ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

12月工作汇报

2021-12-17 17:00:32  阅读:191  来源: 互联网

标签:control Control 12 Distributed 学习 Automatica 工作汇报


12月初,我主要在看王薇老师14年[1]和17年[2]那两篇Auto文章,学习如何利用backstepping方法解决高阶不确定非线性多智能体系统跟踪控制问题。王老师论文与其他相关论文对比,其主要创新是,在高阶模型下,不与领导者相连的节点也不需要知道参考信号及其各阶的导数,只是理论分析上需要用到dot_yd的上界,控制器中并不需要。我利用其结果,推导了一个二阶可参数化严格反馈系统结果,用于完成宋老师《高级控制理论》课程作业。从自己的仿真结果来看,该算法由于利用了backstepping技术,因此在求各偏导信号时十分复杂,尤其是在MAS框架下各个节点之间存在耦合的情况下;此外,其控制器或虚拟控制器α1的波形抖振也很严重,个人感觉并不太好,也可能是参数没有调节好。该课程作业还没写好,还剩introduction部分,准备周末完成。

同时,我还推导了k滤波[3],但难度太大,并没有推出来,张师姐下周会作报告详细讲解。

12月8日,我开始看强化学习[4-9],python[10,11]和凸优化[12]。主要先学习了MDP,python的一些基础语句。这里列出相关的学习资料用于方便后续继续学习。

12月16日,我开始看传感器网络定位。主要基于以下三篇文章。[13-15]

在看传感器网络定位时,发现自己针对刚性图、方位刚性理论、距离刚性理论等概念完全不了解,目前正在一边看文章,一边扩充这些基础知识。

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

相关文献:

【1】Wang W , Huang J , Wen C , et al. Distributed adaptive control for consensus tracking with application to formation control of nonholonomic mobile robots[J]. Automatica, 2014, 50(4):1254-1263.

【2】Wang W , Wen C , Zhou J . Distributed adaptive control for consensus tracking with application to formation control of nonholonomic mobile robots[J]. Automatica, 2017.

【3】M. Krsti´c, I. Kanellakopoulos, and P. Kokotovi´c, Nonlinear and Adaptive Control. New York: A Wiley-Interscience Publication, John Wiley & Sons, INC., 1995.

【4】Bertsekas's book: 《reinforcement learning and optimal control》

【5】Frank's book:《Handbook of reinforcement learning and control》

【6】《多智能体机器学习强化学习方法》

【7】《深入浅出强化学习原理入门》

【8】忆臻 - 知乎

【9】强化学习笔记(2)——MDP - 知乎

【10】【Python教程】《零基础入门学习Python》最新版_哔哩哔哩_bilibili

【11】安装Python - 廖雪峰的官方网站

【12】Stephen Boyd, Lieven Vandenberghe, 《凸优化(Convex Optimization) 》

【13】X. Fang, X. Li and L. Xie, "Angle-Displacement Rigidity Theory With Application to Distributed Network Localization," in IEEE Transactions on Automatic Control, vol. 66, no. 6, pp. 2574-2587, June 2021, doi: 10.1109/TAC.2020.3012630.

【14】Zhao S , Zelazo D . Localizability and distributed protocols for bearing-based network localization in arbitrary dimensions[J]. Automatica, 2016, 69(C):334-341.

【15】G. Jing, C. Wan and R. Dai, "Angle-Based Sensor Network Localization," in IEEE Transactions on Automatic Control, doi: 10.1109/TAC.2021.3061980.

标签:control,Control,12,Distributed,学习,Automatica,工作汇报
来源: https://blog.csdn.net/LiKun951221/article/details/121999962

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有