Concepts de base
Eine verteilte Schätzung unter Verwendung einer Kaskadenstruktur und eines variablen Strukturdesigns eliminiert die Notwendigkeit von Ableitungsinformationen, um die Echtzeitperformance zu verbessern. Eine bioinspirierte neuronale dynamikbasierte kinematische Regelung löst das Geschwindigkeitssprungproblem und berücksichtigt Geschwindigkeitsbeschränkungen. Eine lernbasierte robuste dynamische Regelung schätzt die Systemparameter in Echtzeit und bietet Robustheit gegen Störungen.
Résumé
Die Studie entwickelt eine neuartige verteilte Formationssteuerungsmethode für mobile Roboter, um mehrere Herausforderungen wie Geschwindigkeitssprünge, Geschwindigkeitsbeschränkungen und Robustheit gegen Störungen bei unbekannter Dynamik zu adressieren.
Zunächst wird ein verteilter Schätzer entwickelt, der die Notwendigkeit von Ableitungsinformationen eliminiert, um die Echtzeitperformance zu verbessern. Dann wird eine bioinspirierte neuronale dynamikbasierte kinematische Regelung entwickelt, um Geschwindigkeitssprünge zu vermeiden und Geschwindigkeitsbeschränkungen zu berücksichtigen. Schließlich wird eine lernbasierte robuste dynamische Regelung entwickelt, die die Systemparameter in Echtzeit schätzt und Robustheit gegen Störungen bietet.
Die Stabilität des Gesamtverfahrens wird mathematisch analysiert. Umfangreiche Simulationsstudien zeigen die Vorteile und Wirksamkeit der vorgeschlagenen Methode.
Stats
Die maximale Geschwindigkeit des virtuellen Anführers beträgt γ1 = 1 m/s.
Die maximale Winkelgeschwindigkeit des virtuellen Anführers beträgt γ2 = 0,5 rad/s.
Die maximalen Störungen auf die Roboter betragen ψ1i = 0,1 m/s² und ψ2i = 0,1 rad/s².
Citations
"Eine verteilte Schätzung unter Verwendung einer Kaskadenstruktur und eines variablen Strukturdesigns eliminiert die Notwendigkeit von Ableitungsinformationen, um die Echtzeitperformance zu verbessern."
"Eine bioinspirierte neuronale dynamikbasierte kinematische Regelung löst das Geschwindigkeitssprungproblem und berücksichtigt Geschwindigkeitsbeschränkungen."
"Eine lernbasierte robuste dynamische Regelung schätzt die Systemparameter in Echtzeit und bietet Robustheit gegen Störungen."