痛并快乐着的研究生学习生涯(4)-9.4

努力学习,珍惜时间;全力以赴,创造未来;克制欲望,摒除心魔;心向何处,往来圣贤
功崇惟志,业广惟勤;惟克果断,乃罔后艰;面临困难,切莫不安;由浅入深,抽丝剥茧
持之以恒,攻坚克难;绳锯木断,水滴石穿;一日三省,积累经验;博学笃志,刻苦钻研
劝君牢记,戒骄戒懒;一生勤勉,无愧世间。

学习目标:

(1)一个月内学会QGC地面站开发;
(2)今年结束之前发表一篇文章;
(3)半年内解决多无人机分布式控制问题。


今日学习工作内容:

  • 阅读文献
  • 2. 中午练习演讲–会做事也要会讲话!
  • 3. 地面站学习开发
  • 4. ROS多机仿真学习

1、 阅读文献

今天要阅读的文献是北航董希旺老师的发表在智能控制与自动化世界会议上的文章,题目为:Time-varying group formation control for multi-agent systems with second-order dynamics and directed topologies, 即基于二阶动力学模型与有向拓扑结构多智能体分簇编队控制。文章将一个多智能体组成的群系统分解成多个子群,各个子群分别形成特定的时变子编队。传统多智能编队控制问题往往探讨的是一个整体编队,而本文研究了分簇编队控制问题。文章给出了实现分簇编队的充分条件,推导出了可描述分簇编队宏观运动的显式表达式,并提出了设计时变分簇编队控制协议的方法。

1.1 背景意义

背景意义主要从以下几点展开:

  • 利用局部信息实现预定义的期望编队在机器人控制理论中仍是一个颇受关注的问题;
  • 利用一致性理论研究编队控制问题是一个新兴的趋势(an emerging trend);
  • 已知的编队控制研究工作中,仅考虑了整体型编队的控制问题,即编队中所有成员共同形成一个编队;
  • 然而,许多实际应用场合,需要多智能体群系统分簇成多编队完成多目标搜索、合围等分布式任务;
  • 现有文献与分簇编队控制问题较为相关的课题主要是分簇一致性控制,即各个分簇内的智能体实现各分簇状态变量的一致,涉及的研究有考虑拓扑切换和通信延迟的一阶多智能体系统,基于领导-跟随和牵制控制(pinning control)的二阶多智能体分簇一致性控制,并有相关文献给出了实现相应一致性控制的充要条件;
  • 但目前的分簇一致性控制研究结果不能直接拓展应用到二阶多智能系统分簇时变编队控制问题中。

本文对基于有向通信拓扑的该类问题进行研究,创新点有二:

  • 现有编队控制研究主要是针对整体式编队展开的研究,本文则探讨了分簇式编队控制问题;
  • 现有的分簇一致性控制不能直接拓展到二阶多智能系统分簇时变编队控制研究中,本文解决了该问题。

