-
公开(公告)号：CN109634798A
公开(公告)日：2019-04-16
申请号：CN201910137717.3
申请日：2019-02-25
Applicant: 北京理工大学
Abstract: 本发明公开一种领航‑跟随多智能体分布式系统的故障估计器设计方法，针对节点只能获取与邻居相对状态信息条件下，设计基于中间变量的故障估计器，并且根据连续系统的有界实引理，结合线性矩阵不等式得到故障估计器的参数设计方法，利用矩阵的特征值分解以及线性矩阵不等式的性质，将求解N个线性矩阵不等式简化为求解2个线性矩阵不等式，再通过分布式估计拓扑图对应矩阵的最大和最小特征值将该设计方案完全分布化，最终得到故障估计器的参数，完成故障估计器的设计，本发明能够在多智能体系统不满足观测器匹配的条件下，得到分布式故障估计器，从而估计出每个节点的故障。
-
公开(公告)号：CN109254532A
公开(公告)日：2019-01-22
申请号：CN201810352886.4
申请日：2018-04-19
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向通信时滞的多智能体系统分布式合作故障检测方法，能够降低通信时滞的影响，提高故障检测的可靠度。包括如下步骤：建立多智能体系统的节点动力学模型以及通信时滞模型；建立参考模型；通过与参考模型进行模型匹配，结合最佳匹配的指标以及离散系统有界实引理，设计针对多智能体系统的残差生成器；针对多智能体系统中的被检测节点，提取被检测节点的所有邻居节点建立合作故障检测子网络，利用合作故障检测子网络中的节点的信息交互，使邻居节点合作完成检测，结合多智能体系统的残差生成器，得到针对被检测节点的残差信号结果；针对残差信号结果与预设的阈值函数进行比较，以比较结果作为判断被检测节点的故障检测结果。
-
公开(公告)号：CN104881044B
公开(公告)日：2016-12-21
申请号：CN201510319327.X
申请日：2015-06-11
Applicant: 北京理工大学
IPC: G05D1/12
Abstract: 本发明公开了一种姿态未知的多移动机器人系统自适应跟踪控制方法，该方法包括如下步骤：针对多移动机器人系统中的每个移动机器人，均进行建模；建立跟随者f与领航者r的具备非线性扰动的误差模型为，在多移动机器人系统中，每个移动机器人均获取其他移动机器人的信息进行非线性扰动评估，获得该移动机器人的非线性扰动的估计值；建立非线性扰动系数的自适应律为；对跟随者与领航者误差角的三角函数建立二阶观测器；最后将观测器与自适应律相结合建立基于观测器的自适应的跟随者的控制律，对跟随者进行跟踪控制，使跟随者能够实现对领航者的跟踪控制。
-
公开(公告)号：CN105763396B
公开(公告)日：2018-02-06
申请号：CN201610224080.8
申请日：2016-04-12
Applicant: 北京理工大学
Abstract: 本发明公开一种基于邻居相关状态的分布式多智能体实时故障检测方法，通过对带故障的节点模型进行变换，构造出一种全新的故障检测模型，完成了对故障信号与系统状态变量的解耦，降低了故障检测的难度，节点只能获得邻居相关状态信息，本发明通过设定故障检测子网络，并对子网络模型进行相应的线性变换，将节点相关状态信息转化为上述故障检测模型中的状态变量，进而借助该模型进行故障检测任务；其次，本发明给出了一种全新的故障检测方案，借此观测故障是否存在；最后，本发明给出了一种针对故障检测结果的邻居相关状态方案。该方案充分利用多智能体系统的群体性优势，在不提高系统硬件性能的条件下增加了检测结果的可靠性，具有很高的应用价值。
-
公开(公告)号：CN105763396A
公开(公告)日：2016-07-13
申请号：CN201610224080.8
申请日：2016-04-12
Applicant: 北京理工大学
CPC classification number: H04L43/0805 , H04L41/0631 , H04L41/0677 , H04W24/04
Abstract: 本发明公开一种基于邻居相关状态的分布式多智能体实时故障检测方法，通过对带故障的节点模型进行变换，构造出一种全新的故障检测模型，完成了对故障信号与系统状态变量的解耦，降低了故障检测的难度，节点只能获得邻居相关状态信息，本发明通过设定故障检测子网络，并对子网络模型进行相应的线性变换，将节点相关状态信息转化为上述故障检测模型中的状态变量，进而借助该模型进行故障检测任务；其次，本发明给出了一种全新的故障检测方案，借此观测故障是否存在；最后，本发明给出了一种针对故障检测结果的邻居相关状态方案。该方案充分利用多智能体系统的群体性优势，在不提高系统硬件性能的条件下增加了检测结果的可靠性，具有很高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN104951898A
