-
公开(公告)号：CN113110039A
公开(公告)日：2021-07-13
申请号：CN202110375948.5
申请日：2021-04-08
Applicant: 东北大学秦皇岛分校
IPC: G05B13/02
Abstract: 本发明提供一种多智能体系统的有限时间分布式聚合优化方法，涉及控制和信息技术领域。该方法首先构造多智能体系统的网络拓扑结构图，并确定其邻接矩阵；建立多智能体系统的状态方程；定义考虑智能体聚合信息的多智能体系统的全局目标函数的函数表达式；然后根据多智能体系统的邻接矩阵、状态方程、全局目标函数和有限时间内Lyapunov稳定性理论设计分布式聚合优化算法；最后设定多智能体系统的初始值信息，运行分布式聚合优化算法，使每个智能体与邻居之间进行信息交换；并根据运行结果修正算法，直至达到优化目标，得到多智能体系统的全局最优解。该方法在线性收敛的基础上，完成了有限时间内的收敛，减小了运行时间，减轻了多智能体网络的通信负担。
-
公开(公告)号：CN112097774A
公开(公告)日：2020-12-18
申请号：CN202010972064.3
申请日：2020-09-16
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供基于自适应卡尔曼滤波与平均跟踪的分布式地图融合方法，涉及控制和信息技术领域。该方法首先构造多智能体系统的网络拓扑结构图，并确定其邻接矩阵；再根据智能体所使用的运动传感器和测量传感器分别建立各智能体的状态方程及观测方程；根据各智能体的状态方程及观测方程设计自适应卡尔曼滤波算法，获取各智能体的局部地图信息，并将其转换成信息向量和信息矩阵的形式，再利用平均跟踪算法设计实现分布式地图融合方法；设定多个智能体的初始值信息与路标点信息，以及过程噪声和观测噪声的统计量初值，运行分布式地图融合算法，并根据运行结果不断修正分布式地图融合算法，直至算法收敛，最终得到智能体探测区域的全局地图。
-
公开(公告)号：CN111414575A
公开(公告)日：2020-07-14
申请号：CN202010189840.2
申请日：2020-03-18
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于符号函数的多智能体系统的分布式广义跟踪方法，涉及控制和信息技术领域。该方法首先构造描述多智能体系统的网络结构图，并确定该拓扑结构的邻接矩阵；建立多智能体系统的状态方程；定义描述智能体所要跟踪的时变参考信号函数值的目标函数；根据多智能体的系统邻接矩阵、状态方程和目标函数设计分布式算法；设定多智能体系统中各智能体的初始状态信息与时变参考信号信息，运行设计的分布式算法，控制每个智能体跟踪上一组时变参考信号的某一函数值；根据运行结果不断修正分布式算法，直至达到控制目标。本发明方法使得智能体系统中所有智能体可以独立地执行任务，并且在仅使用局部信息的情况下跟踪一组时变参考信号的函数值。
-
公开(公告)号：CN110286691A
公开(公告)日：2019-09-27
申请号：CN201910544582.2
申请日：2019-06-21
Applicant: 东北大学秦皇岛分校
IPC: G05D1/10
Abstract: 本发明公开了一种基于线性微分包含的多无人机编队控制方法，包括：构造无人机群的网络拓扑结构图；确定网络拓扑结构图的邻接矩阵、度矩阵和拉普拉斯矩阵；建立任意一个无人机的运动方程，确定无人机非线性系统，并采用全局线性化方法将无人机非线性系统转换为无人机线性微分包含结构；根据无人机编队控制队形的几何图案确定控制目标；求解双线性矩阵不等式得到相关矩阵参数，并根据相关矩阵参数构造复合拉普拉斯二次型函数，求解得到最优参数；根据最优参数、邻接矩阵、相关矩阵参数和控制目标设计控制算法，通过调节每个无人机的飞行状态达到控制目标。与现有技术相比，本发明能够实现对无人机群的有效编队控制。
-
公开(公告)号：CN116719233B
公开(公告)日：2024-12-17
申请号：CN202310611397.7
申请日：2023-05-29
Applicant: 东北大学秦皇岛分校
IPC: G05B13/04
Abstract: 本发明提供了一种带有通信时延的分布式加权平均跟踪控制方法，涉及信息技术领域。本发明首先通过构造多智能体网络拓扑图，给定系统的状态方程和加权平均信号，然后根据动力学方程和控制目标设计分布式控制律，最后分析该算法的收敛性。该方法可以仅利用智能体邻居过去的状态信息使得所有智能体的状态跟踪上多个时变信号的加权平均值。跟踪加权信号的平均值往往更符合实际的需要。当所有信号的权重都相同时，分布式加权平均跟踪降级为分布式平均跟踪，因而本发明的技术比一般的分布式平均跟踪方法更具一般性，可应用于智能电网、传感器融合等诸多领域。此发明不仅具有深刻的理论价值，而且还具有丰富的实际意义。