1.2 系统模型与问题描述

智能体的动态模型描述如下:
{ x ˙ i ( t ) = v i ( t ) v ˙ i ( t ) = α x x i ( t ) + α v v i ( t ) + u i ( t ) (1) \left\{\begin{array}{l} \dot{x}_{i}(t)=v_{i}(t) \\ \dot{v}_{i}(t)=\alpha_{x} x_{i}(t)+\alpha_{v} v_{i}(t)+u_{i}(t) \end{array}\right. \tag{1} {x˙i(t)=vi(t)v˙i(t)=αxxi(t)+αvvi(t)+ui(t)(1)
由于是二阶系统, x i x_i xi v i v_i vi可分别视为智能体的位置和速度, α x \alpha_x αx α v \alpha_v αv为阻尼常数。现在假设一个多智能体群系统包含 g g g个子群,每个智能体视为网络中的一个节点,总节点个数记为 N N N,其集合记为 V V V,那么 g g g个子群就有 g g g个子节点集,可分别记为 V 1 , V 2 , ⋅ ⋅ ⋅ , V g V_1,V_2,\cdot\cdot\cdot,V_g V1,V2,,Vg,这些节点集具有以下关系式:
{ V k ≠ ∅ ∪ k = 1 g V k = V V k ∩ V l = ∅ ( k , l ∈ { 1 , 2 , ⋯   , g } ; k ≠ l ) \left\{\begin{array}{l} V_{k} \neq \emptyset\\ \cup_{k=1}^{g} V_{k}=V\\ V_{k} \cap V_{l}=\emptyset \end{array}\right. (k, l \in\{1,2, \cdots, g\} ; k \neq l) Vk=k=1gVk=VVkVl=(k,l{1,2,,g};k=l)
现用 ( i ˉ , j ˉ ∈ { 1 , 2 , ⋯   , g } ) (\bar i, \bar j \in\{1,2, \cdots, g\}) (iˉ,jˉ{1,2,,g})来表示分簇编号,比如,若 i ˉ = j ˉ \bar i=\bar j iˉ=jˉ,那么有 V i ˉ = V j ˉ V_{\bar i}=V_{\bar j} Viˉ=Vjˉ;用 q i ˉ q_{\bar i} qiˉ来表示相应的子簇 V i ˉ V_{\bar i} Viˉ包含的智能体数量, G i ˉ G_{\bar i} Giˉ表示对应子簇的通信拓扑。由于智能体的编号是 1 , 2 , ⋅ ⋅ ⋅ , N 1,2,\cdot\cdot\cdot,N 1,2,,N那么第 i ˉ \bar i iˉ个子簇 V i ˉ V_{\bar i} Viˉ中智能体依次为 V i ˉ = { Ξ i ˉ + 1 , Ξ i ˉ + 2 , ⋯   , Ξ i ˉ + q i ˉ } V_{\bar i}=\left\{\Xi_{\bar{i}}+1, \Xi_{\bar{i}}+2, \cdots, \Xi_{\bar{i}}+q_{\bar{i}}\right\} Viˉ={Ξiˉ+1,Ξiˉ+2,,Ξiˉ+qiˉ},其中 Ξ i ˉ = ∑ k = 0 i ˉ − 1 q k , q 0 = 0 \Xi_{\bar{i}}=\sum_{k=0}^{\bar{i}-1} q_{k},q_0=0 Ξiˉ=k=0iˉ1qk,q0=0.

假设1 { V 1 , V 2 , ⋯   , V g } \left\{V_{1}, V_{2}, \cdots, V_{g}\right\} {V1,V2,,Vg} V V V的无回路分簇(an acyclic partition of the node),并且所有的子集对应的子图 G i ˉ G_{\bar i} Giˉ均包含一个生成树。

注释1: 无回路有向图(Directed acyclic graph)意味着图中任意一个节点不存在一条从该节点出发的路径经过其它节点后终点仍是该节点。它是相对于有回路图而言,所谓回路,假设回路起点是A,则存在一条路径形式为: A → B → ⋅ ⋅ ⋅ → A A\rightarrow B\rightarrow\cdot\cdot\cdot\rightarrow A ABA。无回路有向图的特点是其 L a p l a c i a n Laplacian Laplacian矩阵可以写成上三角的形式1。无回路分簇与此类似,即各分簇间是一种无回路的连接。

设总图 G G G L a p l a c i a n Laplacian Laplacian矩阵是 L L L,子图对应的 L a p l a c i a n Laplacian Laplacian矩阵是 L i ˉ i ˉ L_{\bar{i}\bar{i}} Liˉiˉ,子图之间 L a p l a c i a n Laplacian Laplacian矩阵描述为 L i ˉ j ˉ L_{\bar{i}\bar{j}} Liˉjˉ,那么有
L = [ L 11 0 ⋯ 0 L 21 L 22 ⋯ 0 ⋮ ⋮ ⋱ ⋮ L g 1 L g 2 ⋯ L g g ] (2) L=\left[\begin{array}{cccc} L_{11} & 0 & \cdots & 0 \\ L_{21} & L_{22} & \cdots & 0 \\ \vdots & \vdots & \ddots & \vdots \\ L_{g 1} & L_{g 2} & \cdots & L_{g g} \end{array}\right]\tag{2} L=L11L21Lg10L22Lg200Lgg(2)

