其具有良好的稳定性和鲁棒性,可以不受通信和传感器限制大规模扩展编队,新增跟随者智能体不额外对中心节点产生信息需求,适用于仅方位角测量下的大规模集群区域覆盖。
-
公开(公告)号:CN119130068A
公开(公告)日:2024-12-13
申请号:CN202411285004.9
申请日:2024-09-13
Applicant: 电子科技大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06N3/006 , G06N5/01
Abstract: 本发明公开了一种基于随机差异化创意搜索算法的多无人机任务分配方法,首先根据农业实际环境情况对任务分配场景进行建模,确立约束条件及其目标函数,建立面向农田植保的多无人机任务分配模型,再基于随机游走策略完成种群初始化,然后基于优化团队绩效模型建立迭代模型,对优化过程进行循环迭代,直至满足迭代结束条件时,求解得到多无人机对待作业任务子区域的最优分配,将此分配方案输出,实现多无人机农田植保任务分配。本发明的方法利用随机游走策略在算法初始化阶段进行优化,增强了全局搜索能力,并通过迭代求解快速获得最优任务分配方案,在全局搜索和求解速度上具有明显优势,为多无人机在复杂植保任务中的高效分配提供了创新解决方案。
-
公开(公告)号:CN115167523B
公开(公告)日:2024-11-22
申请号:CN202210971663.2
申请日:2022-08-12
Applicant: 电子科技大学
IPC: B64G1/24
Abstract: 本发明公开一种预设时间分布式航天器编队姿轨耦合控制方法,应用于卫星集群、航天器编队智能控制领域,针对现有技术中缺少某些紧急情况下预设时间的高精度航天器编队的解决方案的问题;本发明首先建立航天器的姿轨耦合动力学模型;其次设计预设时间函数,规定航天器的编队收敛时间;然后设计预设编队性能不等式,把航天器编队误差和预设时间函数结合起来,描述航天器编队跟踪误差的收敛时间;最后设计预设时间编队控制协议,实现预设时间航天器编队。本发明的控制方法能够使航天器在用户设定的时间内实现编队,不需要航天器的转动惯量和质量等信息,且控制器计算复杂度低、控制精度高,适合应用于航天器编队飞行姿轨耦合跟踪控制问题。
-
公开(公告)号:CN115097734B
公开(公告)日:2024-11-22
申请号:CN202210851725.6
申请日:2022-07-20
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种神经网络耦合扰动估计器的多智能体二部跟踪控制方法,包括以下步骤:S1、建立领导者智能体的分数阶模型和跟随者智能体的整数阶模型;S2、设计神经网络耦合级联不确定扰动估计器的融合框架,分别对二部跟踪控制中外部扰动和模型不确定性进行估计;S3、设计鲁棒二部跟踪控制协议;S4、设计参数自适应律,完成神经网络自适应参数的设计;S5、将控制协议应用到跟随者智能体的动力学模型中。本发明设计了一种反步级联鲁棒控制器,解决了领导者和跟随者的运动学、跟随者的位置动态回路和控制输入回路的不匹配问题。采用神经网络对分数阶模型进行估计,并采用UDE算法对跟随者的未知部分进行补偿,减少了计算资源的消耗。
-
公开(公告)号:CN118466200A
公开(公告)日:2024-08-09
申请号:CN202410566372.4
申请日:2024-05-09
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应策略迭代的二分一致性跟踪控制方法,首先建立具有模型不确定性的二阶多机器人系统,并明确二分一致性跟踪控制问题,设计自适应策略迭代算法求解系统的耦合HJB方程,得到最优控制输入形式,在此基础上构建基于神经网络的近似拟合框架,通过在线训练迭代求解最优控制律,实现了多机器人系统的二分一致性跟踪控制。本发明的方法针对由一般二阶系统描述的多机器人系统,考虑了在具有模型不确定性约束条件下,对多机器人系统实现二分一致性跟踪控制,并采用自适应策略迭代的方法实现在线控制,适用于多机器人系统的集群协同控制领域。
-
公开(公告)号:CN117369431A
公开(公告)日:2024-01-09
申请号:CN202310433777.6
申请日:2023-04-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种无通信条件下未知含障碍区域中的集群覆盖控制方法,包括以下步骤:S1、分配领导者或跟随者角色;S2、设置各成员初始位置和运动状态,内置不同时刻下的扫掠方向以及位置;S3、设计成员身体结构,限制传感器感知范围;S4、设置由两条不相交的未知边界组成的通道型应覆盖区域,定义区域中含有未知数量和分布的凸型障碍物;S5、设计基于非完整运动学模型的控制器;S6、基于改进人工势场法设计集群控制律,在不发生碰撞的前提下使得集群形成柔性链状队形进行扫掠式运动。本发明以非完整动力学模型作为控制对象,设计了一种基于改进APF的集群扫掠式区域覆盖控制律,运行算力需求小,对环境适应性强。
-
公开(公告)号:CN115562236A
公开(公告)日:2023-01-03
申请号:CN202211290243.4
申请日:2022-10-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种事件触发机制下的有限时间隐私保护一致性方法,基于事件触发机制,推导出有效的事件触发条件,并引入有限时间理论来保证多智能体一致性的收敛性能,同时引入输出映射函数来确保多智能体系统中各个智能体的状态对外界不可知,即相邻的智能体和外部入侵者无法获取该智能体的真实状态信息,实现有限时间隐私保护一致性收敛。本发明的方法结合事件触发机制和有限时间理论,提高了多智能体隐私保护一致性控制的收敛性能以及降低了算法计算的资源消耗,综合考虑通信安全、带宽约束和性能指标,进一步扩展了算法的应用场景,在一定程度上完成了隐私保护、系统性能和执行效率等相关问题的综合。
-
-
-
-
-
-
-
-
-