Dynamic Event-Triggered Consensus Control of Multi-Agent Systems With Time-Varying Delays and Semi-Markovian Switching Topology
Notice bibliographique
Résumé
In this paper, we address the consensus problem in multi-agent systems (MASs) under conditions where time-varying delays impact inter-agent transmissions and the communication topology changes according to semi-Markovian rules with partially unknown transition rates. We implement dynamic event-triggering mechanisms (DETMs) on both the sensor-to-observer (S-O) and controller-to-actuator (C-A) channels to minimize unnecessary data transmissions within the network, which involves utilizing locally triggered sampled data in a distributed manner to optimize resource efficiency. In this output-feedback design, each agent constructs distributed observers to predict its own and neighboring agents’ states. In the design phase, we convert the consensus control problem into an asymptotic stability problem. Employing the Lyapunov-Krasovskii approach, we formulate the event-triggering parameters to ensure the stability of the closed-loop system comprising all agents, thereby achieving consensus. Through numerical simulations and experiments, we demonstrate that our approach effectively balances reducing the frequency of inter-agent communication with ensuring that the agents reach consensus.Note to Practitioners—In many industrial applications of multi-agent systems (MASs), such as robotics and sensor networks, achieving coordinated control in the presence of time-varying communication delays and changing topologies is a significant challenge. This paper presents a solution using dynamic event-triggered mechanisms (DETMs) to reduce unnecessary data transmissions between agents, ensuring efficient resource utilization. Unlike traditional methods that rely on constant data flow, DETMs allow communication only when necessary, optimizing bandwidth usage without sacrificing performance. By employing a distributed observer-based approach, each agent estimates its own state and its neighbors’ states, overcoming time-varying delays. The method offers a promising solution for improving efficiency in MASs. Future research could extend this approach to handle larger networks, more complex topologies, and varying operational conditions, with potential applications in autonomous vehicles, drone fleets, and large-scale sensor networks.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».