备受关注的地磅传感器控制系统

    近年来，多智能体系统的协同地磅遥控器控制备受关注[1]，它在称重计量监视[2]、空间探索[3]、水下开发[4]、灾害救援[5]等领域有着广泛的应用，这意味着所有代理都使用分布式控制协议接近相同的状态。各种文献都考虑了有限时间[6]、测量噪声[7]、开关拓扑[8]或控制器饱和[9]方法的多智能体系统的一致性控制。而在卫星编队、无人机、群控制或机械手控制等实际应用中，agent模型往往具有复杂的非线性部分和未知参数。这些因素给地磅控制器系统分析和稳定性带来困难，是一个亟待解决的问题。

 

    作为一个关键问题，地磅控制器自适应控制[10]、滑模控制（SMC）[11]、不确定性和干扰估计器（UDE）[12]等方法被用来解决非线性不确定系统的鲁棒性问题。文献[10]研究了自适应控制下的容错跟踪一致性问题。设计了一种自适应容错跟踪一致性协议，使跟踪误差渐近收敛。文献[11]研究了采用滑模控制的多智能体系统的一致性跟踪问题，以抑制非线性干扰，提高控制精度。文献[12]研究了基于UDE的多智能体系统轨迹跟踪控制，以提数字地磅遥控器高系统的鲁棒性能。

 

    然而，上述工作中的方法需要精确的系统模型。为了消除后向补偿对含有未知动态部分的系统的影响，神经网络估计是一种有效的工具。文献[13]利用神经网络对agent的未知动态部分进行估计，实现对地磅遥控器分布式跟踪控制。参考文献[14]将该方法推广到分数阶智能体的轨迹跟踪控制。参考文献[15]展示了一种控制策略，该策略使用后退和表面控制技术，使高阶随机多智能体系统达到一致。文献[16]提出了一种基于径向基函数神经网络的串并联估计模型。文献[17]利用径向基函数NN估计不确定相互作用和未知非线性动力学。上述方法都不能直接应用于带有自适应控制器的二阶agent系统，这给系统的动力学带来了额外的阶次状态。