-
Patent Agency Ranking
公开(公告)号：CN116560236B
公开(公告)日：2024-08-27
申请号：CN202310611395.8
申请日：2023-05-29
Applicant: 东北大学秦皇岛分校
IPC: G05B13/04
Abstract: 本发明提供一种考虑控制输入变化的能量最小化的分布式一致性控制方法，涉及信息技术领域。首先，构造无向连通网络拓扑图，建立多智能体系统的状态方程；然后，设计包含能量损耗项、控制变化项、网络代价项以及一致性误差项的性能函数；其次，根据所设计的性能函数得到能量最小化的分布式一致性控制算法；最后，在控制算法的作用下，计算出多智能体系统任务给定的完成时间以及所需携带的初始能量。本发明提供的分布式一致性控制算法在仅使用局部信息的情况下，考虑了控制输入变化所带来的影响，应用范围更广。此发明对于多智能体系统分布式一致性控制的研究不仅有深刻的理论价值，而且还具有丰富的实践价值。
-
公开(公告)号：CN113361051B
公开(公告)日：2023-03-14
申请号：CN202110613259.3
申请日：2021-06-02
Applicant: 东北大学秦皇岛分校
Abstract: 本申请提出了一种基于可控性与重要度的路网控制方法，属于交通控制技术领域，包括：从整个城市整体路网中选取任意一个局部路网，针对所述局部网络建立加权有向网络模型；分别利用边重要度排序算法和节点重要度排序算法对所述加权有向网络模型中的边和节点进行各自排序；根据排序结果构造关键路网以及标准路网；得到节点与边状态同时状态可控的条件；针对所述关键路网中各路段和路口监测并反馈回来的车流量状态信息，实施关键路网的车流量输入管控；将整个城市各局部路网的所有路段和路口监测并反馈回来的车流量状态信息进行汇总，实施整个城市的车流量输入管控。本申请降低了控制路网的开销成本，使数据处理量骤然降低，减小了数据处理难度，加快了控制响应速度。
-
公开(公告)号：CN110347181B
公开(公告)日：2022-07-12
申请号：CN201910749691.8
申请日：2019-08-14
Applicant: 东北大学秦皇岛分校
IPC: G05D1/10
Abstract: 本发明公开了一种基于能耗的无人机分布式编队控制方法，包括：构造多无人机的网络结构拓扑图，所述网络结构拓扑图包括n个节点，每个节点代表一个无人机，其中，n为整数，且n≥2；根据所述网络结构拓扑图生成邻接矩阵；设定每个节点的目标位置以及每个节点与邻居节点的目标相对位置；根据所述邻接矩阵以及无人机实时位置与目标位置之间的误差设定编队代价函数；根据所述编队代价函数得到最优控制模型；将编队代价与控制输入进行加权，通过改变编队代价与控制输入的权重系数的比值，改变无人机飞行速度，控制无人机的能量消耗。与现有技术相比，本发明能够保证在最小能耗的情况下完成无人机编队任务，且算法简单，易于实现。
-
公开(公告)号：CN111385155B
公开(公告)日：2022-06-03
申请号：CN202010194188.3
申请日：2020-03-18
Applicant: 东北大学秦皇岛分校
IPC: H04L41/12 , H04L41/0803 , H04L41/042 , H04L41/0631 , H04L41/28
Abstract: 本发明提供一种基于韧性协议的分布式平均跟踪方法，涉及控制和信息技术领域。本发明在网络中攻击性智能体数量未知或者部分智能体故障的情况下，对智能体进行定义、分类，包括普通智能体、可信任智能体以及带有攻击性的智能体，普通智能体成功跟踪上可信任智能体时变参考输入信号的平均值。相比较传统的分布式平均跟踪算法，该方法具有较强的抗干扰能力和鲁棒性，免受带有攻击性智能体的干扰，普通智能体最后跟踪可信任智能体时变参考输入信号平均值的状态，使系统具有较高的安全性。
-
公开(公告)号：CN112583633B
公开(公告)日：2022-04-22
申请号：CN202011154250.2
申请日：2020-10-26
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于粗糙信息的有向多智能体网络的分布式优化方法，涉及控制与信息技术领域。本发明只考虑了相邻节点之间的粗糙信息，且每个节点只需知道入度邻居的状态信息，尽量减少了必要条件，增强算法在实际应用中的可行性。该算法在仅获取智能体与其入度邻居之间粗糙的状态信息的情况下，仍能很好融合相邻节点信息，使节点状态收敛趋于一致，且最终收敛到近似最优解。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.034 seconds)
