Distributed consensus control for multi‐agent systems using terminal sliding mode and Chebyshev neural networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SUMMARY This paper investigates the problem of consensus tracking control for second‐order multi‐agent systems in the presence of uncertain dynamics and bounded external disturbances. The communication flow among neighbor agents is described by an undirected connected graph. A fast terminal sliding manifold based on lumped state errors that include absolute and relative state errors is proposed, and then a distributed finite‐time consensus tracking controller is developed by using terminal sliding mode and Chebyshev neural networks. In the proposed control scheme, Chebyshev neural networks are used as universal approximators to learn unknown nonlinear functions in the agent dynamics online, and a robust control term using the hyperbolic tangent function is applied to counteract neural‐network approximation errors and external disturbances, which makes the proposed controller be continuous and hence chattering‐free. Meanwhile, a smooth projection algorithm is employed to guarantee that estimated parameters remain within some known bounded sets. Furthermore, the proposed control scheme for each agent only employs the information of its neighbor agents and guarantees a group of agents to track a time‐varying reference trajectory even when the reference signals are available to only a subset of the group members. Most importantly, finite‐time stability in both the reaching phase and the sliding phase is guaranteed by a Lyapunov‐based approach. Finally, numerical simulations are presented to demonstrate the performance of the proposed controller and show that the proposed controller exceeds to a linear hyperplane‐based sliding mode controller. Copyright © 2011 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle