CN111781830A - 基于估计状态扰动观测的混合阶机电***协同控制方法 - Google Patents

基于估计状态扰动观测的混合阶机电***协同控制方法 Download PDF

Info

Publication number
CN111781830A
CN111781830A CN202010627420.8A CN202010627420A CN111781830A CN 111781830 A CN111781830 A CN 111781830A CN 202010627420 A CN202010627420 A CN 202010627420A CN 111781830 A CN111781830 A CN 111781830A
Authority
CN
China
Prior art keywords
controlled object
estimation
tracking error
representing
electromechanical system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010627420.8A
Other languages
English (en)
Other versions
CN111781830B (zh
Inventor
王一光
李晓杰
郝钢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heilongjiang University
Original Assignee
Heilongjiang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Heilongjiang University filed Critical Heilongjiang University
Priority to CN202010627420.8A priority Critical patent/CN111781830B/zh
Publication of CN111781830A publication Critical patent/CN111781830A/zh
Application granted granted Critical
Publication of CN111781830B publication Critical patent/CN111781830B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

基于估计状态扰动观测的混合阶机电***协同控制方法,解决了现有混合阶多智能体机电***在自身和邻近成员全状态不可测的条件下以及在未知外部扰动影响的条件下不能实现协同控制目标的问题，属于混合阶多智能体***协同控制领域。本发明包括：建立带有未知控制参数的混合阶机电***被控对象模型；根据该模型获取被控对象的位置估计和速度估计；根据获取的位置估计和速度估计，获取基于估计状态的被控对象的扰动估计和同步跟踪误差；根据被控对象的同步跟踪误差和扰动估计，获取基于估计状态的被控对象的滑模跟踪误差；根据被控对象的同步跟踪误差、滑模跟踪误差和扰动估计，获取被控对象的控制律，根据该控制律进行混合阶机电***协同控制。

