公开(公告)号：CN116819959A

公开(公告)日：2023-09-29

申请号：CN202310567234.3

申请日：2023-05-17

Applicant: 滨州学院

Inventor： 文国兴 ,  李子俊 ,  李彬 ,  刘丽霞

IPC: G05B13/04

Abstract: 本发明属于自适应非线性控制技术领域，提出了基于滑模机制的多智能体优化控制器构建方法及系统，基于高阶非线性多智能体系统的实际系统状态和参考状态得到多智能体系统的跟踪误差；基于多智能体系统的跟踪误差设计滑模超平面，通过滑模变量来控制跟踪误差使其位于滑模超平面上；构造执行identifier‑critic‑actor神经网络结构的强化学习，在强化学习中，根据神经网络逼近未知动力函数和分布式HJB方程的解，分别推导出identifier神经网络和critic‑actor神经网络，得到最优控制信号，将最优控制信号作为实际控制输入信号，在该输入信号下引导多智能体系统实现控制目标。

公开(公告)号：CN116755339A

公开(公告)日：2023-09-15

申请号：CN202310761473.2

申请日：2023-06-26

Applicant: 滨州学院

Inventor： 文国兴 ,  周然然 ,  李彬 ,  刘丽霞

IPC: G05B13/04

Abstract: 本公开提供了一种非线性严格反馈系统的自适应非反步控制方法及系统，涉及自适应非线性控制技术领域，方法包括针对单输入单输出的非线性严格反馈系统，将非线性严格反馈系统转换为规范动力系统形式；考虑滑模机制作为控制律的设计原理，引入Bernstein近似定理，将Bernstein多项式逼近与自适应学习方法相结合构造自适应状态观测器；根据控制目标，设计实际的自适应控制器，利用自适应状态观测器定义跟踪误差估计，转化跟踪误差估计的动力方程，使控制器的能够以期望的精度跟踪参考信号，实现严格反馈系统的自适应非反步控制。本公开有效地实现了系统的自适应跟踪控制。