Composite Distributed Learning and Synchronization of Nonlinear Multi-Agent Systems with Complete Uncertain Dynamics

要約

この論文は、リーダー/フォロワーのフレームワークの下で、不均一な非線形不確定性を持つマルチエージェント ロボット マニピュレータ システムのネットワークにおける複合同期と学習制御の問題を扱います。
第 1 層の分散協調推定器と第 2 層の分散決定論的学習コントローラで構成される、新しい 2 層分散適応学習制御戦略を導入します。
最初の層は、各ロボット エージェントによるリーダーの情報の推定を容易にするためのものです。
2 番目の層は、個々のロボット エージェントを制御して目的の基準軌道を追跡することと、ロボット エージェントの非線形で不確実なダイナミクスを正確に識別/学習することの両方を担当します。
提案された分散学習制御スキームは、不確実な質量行列を含む完全に不確実なダイナミクスを持つロボット エージェントを管理できるため、既存の文献の進歩を表しています。
これにより、ロボット制御が環境に依存せず、水中からシステムダイナミクスパラメータの特定が困難な宇宙まで、さまざまな設定で使用できるようになります。
閉ループ システムの安定性とパラメータの収束は、Lyapunov 法を使用して厳密に解析されます。
数値シミュレーションにより、提案されたスキームの有効性が検証されます。

要約(オリジナル)

This paper addresses the problem of composite synchronization and learning control in a network of multi-agent robotic manipulator systems with heterogeneous nonlinear uncertainties under a leader-follower framework. A novel two-layer distributed adaptive learning control strategy is introduced, comprising a first-layer distributed cooperative estimator and a second-layer decentralized deterministic learning controller. The first layer is to facilitate each robotic agent’s estimation of the leader’s information. The second layer is responsible for both controlling individual robot agents to track desired reference trajectories and accurately identifying/learning their nonlinear uncertain dynamics. The proposed distributed learning control scheme represents an advancement in the existing literature due to its ability to manage robotic agents with completely uncertain dynamics including uncertain mass matrices. This allows the robotic control to be environment-independent which can be used in various settings, from underwater to space where identifying system dynamics parameters is challenging. The stability and parameter convergence of the closed-loop system are rigorously analyzed using the Lyapunov method. Numerical simulations validate the effectiveness of the proposed scheme.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google