Description

基于估计状态扰动观测的混合阶机电***协同控制方法
技术领域
本发明属于混合阶多智能体***协同控制领域，具体涉及的是一种基于估计状态扰动观测的混合阶机电***协同控制方法。
背景技术
多智能体协同控制研究来源于动物或昆虫的群体运动现象，主要包含一致性、编队控制、估计和优化等研究方向。其中，一致性是关于各智能体成员在分布式协同控制律的作用之下达到平衡或一致状态的控制问题。一致性主要包括一致性调节和一致性跟踪：一致性调节是各智能体成员根据自己的初始条件最终达到一种未设定的平衡状态，所以也叫无领导者一致性；而一致性跟踪问题中通常存在一个真实或多个虚拟领导者提供参考信号，其他多智能体跟随者进行协同跟踪或同步。在现有的多智能体协同控制中，通常是将被控对象和领导者考虑为具有相同阶数的多智能体***，即其具有相同的阶数、相同的被控状态类型。这钟在实际中并不尽合理，不同的跟随者可能具有不同的阶数、不同类型的工作状态、不同的工作目标。除此之外，在实际中通常被控跟随者及其相邻成员的全状态并不完全可测，只能得到其输出状态并且未知外部扰动对混合阶机电***性能和稳定性的影响比较大。因此，在不同阶机电***实际协同控制应用中，全状态不可测以及未知外部扰动的问题亟待解决。综上所述，现有的机电***协同控制方法已经不能满足当今部分状态可测的带有未知时变外部扰动的混合阶机电***的协同控制的需要。
发明内容
针对现有混合阶多智能体机电***在自身和邻近成员全状态不可测的条件下以及在未知外部扰动影响的条件下不能实现协同控制目标的问题，本发明提供一种基于估计状态扰动观测的混合阶机电***协同控制方法。
本发明的一种基于估计状态扰动观测的混合阶机电***协同控制方法，所述方法包括：
S1、建立带有未知控制参数的混合阶机电***被控对象模型，所述混合阶机电***被控对象模型包括一阶机电***被控对象模型和二阶机电***被控对象模型，其中一阶机电***被控对象模型为：
Figure BDA0002567043420000011
二阶机电***被控对象模型为：
Figure BDA0002567043420000021
x1,i表示被控对象i的位置，x2,i代表被控对象i的速度，
Figure BDA0002567043420000022
表示未知非线性函数，
Figure BDA0002567043420000023
表示未知非线性函数
Figure BDA0002567043420000024
的名义值，
Figure BDA0002567043420000025
表示未知控制参数，
Figure BDA0002567043420000026
代表未知控制参数
Figure BDA0002567043420000027
的名义值，γi代表扰动，ui表示控制量，N1代表一阶机电***的集合，N2代表二阶机电***的集合；
S2、根据混合阶机电***被控对象模型获取被控对象的位置估计和速度估计；
S3、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的扰动估计；
S4、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的同步跟踪误差；
S5、根据被控对象的同步跟踪误差和扰动估计，获取基于估计状态的被控对象的滑模跟踪误差；
S6、根据被控对象的同步跟踪误差、滑模跟踪误差和扰动估计，获取被控对象的控制律，根据该控制律进行混合阶机电***协同控制。
本发明的有益效果，本发明建立的混合阶机电***被控对象模型中带有不可测状态和未知外部扰动的参数，本发明通过对不可测状态和未知外部扰动进行在线估计，从而实现对混合阶机电***的有效协同控制，提高***的协同控制精度、快速性和抗扰动能力。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本实施方式的一种基于估计状态扰动观测的混合阶机电***协同控制方法，包括：
步骤一、建立带有未知控制参数的混合阶机电***被控对象模型，所述混合阶机电***被控对象模型包括一阶机电***被控对象模型和二阶机电***被控对象模型，其中一阶机电***被控对象模型为：
Figure BDA0002567043420000031
二阶机电***被控对象模型为：
Figure BDA0002567043420000032
x1,i表示被控对象i的位置，x2,i代表被控对象i的速度，
Figure BDA0002567043420000033
表示未知非线性函数，
Figure BDA0002567043420000034
表示未知非线性函数
Figure BDA0002567043420000035
的名义值，
Figure BDA0002567043420000036
表示未知控制参数，
Figure BDA0002567043420000037
代表未知控制参数
