一种干扰环境下的多智能体队形控制方法及系统

    公开(公告)号:CN110058593B

    公开(公告)日:2022-09-02

    申请号:CN201910345859.9

    申请日:2019-04-26

    IPC分类号: G05D1/02 G05D1/10

    摘要: 本发明公开了一种干扰环境下的多智能体队形控制方法及系统。本发明的控制方法包括步骤:1)将多智能体队形控制分解为速度方向控制和速度大小控制;各智能体开始往目标点运动时,通过法向加速度控制智能体的运动,使得智能体的速度方向角收敛到期望角度,实现各智能体速度方向控制;2)多智能体在末端运动中,各智能体在干扰环境下相互通信,根据剩余运动距离控制速度大小;3)根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略。本发明使每个智能体只需要获得邻近少数几个智能体的状态信息即可实现编队控制,大大降低了对智能体通讯能力的要求,提高了系统的灵活性和可靠性。

    一种工业过程多阶惯性闭环系统的闭环建模方法

    公开(公告)号:CN110244557B

    公开(公告)日:2022-03-15

    申请号:CN201910364806.1

    申请日:2019-04-30

    IPC分类号: G05B13/04

    摘要: 本发明公开了一种工业过程多阶惯性闭环系统的闭环建模方法。本发明的闭环建模方法包括:首先,在多阶惯性闭环系统的控制量上加入正、反向阶跃扰动,采用基于多种惯性滤波的深度学习全连接神经网络训练后获得第一个DNN模型;再在多阶惯性闭环系统的设定值上加入正、反向阶跃扰动,将第一个DNN模型的输出数据与被控对象输出数据作为深度学习随机失活神经网络的输入进行训练,训练好后获得第二个DNN模型,两个DNN模型组成闭环系统模型,以有效辨识出被控对象模型的特性。本发明基于两个DNN模型,在建模过程中只需采用较简单的正反向阶跃激励信号,可以简便、准确的辨识出被控对象模型,有效提高了该类闭环系统的控制品质。

    一种工业控制系统网络中威胁管理方法和系统

    公开(公告)号:CN109688142B

    公开(公告)日:2021-07-06

    申请号:CN201811615420.5

    申请日:2018-12-27

    IPC分类号: H04L29/06

    摘要: 本发明公开了一种工业控制系统网络中威胁管理方法和系统。目前,工业控制系统网络面临不断增长的安全隐患和大量未被解决的安全漏洞,其中任何一个设备被攻击者利用的话,都会使工业设施处于不安全的状态。本发明采用的技术方案为:捕获来自多个工业控制系统网络中联网设备的实时数据,生成工业控制系统的正常运行的数据模型,同时接收外部威胁情报数据,利用控制系统正常运行的数据模型和外部威胁情报分析当前的工业控制系统网络实时数据,确定工业控制系统潜在当前威胁,并预测即将发生的潜在威胁以及严重程度。本发明使工业控制系统的安全从传统的响应式的解决方案转化为预测式的解决方案,使安全隐患在成为真正的问题之前被发现并解决。