图1

图1 无回路分簇有向图

假设2 L i ˉ j ˉ ( i ˉ , j ˉ ∈ { 1 , 2 , ⋯   , g } ) L_{\bar{i}\bar{j}}(\bar{i}, \bar{j} \in\{1,2, \cdots, g\}) Liˉjˉ(iˉ,jˉ{1,2,,g})的每一行之和均为0。

注释2:假设2是为了保证 L i ˉ i ˉ L_{\bar{i}\bar{i}} Liˉiˉ G i ˉ G_{\bar i} Giˉ的完整的 L a p l a c i a n Laplacian Laplacian矩阵。同时也意味着子图之间的连接权重值有正有负,这样才能抵消为0。

定理1:如果假设1和假设2成立,那么 L L L就有 g g g个0特征值且其对应的 g g g个特征向量是线性无关的,即为: u 1 = [ 1 q 1 T , 0 N − q 1 T ] T , u 2 = [ 0 q 1 T , 1 q 2 T , 0 N − q 1 − q 2 T ] T , ⋯   , u g = [ 0 N − q g T , 1 q g T ] T u_{1}=\left[\mathbf{1}_{q_{1}}^{T}, 0_{N-q_{1}}^{T}\right]^{T}, u_{2}=\left[0_{q_{1}}^{T}, \mathbf{1}_{q_{2}}^{T}, 0_{N-q_{1}-q_{2}}^{T}\right]^{T}, \cdots, u_{g}=\left[0_{N-q_{g}}^{T}, \mathbf{1}_{q_{g}}^{T}\right]^{T} u1=[1q1T,0Nq1T]T,u2=[0q1T,1q2T,0Nq1q2T]T,,ug=[0NqgT,1qgT]T,而剩下的 N − g N-g Ng个特征值都是正的2

对于任意一个分簇 i ˉ ∈ { 1 , 2 , ⋯   , g } \bar{i} \in\{1,2, \cdots, g\} iˉ{1,2,,g},其期望的时变子编队指令都可以描述为:
h ˉ i ˉ ( t ) = [ h Ξ i + 1 T ( t ) , h Ξ i + 2 T ( t ) , ⋯   , h Ξ i + q i ˉ T ( t ) ] T ∈ R 2 q i ˉ , \bar{h}_{\bar{i}}(t)=\left[h_{\Xi_{i}+1}^{T}(t), h_{\Xi_{i}+2}^{T}(t), \cdots, h_{\Xi_{i}+q_{\bar{i}}}^{T}(t)\right]^{T} \in\mathbb{R}^{2 q_{\bar{i}}}, hˉiˉ(t)=[hΞi+1T(t),hΞi+2T(t),,hΞi+qiˉT(t)]TR2qiˉ,
其中, h j ( t ) = [ h j x ( t ) , h j v ( t ) ] T ( j ∈ { Ξ i ˉ 4 + 1 , Ξ i ˉ + 2 , ⋯   , Ξ i ˉ + q i ˉ } ) h_{j}(t)=\left[h_{j x}(t), h_{j v}(t)\right]^{T} \quad\left(j \in\left\{\Xi_{\bar{i}}^{4}+1, \Xi_{\bar{i}}+\right.\right.\left.\left.2, \cdots, \Xi_{\bar{i}}+q_{\bar{i}}\right\}\right) hj(t)=[hjx(t),hjv(t)]T(j{Ξiˉ4+1,Ξiˉ+2,,Ξiˉ+qiˉ})。类似的,公式(1)中的状态变量我们可以表示为: ξ j ( t ) = [ x j ( t ) , v j ( t ) ] T \xi_{j}(t)=\left[x_{j}(t), v_{j}(t)\right]^{T} ξj(t)=[xj(t),vj(t)]T,分簇中状态变量可表示为: ξ ˉ i ˉ ( t ) = [ ξ Ξ i ˉ + 1 T ( t ) , ξ Ξ i ˉ + 2 T ( t ) , ⋯   , ξ Ξ i ˉ + q i ˉ T ( t ) ] T \bar{\xi}_{\bar{i}}(t)=\left[\xi_{\Xi_{\bar{i}}+1}^{T}(t), \xi_{\Xi_{\bar{i}}+2}^{T}(t), \cdots, \xi_{\Xi_{\bar{i}}+q_{\bar{i}}}^{T}(t)\right]^{T} ξˉiˉ(t)=[ξΞiˉ+1T(t),ξΞiˉ+2T(t),,ξΞiˉ+qiˉT(t)]T
.
定义1:对于多智能体系统任意的有界初始状态及任意分簇,如果存在一个向量函数 r i ˉ ( t ) ∈ R 2 r_{\bar{i}}(t) \in \mathbb{R}^{2} riˉ(t)R2,使得
lim ⁡ t → ∞ ( ξ ˉ i ˉ ( t ) − h ˉ i ˉ ( t ) − ( I q i ˉ ⊗ r i ˉ ( t ) ) ) = 0 \lim _{t \rightarrow \infty}\left(\bar{\xi}_{\bar{i}}(t)-\bar{h}_{\bar{i}}(t)-\left(I_{q_{\bar{i}}} \otimes r_{\bar{i}}(t)\right)\right)=0 tlim(ξˉiˉ(t)hˉiˉ(t)(Iqiˉriˉ(t)))=0
那么称该多智能体系统实现了由编队指令 h ( t ) h(t) h(t)确定的时变分簇编队,其中 r i ˉ ( t ) r_{\bar i}(t) riˉ(t)称为分簇 i ˉ \bar i iˉ的编队参考函数。

