-
公开(公告)号：CN111190438B
公开(公告)日：2023-07-25
申请号：CN202010013204.4
申请日：2020-01-07
Applicant: 东北大学秦皇岛分校
IPC: G05D1/10
Abstract: 本发明提供一种基于分布式优化的无人机群协同定位气体泄漏源方法，涉及控制和信息技术领域。首先构造无人机群的网络结构拓扑图，使多无人机在给定被检测区域形成具有均匀密度的质心Voronoi分布；测量拓扑图中各节点所在位置的气体浓度、风向和风速；通过流体模拟得到各节点定位的气体泄露源位置点；调用分布式优化算法得到气体泄漏源位置的最优估计点；判断各无人机之间的距离是否小于给定的阈值，若是，得到各节点对气体泄露源的最优估计值，实现分布式气体泄漏源的定位；否则控制各节点无人机向气体泄漏源最优估计点飞去，重新进行气体泄露源的估计。
-
公开(公告)号：CN111414575B
公开(公告)日：2023-06-27
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：CN110286691B
公开(公告)日：2022-07-12
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：CN111884849B
公开(公告)日：2022-04-01
申请号：CN202010717851.3
申请日：2020-07-23
Applicant: 东北大学秦皇岛分校
Abstract: 本发明提供一种基于谱矩的随机网络系统牵制同步稳定性分析方法，涉及控制与信息技术领域。本发明基于随机矩阵理论，从实际网络结构动态演化角度研究复杂网络的牵制同步稳定性问题，通过分析受牵制控制的随机网络的矩阵C的期望谱矩和网络结构参数，建立了随机网络系统的牵制同步与节点自身动力学、网络结构以及控制策略之间的定性与定量关系，进一步丰富和完善了复杂网络控制理论，有助于我们进一步理解现实世界中复杂网络系统结构的演化规律及其动力学机制，进而为我们设计满足期望条件的实际网络和改善实际网络系统的各种性能提供理论和方法上的指导，具有重要的经济和社会意义。
-
公开(公告)号：CN112464414A
公开(公告)日：2021-03-09
申请号：CN202011072649.6
申请日：2020-10-09
Applicant: 东北大学秦皇岛分校
IPC: G06F30/18 , G06F30/20 , G06F111/02 , G06F111/08 , G06F119/14
Abstract: 本发明提供一种基于谱矩的NW小世界网络系统同步分析方法，涉及控制与信息技术领域。本发明基于随机矩阵理论，从NW小世界网络动态演化角度研究复杂网络的牵制同步稳定性问题，所得结论更能揭示实际网络系统结构演变和动力学行为相互影响的内在机制原理，进而为我们设计满足期望条件(如稳定性和鲁棒性)的实际网络系统、预测网络系统的行为和通过控制手段改善实际网络系统的各种性能提供理论和方法上的指导，确定使网络达到同步稳定性的条件，具有重要的经济和社会意义。
-
Patent Agency Ranking
公开(公告)号：CN110347181A
公开(公告)日：2019-10-18
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：CN116643496A
公开(公告)日：2023-08-25
申请号：CN202310612347.0
申请日：2023-05-29
Applicant: 东北大学秦皇岛分校
IPC: G05B13/04
Abstract: 本发明提供了一种基于竞争交互的自适应弹性分布式平均跟踪控制方法，涉及信息技术领域。首先，构造无向网络拓扑图，建立多智能体系统的状态方程；然后，根据无向网络拓扑图和多智能体系统的状态方程设计基于竞争交互的自适应弹性控制算法；其次，根据多智能体系统的状态方程建立误差系统模型；最后，根据自适应弹性控制算法和误差系统模型设计自适应参数。本发明提供的分布式平均跟踪控制算法仅使用局部信息而不使用全局信息，使得智能体在网络攻击下也能获取信息实现控制目标。因此，此发明对于多智能体系统分布式平均跟踪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：CN116610032A
公开(公告)日：2023-08-18
申请号：CN202310612362.5
申请日：2023-05-29
Applicant: 东北大学秦皇岛分校
IPC: G05B13/04
Abstract: 本发明提供一种基于干扰观测器的高阶异质多智能体系统分布式优化方法，涉及控制与信息技术领域。本发明针对具有匹配和不匹配扰动的高阶异质多智能体系统，设计了有限时间干扰观测器估计扰动，互联系统中采用比例‑积分分布式优化器估计最优值，并设计跟踪控制器补偿干扰及跟踪最优值，实现优化目标。本发明通过对具有不匹配扰动的高阶异质多智能体系统的分布式优化方法的研究，解决了一类应用于实际场景如多机器人源定位的分布式优化问题，还解决了实际应用中的抗干扰问题，给人们日常生活带来便利。因此，本发明对于多智能体分布式优化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：CN113009822B
公开(公告)日：2022-08-30
申请号：CN202110200402.6
申请日：2021-02-23
Applicant: 东北大学秦皇岛分校
IPC: G05B13/02
Abstract: 本发明提供一种基于权重不平衡有向网络的分布式平均跟踪方法，涉及控制和信息技术领域。首先构造描述多智能体系统的网络拓扑结构图，使每个节点代表一个智能体，每条边代表智能体间的信息交互，并获得网络拓扑结构图的权重邻接矩阵；再建立多智能体的离散时间状态方程；根据网络拓扑结构图的权重邻接矩阵、多智能体的离散时间状态方程和时变参考信号设计离散时间分布式平均跟踪算法；然后再设定每个智能体的初始状态值信息和时变参考信号信息；最后根据每个智能体的时变参考信号调节离散时间分布式平均跟踪算法中的可变参数，使每个智能体运行离散时间分布式平均跟踪算法，实现多智能体系统中所有智能体能够跟踪上一组时变参考信号的平均值。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.035 seconds)
