Adaptive fuzzy iterative learning control withinitial-state .ppt

1、,Adaptive fuzzy iterative learning control with initial-state learning for coordination control of leader-following multi-agent systems,汇 报 人：李金沙指导教师：李俊民教授,内 容 提 纲, 研究背景 研究目标和内容 主要创新 科学价值及经济社会效应,内 容 提 纲, 研究背景 研究目标和内容 主要创新 科学价值及经济社会效应,研究背景（一）,自上世纪 80 年代以来, 受生物学、人类社会学研究的启发, 多智能体协调控制成为众多领域的研究热点. 类似于鱼群捕

2、食、鸟群迁徙等生物行为与人类社会中的群体性优势, 多智能体之间的协调与合作将大大提高个体行为的智能化程度, 更好地完成很多单个个体无法完成的工作, 并具有高效率, 高容错性和内在的并行性等优点.时至今日, 多智能体协调控制技术已在无线传感器网络、多机械臂协同装配、无人机编队、卫星编队、集群航天器深空探测等领域得到广泛应用.所以多智能体系统一致性的研究具有重要的科学意义和应用价值。,大雁南飞,(Consensus),深海鱼群,(Flocking),2014年1月1日辽宁舰完成南海训练返航完成首次编队航行,航母编队,(Formation),多个机械臂合作 喷漆和安装,(Cooperation),研

3、究背景（二）,通过对已有工作的总结和本项目研究内容的比较，我们看到：（1）以往关于多智能体系统的一致性研究大多仅限于在一维空间中进行，而现有利用迭代学习研究智能体一致性主要是线性系统。（2）对含有未知非线性的智能体的研究甚少。,内 容 提 纲, 研究背景 研究的目标和内容 主要创新 科学价值及经济社会效应,研究的目标,本学术论文主要研究了在二维系统的框架下多智能体系统有限时间区间上的精确一致性问题。对于一般的非线使得多智能体能够在有限时间区间 上达到精确一致。通过本论文的研究，不仅能将自适应迭代学习的方法应用到分布式多智能体系统中，还能够通过自适应迭代学习控制与多智能体系统两类理论问题的合理交

4、叉研究，为机器人和卫星编队等应用领域的问题提供有效的可实际应用的迭代学习控制理论与技术，具有重要的科学意义和应用价值。,研究内容,本创新成果的研究重点是设计具有初态学习的分布式自适应协议使得从节点在有限时间上都能完全的跟踪上头结点。具体如下：1) 分别提出具有头结点的多智能体系统在有限时间上的一致性问题和理论，构造新型的分布式复合能量函数。 2) 利用神经网络或模糊逻辑系统来逼近未知非线性多智能体系统。采用微分-差分的分布式参数自适应律来调节未知参数。3）设计了分布式的初态学习，避免了初始重置和连接初始条件。4）系统仿真，说明理论结果的有效性。,内 容 提 纲, 研究背景 研究目标和内容 主要

5、创新 科学价值及经济社会效应,主要创新,本学术研究的创新之处可以总结为：,1) 对非线性不确定性以及外界扰动的具有头结点的多智能体系统设计分布式的自适应迭代学习策略；2) 设计分布式初始状态学习；避开初始重置和连接初始条件 这样常用的迭代初始条件，并结合智能体本身的特点，重新设计出 了一种新的分布式初始状态学习，有效的解决了分布式系统迭代学习初值的鲁棒性。3) 构造出新型的复合能量函数，进一步扩展现有智能体一致性稳定性理论。这是自适应迭代学习由集中式系统到分布式系统的成功扩展。,内 容 提 纲, 研究背景 研究目标和内容 主要创新 科学价值及经济社会效应,科学价值及经济社会效应,该学术研究获得

6、了西安电子科技大学2013优秀博士学位论文资助基金。 本学术论文现已发表在JCR二区杂志 Fuzzy sets and systems 上,Junmin Li, Jinsha Li, Adaptive fuzzy iterative learning control with initial-state learning for coordination controlof leader-following multi-agent systems, Fuzzy sets and systems, Available online, http:/dx.doi.org/10.1016/j.fss.

7、2013.10.010. (SCI检索JCR 2区, 影响因子：1.749),相关课题发表和接收的学术论文还有4篇，其中SCI三区两篇，四区一篇。分别介绍如下：1. Li Jinsha and Li Junmin, Adaptive Iterative Learning Control for Consensus of Multi-Agent Systems, IET Control Theory Appl., 2013, Vol. 7, Iss. 1, pp. 136142. WOS:000318229100014 (SCI检索JCR 3区，影响因子：1.717，他引次数：1次)2. Li

8、Jinsha and Li Junmin, Adaptive Iterative Learning Control for Coordination of Second-Order Multi-Agent Systems, International Journal of Robust and Nonlinear Control, 2013，Published online in Wiley Online Library ().DOI: 10.1002/rnc.3055. (SCI检索JCR 3区,影响因子：1.9，他引次数：1次)3. Li Jinsha and Li Junmin, Dis

9、tributed adaptive fuzzy iterative learning control of coordination problems for higher order multi-agent systems, Int. J. Systems Science, Accepted, May, 22, 2013. (SCI检索JCR 4区, 影响因子：1.305)4. Jinsha Li and Junmin Li, “Consensus Seeking in Multi-Agent Systems by the Iterative Learning Control”, Control theory & applications, 2012, 8(29), 1073-1077 (EI检索，他引次数： 1次).,通过本论文的研究，不仅能将自适应迭代学习的方法应用到分布式多智能体系统中，还能够通过自适应迭代学习控制与多智能体系统两类理论问题的合理交叉研究，为机器人和卫星编队等应用领域的问题提供有效的可实际应用的迭代学习控制理论与技术，具有重要的科学意义和应用价值。,下图为所设计的分布式控制协议用于机器人的编队控制的仿真图,图：各个机器人编队控制的轨迹图,展示完毕，谢谢！,