注释3: 如果 g = 1 g=1 g=1,那么本文研究的问题就变成了整体式时变编队控制问题;如果令 h ˉ i ˉ ( t ) ≡ 0 \bar{h}_{\bar{i}}(t) \equiv 0 hˉiˉ(t)0,那么分簇编队问题就变成了分簇一致性问题,可以看出本文研究的分簇时变编队问题更具有一般性,以上所述研究均是本文研究内容的特例。

本文构造分簇时变编队控制协议如下:
u i ( t ) = K ∑ j ∈ N i w i j ( ( ξ i ( t ) − h i ( t ) ) − ( ξ j ( t ) − h j ( t ) ) ) − α h i ( t ) + h ˙ i v ( t ) (3) \begin{aligned} u_{i}(t)=& K \sum_{j \in N_{i}} w_{i j}\left(\left(\xi_{i}(t)-h_{i}(t)\right)-\left(\xi_{j}(t)-h_{j}(t)\right)\right) \\ &-\alpha h_{i}(t)+\dot{h}_{i v}(t) \end{aligned}\tag{3} ui(t)=KjNiwij((ξi(t)hi(t))(ξj(t)hj(t)))αhi(t)+h˙iv(t)(3)
ξ ( t ) = [ ξ ˉ 1 T ( t ) , ξ ˉ 2 T ( t ) , ⋯   , ξ ˉ g T ( t ) ] T , B 1 = [ 1 , 0 ] T , B 2 = [ 0 , 1 ] T \xi(t)=\left[\bar{\xi}_{1}^{T}(t), \bar{\xi}_{2}^{T}(t), \cdots, \bar{\xi}_{g}^{T}(t)\right]^{T},B_1=[1,0]^T,B_2=[0,1]^T ξ(t)=[ξˉ1T(t),ξˉ2T(t),,ξˉgT(t)]T,B1=[1,0]T,B2=[0,1]T,则公式(1)描述的智能体动态方程可写成系统的运动方程如下:
ξ ˙ ( t ) = ( I N ⊗ ( B 1 B 2 T + B 2 α ) + L ⊗ B 2 K ) ξ ( t ) − ( I N ⊗ B 2 α + L ⊗ B 2 K ) h ( t ) + ( I N ⊗ B 2 B 2 T ) h ˙ ( t ) (4) \begin{aligned} \dot{\xi}(t)=&\left(I_{N} \otimes\left(B_{1} B_{2}^{T}+B_{2} \alpha\right)+L \otimes B_{2} K\right) \xi(t) \\ &-\left(I_{N} \otimes B_{2} \alpha+L \otimes B_{2} K\right) h(t) \\ &+\left(I_{N} \otimes B_{2} B_{2}^{T}\right) \dot{h}(t) \end{aligned} \tag{4} ξ˙(t)=(IN(B1B2T+B2α)+LB2K)ξ(t)(INB2α+LB2K)h(t)+(INB2B2T)h˙(t)(4)
下面主要探讨两个问题:一是在什么条件下时变分簇编队 h ( t ) h(t) h(t)是可实现的?二是如何设计(3)式描述的分簇编队控制协议。

