Neural-Network-Based Finite-Time Bipartite Containment Control for Fractional-Order Multi-Agent Systems.

反推 沉降时间 控制理论(社会学) 外稃(植物学) 趋同(经济学) 人工神经网络 二部图 控制器(灌溉) 计算机科学 自适应控制 数学 数学优化
作者
Yang Liu,Huaguang Zhang,Zhan Shi,Zhiyun Gao
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:PP
标识
DOI:10.1109/tnnls.2022.3143494
摘要

This article focuses on the adaptive bipartite containment control problem for the nonaffine fractional-order multi-agent systems (FOMASs) with disturbances and completely unknown high-order dynamics. Different from the existing finite-time theory of fractional-order system, a lemma is developed that can be applied to actualize the aim of finite-time bipartite containment for the considered FOMASs, in which the settling time and convergence accuracy can be estimated. Via applying the mean-value theorem, the difficulty of the controller design generated by the nonaffine nonlinear term is overcome. A neural network (NN) is employed to approximate the ideal input signal instead of the unknown nonaffine function, then a distributed adaptive NN bipartite containment control for the FOMASs is developed under the backstepping structure. It can be proved that the bipartite containment error under the proposed control scheme can achieve finite-time convergence even though the follower agents are subjected to completely unknown dynamic and disturbances. Finally, the feasibility and validity of the obtained results are exhibited by the simulation examples.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
freeok完成签到,获得积分10
2秒前
飞快的孱完成签到,获得积分10
4秒前
朱w发布了新的文献求助10
4秒前
Tink完成签到,获得积分10
4秒前
zy发布了新的文献求助10
5秒前
听寒发布了新的文献求助10
5秒前
Joan.发布了新的文献求助10
6秒前
kksun完成签到,获得积分10
8秒前
dyyy发布了新的文献求助10
8秒前
hyhyhyhy发布了新的文献求助10
8秒前
羊咩咩完成签到 ,获得积分10
8秒前
10秒前
12秒前
14秒前
14秒前
16秒前
开放夜南发布了新的文献求助10
17秒前
18秒前
雪碧没气完成签到,获得积分10
19秒前
废柴胖鱼发布了新的文献求助10
20秒前
妮妮完成签到,获得积分10
21秒前
21秒前
熊猫骑手完成签到 ,获得积分10
21秒前
21秒前
23秒前
23秒前
xiaobin发布了新的文献求助10
25秒前
充电宝应助cmz采纳,获得10
26秒前
局内人发布了新的文献求助10
27秒前
cylee发布了新的文献求助10
28秒前
可爱的万万亿完成签到,获得积分10
28秒前
29秒前
852应助潇洒的白昼采纳,获得10
30秒前
895_应助树袋熊采纳,获得10
30秒前
上官若男应助飘逸问兰采纳,获得10
30秒前
31秒前
险胜应助dyyy采纳,获得30
32秒前
汉堡包应助局内人采纳,获得10
33秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Effect of reactor temperature on FCC yield 2000
How Maoism Was Made: Reconstructing China, 1949-1965 800
Introduction to Spectroscopic Ellipsometry of Thin Film Materials Instrumentation, Data Analysis, and Applications 600
Promoting women's entrepreneurship in developing countries: the case of the world's largest women-owned community-based enterprise 500
Shining Light on the Dark Side of Personality 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3310041
求助须知:如何正确求助?哪些是违规求助? 2943138
关于积分的说明 8512742
捐赠科研通 2618304
什么是DOI,文献DOI怎么找? 1431024
科研通“疑难数据库(出版商)”最低求助积分说明 664324
邀请新用户注册赠送积分活动 649540