Figure BDA0002567043420000038
的名义值，γi代表扰动，ui表示控制量，N1代表一阶机电***的集合，N2代表二阶机电***的集合；
步骤二、根据混合阶机电***被控对象模型获取被控对象的位置估计和速度估计；
步骤三、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的扰动估计；
步骤四、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的同步跟踪误差；
步骤五、根据被控对象的同步跟踪误差和扰动估计，获取基于估计状态的被控对象的滑模跟踪误差；
步骤六、根据被控对象的同步跟踪误差、滑模跟踪误差和扰动估计，获取被控对象的控制律，根据该控制律进行混合阶机电***协同控制。
本发明本发明通过对不可测状态和未知外部扰动进行在线估计，很好解决了混合阶多智能体机电控制***在实际中带有不可测状态及在未知时变外部扰动影响情况下的协同控制问题，提高***的协同控制精度。
本实施方式的步骤六中，被控对象的控制律为：
Figure BDA0002567043420000039
Figure BDA00025670434200000310
其中，
Figure BDA0002567043420000041
表示被控对象的扰动估计，
Figure BDA0002567043420000042
表示被控对象i的速度同步跟踪误差，Ξi为扰动系数，μi表示滑模增益，c表示控制增益系数，被控对象的滑模跟踪误差
Figure BDA0002567043420000043
bi表示被控对象i与领导者的连接权值，di表示入度。
本实施方式的步骤二中，被控对象的位置估计
Figure BDA0002567043420000044
和速度估计
Figure BDA0002567043420000045
分别为：
Figure BDA0002567043420000046
其中，ξ1,i和ξ2,i表示表示被控对象i的增益系数，
Figure BDA0002567043420000047
Figure BDA0002567043420000048
sgn()表示符号函数，()equ表示把括号里的内容利用适当带宽的低通滤波器滤波，
Figure BDA0002567043420000049
通过适当带宽的低通滤波器获得。
本实施方式的步骤三中，基于估计状态的被控对象的扰动估计为：
Figure BDA00025670434200000410
Figure BDA00025670434200000411
其中，zi表示中间变量，di表示入度。
本实施方式的步骤四中，基于估计状态的被控对象的同步跟踪误差包括：
Figure BDA00025670434200000412
Figure BDA00025670434200000413
Figure BDA00025670434200000414
表示被控对象i的位置同步跟踪误差，
Figure BDA00025670434200000415
表示被控对象i的速度同步跟踪误差，
Figure BDA00025670434200000416
和
Figure BDA00025670434200000417
分别表示被控对象i及其相邻机电***j的位置估计，
Figure BDA00025670434200000418
和
Figure BDA00025670434200000419
分别表示被控对象i及其相邻机电***j的速度估计，aij表示邻接矩阵的系数，
Figure BDA00025670434200000420
表示与被控对象i相邻的一阶机电***集合，
Figure BDA00025670434200000421
表示与被控对象i相邻的二阶机电***集合，bi表示被控对象i与领导者的连接权值，x1,0和x2,0表示领导者的位置和速度，N＝N1∪N2。
本实施方式的同步跟踪误差针对不同阶数的混合阶机电***采用了不同的范围进行定义，并且利用了估计状态来表达估计同步跟踪误差。
本实施方式的步骤五中，基于估计状态的被控对象的滑模跟踪误差
Figure BDA0002567043420000051
为：
Figure BDA0002567043420000052
Ξi为扰动系数，μi表示滑模增益，
Figure BDA0002567043420000053
表示被控对象的扰动估计，
Figure BDA0002567043420000054
表示被控对象i的位置同步跟踪误差，
Figure BDA0002567043420000055
表示被控对象i的速度同步跟踪误差。
本实施方式的滑模跟踪误差采用了估计的同步跟踪误差和扰动估计，并且针对不同阶的跟踪者的被控对象设计了不同的滑模误差定义。
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