1.3 主要结论

本节首先给出基于有向通信拓扑的群系统(4)实现由 h ( t ) h(t) h(t)确定分簇时变编队的充分条件,然后给出编队参考函数的显式表达式,最后给出分簇编队控制协议的设计方法。

定义 φ i ( t ) = ξ i ( t ) − h i ( t ) ( i = 1 , 2 , ⋯   , N ) , φ ˉ i ˉ ( t ) = [ φ Ξ i + 1 T ( t ) , φ Ξ i + 2 T ( t ) , ⋯   , φ Ξ i + q i T ( t ) ] T ( i ˉ = 1 , 2 , ⋯   , g ) \varphi_{i}(t)=\xi_{i}(t)-h_{i}(t)(i=1,2, \cdots, N), \bar{\varphi}_{\bar{i}}(t)=\left[\varphi_{\Xi_{i}+1}^{T}(t), \varphi_{\Xi_{i}+2}^{T}(t), \cdots, \varphi_{\Xi_{i} + q_{i}}^{T}(t)\right]^{T}(\bar{i}=1,2, \cdots, g) φi(t)=ξi(t)hi(t)(i=1,2,,N),φˉiˉ(t)=[φΞi+1T(t),φΞi+2T(t),,φΞi+qiT(t)]T(iˉ=1,2,,g)以及 φ ( t ) = [ φ ˉ 1 T ( t ) , φ ˉ 2 T ( t ) , ⋯   , φ ˉ g T ( t ) ] T \varphi(t)=\left[\bar{\varphi}_{1}^{T}(t), \bar{\varphi}_{2}^{T}(t), \cdots, \bar{\varphi}_{g}^{T}(t)\right]^{T} φ(t)=[φˉ1T(t),φˉ2T(t),,φˉgT(t)]T,那么(4)式可改为:
φ ˙ ( t ) = ( I N ⊗ ( B 1 B 2 T + B 2 α ) + L ⊗ B 2 K ) φ ( t ) + ( I N ⊗ B 1 B 2 T ) h ( t ) − ( I N ⊗ B 1 B 1 T ) h ˙ ( t ) (5) \begin{aligned} \dot{\varphi}(t)=&\left(I_{N} \otimes\left(B_{1} B_{2}^{T}+B_{2} \alpha\right)+L \otimes B_{2} K\right) \varphi(t) \\ &+\left(I_{N} \otimes B_{1} B_{2}^{T}\right) h(t)-\left(I_{N} \otimes B_{1} B_{1}^{T}\right) \dot{h}(t) \end{aligned}\tag{5} φ˙(t)=(IN(B1B2T+B2α)+LB2K)φ(t)+(INB1B2T)h(t)(INB1B1T)h˙(t)(5)其中, K = [ k 11 , k 12 ] , α = [ α x , α y ] K=[k_{11},k_{12}],\alpha=[\alpha_x,\alpha_y] K=[k11,k12],α=[αx,αy]
λ i ( i = 1 , 2 , ⋯   , N ) \lambda_{i}(i=1,2, \cdots, N) λi(i=1,2,,N) L L L的特征值,由定理1, L L L g g g个零特征值,令 λ i ˉ = 0 ( i ˉ = 1 , 2 , ⋯   , g ) \lambda_{\bar{i}}=0(\bar{i}=1,2, \cdots, g) λiˉ=0(iˉ=1,2,,g),对应的特征向量为 u 1 = [ 1 q 1 T , 0 N − q 1 T ] T , u 2 = [ 0 q 1 T , 1 q 2 T , 0 N − q 1 − q 2 T ] T , ⋯   , u g = [ 0 N − q g T , 1 q g T ] T u_{1}=\left[\mathbf{1}_{q_{1}}^{T}, 0_{N-q_{1}}^{T}\right]^{T}, u_{2}=\left[0_{q_{1}}^{T}, \mathbf{1}_{q_{2}}^{T}, 0_{N-q_{1}-q_{2}}^{T}\right]^{T}, \cdots, u_{g}=\left[0_{N-q_{g}}^{T}, \mathbf{1}_{q_{g}}^{T}\right]^{T} u1=[1q1T,0Nq1T]T,u2=[0q1T,1q2T,0Nq1q2T]T,,ug=[0NqgT,1qgT]T,并且有 0 < Re ⁡ ( λ g + 1 ) ⩽ ⋯ ⩽ Re ⁡ ( λ N ) . 0<\operatorname{Re}\left(\lambda_{g+1}\right) \leqslant \cdots \leqslant \operatorname{Re}\left(\lambda_{N}\right) . 