公开(公告)日：2015-09-30
申请号：CN201510381498.5
申请日：2015-07-02
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种面向任务的协同多智能体联盟形成方法，包括如下步骤：首先确定需要执行的任务，以智能体的多个能力项作为任务特征向量的基，依据需要执行的任务的侧重点，建立各能力项的权值对比较表，利用AHP方法构建任务特征向量；然后结合需要执行的任务，建立各能力项的影响因素模型，并通过AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；将所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；最后从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟。
-
公开(公告)号：CN104881044A
公开(公告)日：2015-09-02
申请号：CN201510319327.X
申请日：2015-06-11
Applicant: 北京理工大学
IPC: G05D1/12
Abstract: 本发明公开了一种姿态未知的多移动机器人系统自适应跟踪控制方法，该方法包括如下步骤：针对多移动机器人系统中的每个移动机器人，均进行建模；建立跟随者f与领航者r的具备非线性扰动的误差模型为，在多移动机器人系统中，每个移动机器人均获取其他移动机器人的信息进行非线性扰动评估，获得该移动机器人的非线性扰动的估计值；建立非线性扰动系数的自适应律为；对跟随者与领航者误差角的三角函数建立二阶观测器；最后将观测器与自适应律相结合建立基于观测器的自适应的跟随者的控制律，对跟随者进行跟踪控制，使跟随者能够实现对领航者的跟踪控制。
-
公开(公告)号：CN104698839A
公开(公告)日：2015-06-10
申请号：CN201410832047.4
申请日：2014-12-26
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明针对目前分布式多智能体系统易发生故障，且无简便可行的实时故障处理方案这一问题，提出一种基于信息交互的分布式实时故障检测与补偿控制方法。步骤一、系统及故障建模：所述建模包括节点动力学模型，信息交互模型，典型故障模型；步骤二、基于信息交互的多智能体实时故障检测；步骤三、基于Gossip算法的信息整合与处理；步骤四、面向控制量的补偿量计算与施加；步骤五、设计基于二跳信息的连通性保持：从信息交互模型出发，对故障节点间的通信内容进行分析，通过利用其中的二跳信息，建立虚拟的信息传输通路，保证故障处理方案不会影响系统的正常工作。
-
公开(公告)号：CN109634798B
公开(公告)日：2020-12-15
申请号：CN201910137717.3
申请日：2019-02-25
Applicant: 北京理工大学
Abstract: 本发明公开一种领航‑跟随多智能体分布式系统的故障估计器设计方法，针对节点只能获取与邻居相对状态信息条件下，设计基于中间变量的故障估计器，并且根据连续系统的有界实引理，结合线性矩阵不等式得到故障估计器的参数设计方法，利用矩阵的特征值分解以及线性矩阵不等式的性质，将求解N个线性矩阵不等式简化为求解2个线性矩阵不等式，再通过分布式估计拓扑图对应矩阵的最大和最小特征值将该设计方案完全分布化，最终得到故障估计器的参数，完成故障估计器的设计，本发明能够在多智能体系统不满足观测器匹配的条件下，得到分布式故障估计器，从而估计出每个节点的故障。
-
公开(公告)号：CN109254532B
公开(公告)日：2020-07-03
申请号：CN201810352886.4
申请日：2018-04-19
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种面向通信时滞的多智能体系统分布式合作故障检测方法，能够降低通信时滞的影响，提高故障检测的可靠度。包括如下步骤：建立多智能体系统的节点动力学模型以及通信时滞模型；建立参考模型；通过与参考模型进行模型匹配，结合最佳匹配的指标以及离散系统有界实引理，设计针对多智能体系统的残差生成器；针对多智能体系统中的被检测节点，提取被检测节点的所有邻居节点建立合作故障检测子网络，利用合作故障检测子网络中的节点的信息交互，使邻居节点合作完成检测，结合多智能体系统的残差生成器，得到针对被检测节点的残差信号结果；针对残差信号结果与预设的阈值函数进行比较，以比较结果作为判断被检测节点的故障检测结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.027 seconds)