Claims (6)

1.一种基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，所述方法包括：
S1、建立带有未知控制参数的混合阶机电***被控对象模型，所述混合阶机电***被控对象模型包括一阶机电***被控对象模型和二阶机电***被控对象模型，其中一阶机电***被控对象模型为：
Figure FDA0002567043410000011
二阶机电***被控对象模型为：
Figure FDA0002567043410000012
x1,i表示被控对象i的位置，x2,i代表被控对象i的速度，
Figure FDA0002567043410000013
表示未知非线性函数，
Figure FDA0002567043410000014
表示未知非线性函数
Figure FDA0002567043410000015
的名义值，
Figure FDA0002567043410000016
表示未知控制参数，
Figure FDA0002567043410000017
代表未知控制参数
Figure FDA0002567043410000018
的名义值，γi代表扰动，ui表示控制量，N1代表一阶机电***的集合，N2代表二阶机电***的集合；
S2、根据混合阶机电***被控对象模型获取被控对象的位置估计和速度估计；
S3、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的扰动估计；
S4、根据被控对象的位置估计和速度估计，获取基于估计状态的被控对象的同步跟踪误差；
S5、根据被控对象的同步跟踪误差和扰动估计，获取基于估计状态的被控对象的滑模跟踪误差；
S6、根据被控对象的同步跟踪误差、滑模跟踪误差和扰动估计，获取被控对象的控制律，根据该控制律进行混合阶机电***协同控制。
2.根据权利要求1所述的基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，S6中，被控对象的控制律为：
Figure FDA0002567043410000019
Figure FDA00025670434100000110
其中，
Figure FDA00025670434100000111
表示被控对象的扰动估计，
Figure FDA00025670434100000112
表示被控对象i的速度同步跟踪误差，Ξi为扰动系数，μi表示滑模增益，c表示控制增益系数，被控对象的滑模跟踪误差
Figure FDA00025670434100000113
bi表示被控对象i与领导者的连接权值，di表示入度。
3.根据权利要求2所述的基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，所述S2中，被控对象的位置估计
Figure FDA0002567043410000021
和速度估计
Figure FDA0002567043410000022
分别为：
Figure FDA0002567043410000023
其中，ξ1,i和ξ2,i表示表示被控对象i的增益系数，
Figure FDA0002567043410000024
Figure FDA0002567043410000025
sgn()表示符号函数，()equ表示把括号里的内容利用适当带宽的低通滤波器滤波，
Figure FDA0002567043410000026
通过适当带宽的低通滤波器获得。
4.根据权利要求3所述的基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，S3中，基于估计状态的被控对象的扰动估计为：
Figure FDA0002567043410000027
Figure FDA0002567043410000028
其中，zi表示中间变量，di表示入度。
5.根据权利要求4所述的基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，S4中，基于估计状态的被控对象的同步跟踪误差包括：
Figure FDA0002567043410000029
Figure FDA00025670434100000210
其中，
Figure FDA00025670434100000211
表示被控对象i的位置同步跟踪误差，
Figure FDA00025670434100000212
表示被控对象i的速度同步跟踪误差，
Figure FDA00025670434100000213
和
Figure FDA00025670434100000214
分别表示被控对象i及其相邻机电***j的位置估计，
Figure FDA00025670434100000215
和
Figure FDA00025670434100000216
分别表示被控对象i及其相邻机电***j的速度估计，aij表示邻接矩阵的系数，
Figure FDA00025670434100000217
表示与被控对象i相邻的一阶机电***集合，
Figure FDA00025670434100000218
表示与被控对象i相邻的二阶机电***集合，bi表示被控对象i与领导者的连接权值，x1,0和x2,0表示领导者的位置和速度，N＝N1∪N2。
6.根据权利要求4所述的基于估计状态扰动观测的混合阶机电***协同控制方法，其特征在于，S5中，基于估计状态的被控对象的滑模跟踪误差
Figure FDA00025670434100000219
为：
Figure FDA0002567043410000031
Ξi为扰动系数，μi表示滑模增益，
Figure FDA0002567043410000032
表示被控对象的扰动估计，
Figure FDA0002567043410000033
表示被控对象i的位置同步跟踪误差，
Figure FDA0002567043410000034
表示被控对象i的速度同步跟踪误差。
CN202010627420.8A 2020-07-02 2020-07-02 基于估计状态扰动观测的混合阶机电***协同控制方法 Expired - Fee Related CN111781830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010627420.8A CN111781830B (zh) 2020-07-02 2020-07-02 基于估计状态扰动观测的混合阶机电***协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010627420.8A CN111781830B (zh) 2020-07-02 2020-07-02 基于估计状态扰动观测的混合阶机电***协同控制方法

Publications (2)

Publication Number Publication Date
CN111781830A true CN111781830A (zh) 2020-10-16
CN111781830B CN111781830B (zh) 2022-06-07

Family

ID=72757877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010627420.8A Expired - Fee Related CN111781830B (zh) 2020-07-02 2020-07-02 基于估计状态扰动观测的混合阶机电***协同控制方法

Country Status (1)