0<Re(λg+1)Re(λN). U − 1 L U = J U^{-1} L U=J U1LU=J,其中 U = [ u 1 , u 2 , ⋯   , u N ] , U − 1 = [ u ~ 1 H , u ~ 2 H , ⋯   , u ~ N H ] H U=\left[u_{1}, u_{2}, \cdots, u_{N}\right], U^{-1}=\left[\tilde{u}_{1}^{H}, \tilde{u}_{2}^{H}, \cdots, \tilde{u}_{N}^{H}\right]^{H} U=[u1,u2,,uN],U1=[u~1H,u~2H,,u~NH]H J J J L L L的约当标准型,且 J = diag ⁡ { 0 g , J ˉ } J=\operatorname{diag}\left\{0_{g}, \bar{J}\right\} J=diag{0g,Jˉ} J ˉ \bar{J} Jˉ λ i ( i = g + 1 , g + 2 , ⋯   , N ) \lambda_{i}(i=g+1, g+2, \cdots, N) λi(i=g+1,g+2,,N)相关。定义 ϑ ( t ) = ( U − 1 ⊗ I 2 ) φ ( t ) = [ ϑ 1 H , ϑ 2 H , ⋯   , ϑ N H ] H \vartheta(t)=\left(U^{-1} \otimes I_{2}\right) \varphi(t)=\left[\vartheta_{1}^{H}, \vartheta_{2}^{H}, \cdots, \vartheta_{N}^{H}\right]^{H} ϑ(t)=(U1I2)φ(t)=[ϑ1H,ϑ2H,,ϑNH]H ζ ( t ) = [ ϑ g + 1 H , ϑ g + 2 H , ⋯   , ϑ N H ] H , U ˉ = [ u g + 1 , u g + 2 , ⋯   , u N ] \zeta(t)=\left[\vartheta_{g+1}^{H}, \vartheta_{g+2}^{H}, \cdots, \vartheta_{N}^{H}\right]^{H}, \bar{U}=\left[u_{g+1}, u_{g+2}, \cdots, u_{N}\right] ζ(t)=[ϑg+1H,ϑg+2H,,ϑNH]H,Uˉ=[ug+1,ug+2,,uN] U ~ = [ u ~ g + 1 H , u ~ g + 2 H , ⋯   , u ~ N H ] H \tilde{U}=\left[\tilde{u}_{g+1}^{H}, \tilde{u}_{g+2}^{H}, \cdots, \tilde{u}_{N}^{H}\right]^{H} U~=[u~g+1H,u~g+2H,,u~NH]H,然后群系统(5)就可以被分解为下面的(6)式和(7)式:
{ ϑ ˙ 1 ( t ) = ( B 1 B 2 T + B 2 α ) ϑ 1 ( t ) + ( u ~ 1 ⊗ B 1 ) ( h v ( t ) − h ˙ x ( t ) ) ⋮ ϑ ˙ g ( t ) = ( B 1 B 2 T + B 2 α ) ϑ g ( t ) + ( u ~ 1 ⊗ B 1 ) ( h v ( t ) − h ˙ x ( t ) ) (6) \left\{\begin{array}{l}\dot{\vartheta}_{1}(t)=\left(B_{1} B_{2}^{T}+B_{2} \alpha\right) \vartheta_{1}(t)+\left(\tilde{u}_{1} \otimes B_{1}\right)\left(h_{v}(t)-\dot{h}_{x}(t)\right) \\ \vdots \\ \dot{\vartheta}_{g}(t)=\left(B_{1} B_{2}^{T}+B_{2} \alpha\right) \vartheta_{g}(t)+\left(\tilde{u}_{1} \otimes B_{1}\right)\left(h_{v}(t)-\dot{h}_{x}(t)\right)\end{array}\right.\tag{6} ϑ˙1(t)=(B1B2T+B2α)ϑ1(t)+(u~1B1)(hv(t)h˙x(t))ϑ˙g(t)=(B1B2T+B2α)ϑg(t)+(u~1B1)(hv(t)h˙x(t))(6)
ζ ˙ ( t ) = ( I N − g ⊗ ( B 1 B 2 T + B 2 α ) + J ˉ ⊗ B K ) ζ ( t ) + ( U ~ ⊗ B 1 ) ( h v ( t ) − h ˙ x ( t ) ) (7) \begin{aligned}\dot{\zeta}(t)=(&\left.I_{N-g} \otimes\left(B_{1} B_{2}^{T}+B_{2} \alpha\right)+\bar{J} \otimes B K\right) \mathrm{\zeta}(t) \\ &+\left(\tilde{U} \otimes B_{1}\right)\left(h_{v}(t)-\dot{h}_{x}(t)\right) \end{aligned}\tag{7} ζ˙(t)=(INg(B1B2T+B2α)+JˉBK)ζ(t)+(U~B1)(hv(t)h˙x(t))(7)

