Управление с итеративным обучением стохастическими мультиагентными системами с изменяемой желаемой траекторией и топологией

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В современном интеллектуальном производстве роботы часто связаны сетью, и их задача может меняться по заранее заданной программе. Для роботов, выполняющих высокоточные операции, широко используется управление с итеративным обучением (УИО). В условиях сети, в случае смены программы, эффективность алгоритмов УИО может снижаться. Например, при изменении желаемой траектории ошибка обучения может временно увеличиться до недопустимого значения. В данной работе рассматривается сетевая система, в которой желаемая траектория и параметры изменяются между повторениями по известной программе, агенты подвергаются случайным возмущениям, а измерения производятся с шумами. Кроме того, топология сети также изменяется за счет выхода из сети некоторых агентов и подключения новых агентов по заданной программе. Предлагается метод синтеза распределенного УИО на основе векторных функций Ляпунова для повторяющихся процессов в сочетании с фильтрацией Калмана. Метод обеспечивает сходимость ошибки обучения и снижает ее переходные возрастания, вызванные изменением желаемой траектории и топологии сети. Приведен пример, подтверждающий эффективность предлагаемого метода.

Об авторах

А. С. Копосов

Арзамасский политехнический институт (филиал) Нижегородского государственного технического университета им. Р.Е. Алексеева

Email: koposov96@yandex.ru
Арзамас

П. В. Пакшин

Арзамасский политехнический институт (филиал) Нижегородского государственного технического университета им. Р.Е. Алексеева

Автор, ответственный за переписку.
Email: pakshinpv@gmail.com
Арзамас

Список литературы

  1. Saez M.A., Maturana F.P., Barton K., Tilbury D.M. Context-sensitive modeling and analysis of cyber-physical manufacturing systems for anomaly detection and diagnosis // IEEE Transaction on Automation Science and Engineering. 2020. V. 17. No. 1. P. 29-40.
  2. Balta E.C., Tilbury D.M., Barton K. Switch Based Iterative Learning Control for Tracking Iteration Varying References // IFAC PapersOnLine. 2020. V 53. No. 2. P. 1493-1498.
  3. Tsypkin Ya.Z. Adaptation and Learning in Automatic Systems. New York: Academic Press, 1971.
  4. Arimoto S., Kawamura S., Miyazaki F. Bettering operation of robots by learning // Journal of Robotic Systems. 1984. V. 1. No. 2. P. 123-140.
  5. Bristow D.A., Tharayil M., Alleyne A. A survey of iterative learning control // IEEE Control Systems Magazine. 2006. V. 26. No. 3. P. 96-114.
  6. Ahn H.S., Chen Y.Q., Moore K.L. Iterative learning control: Brief survey and categorization // IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews. 2007. V. 37. No. 6. P. 1099-1121.
  7. Pakshin P., Emelianova J., Emelianov M. Iterative learning control of stochastic linear systems under switching of the reference trajectory and parameters // Proccedings of the 29th Mediterranean Conference on Control and Automation. 2021. P. 1311-1316. 2021. Bari, Puglia, Italy.
  8. Pakshin P., Emelianova J., Rogers E., Galkowski K. Iterative learning control of stochastic linear systems with reference trajectory switching // Proceedings of the 60th IEEE Conference on Decision and Control. 2021. P. 6565-6570.
  9. Ahn H.S., Chen Y.Q. Iterative learning control for multi-agent formation // In Proc. ICROS-SICE Int. Joint Conf. 2009. P. 3111-3116.
  10. Liu Q., Bristow D.A. An iteration-domain lter for controlling transient growth in iterative learning control // Proc. 2010 Amer. Control Conf. 2010. P. 2039-2044.
  11. Liu Y., Jia Y. An iterative learning approach to formation control of multi-agent systems // Systems & Control Letters. 2012. V. 61. P. 148-154.
  12. Yang S., Xu J.X., Huang D., Tan Y. Optimal iterative learning control design for multi-agent systems consensus tracking // Systems & Control Letters. 2014. V. 69 P. 80-89.
  13. Li J., Li J. Adaptive iterative learning control for coordination of second-order multi-agent systems // Int. J. Robust Nonlinear Control. 2014. V. 24. P. 3282-3299.
  14. Meng D., Du W., Jia Y. Data-driven consensus control for networked agents: an iterative learning control-motivated approach // IET Control Theory & Applications. 2015. V. 9. P. 2084-2096.
  15. Yu X., Hou Z., Polycarpou M.M. Distributed Data-Driven Iterative Learning Consensus Tracking for Nonlinear Discrete-Time Multiagent Systems // IEEE Transactions on Automatic Control. 2022. V. 67. No. 7. P. 3670-3677.
  16. Hock A., Schoellig A. Distributed iterative learning control for multi-agent systems // Autonomous Robots. 2019. V. 43. P. 1989-2010.
  17. Pakshin P.V., Emelianova J.P., Emelianov M.A. (2018). Iterative learning control design for multiagent systems based on 2D models // Automation and Remote Control. 2018. V. 79. No. 6. P. 1040-1056.
  18. Pakshin P.V., Koposov A.S., Emelianova J.P. Iterative learning control of a multiagent system under random perturbations // Automation and Remote Control, (2020). 81(3), 483-502.
  19. Ahn H.S., Moore K.L., Chen Y.Q. Iterative Learning Control. Robustness and Monotonic Convergence for Interval Systems. Lecture Notes in Control and Information Sciences. Springer-Verlag: London, 2007.
  20. Hock A., Schoellig A. Distributed iterative learning control for a team of quad-rotors // Proceedings of the 55th IEEE Conference on Decision and Control. 2016. P. 4640-4646.
  21. Sun S., Endo T., Matsuno F. Iterative learning control based robust distributed algorithm for non-holonomic mobile robots formation // IEEE Access. 2018. V. 6. P. 61904-61917.
  22. Koposov A., Emelianova J., Pakshin P. Iterative learning control of multi-agent systems under changing network con guration // IFAC PapersOnLine, 2021. V. 54. No. 20. P. 669-674.
  23. Koposov A., Emelianova J., Pakshin P. Iterative learning control of multi-agent systems under changing reference trajectoty // IFAC PapersOnLine, 2022. V. 55. No. 12. P. 759-764.
  24. Pakshin P., Emelianova J. Iterative learning control design for discrete-time stochastic switched systems // Autom. Remote Control. 2020. V. 81. No. 11. P. 2011-2025.
  25. Apkarian J., Karam P., Levis M. Workbook on Flexible Link Experiment for MatlabR/Simulink Users. Quanser, 2011.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2023