Country Link
CN (1) CN111781830B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504727A (zh) * 2021-07-14 2021-10-15 桂林理工大学 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法
CN113848703A (zh) * 2021-08-28 2021-12-28 同济大学 一种多智能体***状态估计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646758A (zh) * 2018-03-20 2018-10-12 南京邮电大学 一种多移动机器人预设性能编队控制器结构及设计方法
CN108958032A (zh) * 2018-07-24 2018-12-07 湖南工业大学 一种非线性多智能体***的总量协同一致控制方法
CN109031959A (zh) * 2018-10-26 2018-12-18 黑龙江大学 一种带有控制参数自适应补偿的非一致非线性***协同控制方法及控制***
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电***协同控制方法及控制***
CN109188914A (zh) * 2018-10-26 2019-01-11 黑龙江大学 一种n阶混合非线性***的协同控制方法及控制***
CN109343348A (zh) * 2018-10-26 2019-02-15 黑龙江大学 一种混合阶机电***的协同容错控制方法及控制***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646758A (zh) * 2018-03-20 2018-10-12 南京邮电大学 一种多移动机器人预设性能编队控制器结构及设计方法
CN108958032A (zh) * 2018-07-24 2018-12-07 湖南工业大学 一种非线性多智能体***的总量协同一致控制方法
CN109031959A (zh) * 2018-10-26 2018-12-18 黑龙江大学 一种带有控制参数自适应补偿的非一致非线性***协同控制方法及控制***
CN109144018A (zh) * 2018-10-26 2019-01-04 黑龙江大学 一种不同阶混合机电***协同控制方法及控制***
CN109188914A (zh) * 2018-10-26 2019-01-11 黑龙江大学 一种n阶混合非线性***的协同控制方法及控制***
CN109343348A (zh) * 2018-10-26 2019-02-15 黑龙江大学 一种混合阶机电***的协同容错控制方法及控制***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李耿 等: "异质多智能体***滞后一致性跟踪控制", 《计算机应用》, vol. 38, no. 12, 10 December 2018 (2018-12-10), pages 3380 - 3395 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504727A (zh) * 2021-07-14 2021-10-15 桂林理工大学 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法
CN113504727B (zh) * 2021-07-14 2022-06-17 桂林理工大学 一种带有自适应阈值的混合阶非线性***事件触发协同控制方法
CN113848703A (zh) * 2021-08-28 2021-12-28 同济大学 一种多智能体***状态估计方法
CN113848703B (zh) * 2021-08-28 2023-12-08 同济大学 一种多智能体***状态估计方法

Also Published As

Publication number Publication date
CN111781830B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN110442022B (zh) 带有时滞异构多智能体***的分组一致性控制方法
CN108803349B (zh) 非线性多智能体***的最优一致性控制方法及***
CN111781830B (zh) 基于估计状态扰动观测的混合阶机电***协同控制方法
Hu et al. Group consensus in multi-agent systems with hybrid protocol
Wang et al. Leader-following exponential consensus of fractional order nonlinear multi-agents system with hybrid time-varying delay: A heterogeneous impulsive method
CN108959808B (zh) 一种基于传感器网络的优化分布式状态估计方法
CN111077779B (zh) 带扰动混杂多智能体***实现领导-跟随一致性控制方法
CN112445135B (zh) 非匹配扰动二阶多智能体***有限时间一致性控制方法
Hu et al. Second-order consensus of multi-agent systems with unknown but bounded disturbance
CN113110039A (zh) 一种多智能体***的有限时间分布式聚合优化方法
CN109818792B (zh) 一种基于二阶线性***时变耦合复杂动态网络模型的控制器
Li et al. Distributed adaptive repetitive consensus control framework for uncertain nonlinear leader–follower multi-agent systems
CN114371617A (zh) 基于脉冲控制的具有切换拓扑结构的多智能体***的分组一致性控制方法
Mo et al. Target-encirclement control of fractional-order multi-agent systems with a leader
CN115562037A (zh) 一种非线性多智能体***控制方法、装置、设备及应用
CN108681247A (zh) 一种完全分布式保性能通信容错编队控制方法
CN109031959B (zh) 一种非一致非线性***协同控制方法及控制***
CN113934173A (zh) 基于脉冲控制的多智能体***分组一致性控制方法
Peng et al. Cooperative tracking and estimation of linear multi-agent systems with a dynamic leader via iterative learning
CN111694272B (zh) 基于模糊逻辑***的非线性多智能体的自适应控制方法及装置
CN112131693B (zh) 基于脉冲牵制自适应控制的Lur`e网络聚类同步方法
CN112198796B (zh) 一种分布式前置时间状态观测器的设计方法
Gokpinar et al. Generalization of inclusion probabilities in ranked set sampling
CN113110058A (zh) 一种通信受限的多智能体***二分实用一致性控制方法
CN109144018B (zh) 一种不同阶混合机电***协同控制方法及控制***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220607