基于神经网络的多智能体量化迭代学习控制

• 作者: 方勇 李辰龙
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 迭代学习控制 多智能体 一致性跟踪 神经网络 量化误差
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 理论与算法
• 页码范围: 39-44
• 页数: 6页
• 分类号: TP13|TP18
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004368

摘要

迭代学习控制是实现多智能体一致性跟踪的有效技术手段.针对未知动态的多智能体系统在受到量化误差影响的情况下,研究多智能体迭代学习控制一致性跟踪实现问题.基于神经网络拟合方法,提出了分布式量化迭代学习控制算法,在范数意义上对算法进行收敛性分析,推导出其收敛的充分条件,并对充分条件作出了可行性分析.理论分析得出,迭代学习控制器中增益矩阵的设计不仅与神经网络参数矩阵有关,还与多智能体的网络拓扑结构有关.实验仿真结果表明,量化误差会降低迭代学习控制算法的收敛速度,且量化精度越小,收敛速度越快;但随着迭代次数的增加,跟踪误差渐近收敛为零,所提算法仍能实现多智能体的一致性跟踪.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方勇		132	1113	17.0	28.0
2	李辰龙		1	0	0.0	0.0