注:上述变换过程利用了状态空间分解法,其中(6)式是群系统的一致部分,(7)式是不一致部分。

翻译实在太费劲了,下面直接截图吧。
引理2

引理23 f ( s ) f(s) f(s) M M M的特征多项式,引理给出了M与系统 X ˙ = M X \dot X=MX X˙=MX渐近稳定之间的关系。

在这里插入图片描述

定理1中 α 1 , α 2 \alpha_1,\alpha_2 α1,α2就是前面的 α x , α y \alpha_x,\alpha_y αx,αy,定理1给出了实现时变分簇编队的可行条件。

.
.在这里插入图片描述

.定理2给出了编队参考函数的显式表达式。
.
.

今天学习时间:

今天上午和晚上都分析论文了,下午集体开会,整理了下宿舍卫生。论文这一块开始想着是做一个阅读笔记,但目前尚未探索出合适的记录方式,感觉现在这种类翻译的方式还是效率太低,后续再考虑其他方法做笔记吧。



  1. J. H. Qin, C. B. Yu, Cluster consensus control of generic linear multi-agent systems under directed topology with acyclic partition, Automatica, 49(9): 2898-2905, 2013. ↩︎

  2. J. Liu, J. C. Ji, J. Zhou, L. Xiang, L. Y. Zhao, Adaptive group consensus in uncertain networked Euler-Lagrange systems under directed topology, Nonlinear Dynamics, 82(3): 1145-1157, 2015. ↩︎

  3. Z. Zahreddine, E. F. Elshehawey, On the stability of a system ofdifferential equations with complex coefficients, Indian Journal of Pure and Applied Mathematics, 19(10): 963-972, 1988… ↩︎

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
PDI-CE-9.4是Pentaho Data Integration Community Edition的一个版本。下面是关于如何部署和安装PDI-CE-9.4的步骤: 1. 首先,你需要去PDI-CE-9.4的官方网站,下载相应的软件包。下载完后,解压缩软件包到你想要安装的目录。 2. 接下来,你需要检查你的系统是否具备运行PDI-CE-9.4的要求。确保你的系统满足最低硬件和软件要求,以确保软件能够正常运行。 3. 打开解压后的文件夹,找到运行PDI-CE-9.4的可执行文件,例如`spoon.bat`(Windows系统)或`spoon.sh`(Linux/Unix系统)。 4. 双击运行`spoon.bat`(Windows系统)或通过终端运行`./spoon.sh`(Linux/Unix系统),启动PDI-CE-9.4。 5. 在PDI-CE-9.4启动后,你将看到一个图形界面。你可以在这里创建、编辑和执行数据集成和转换的任务。 6. 在使用PDI-CE-9.4时,你需要连接到相应的数据库。你可以通过点击菜单栏中的"连接"按钮,然后选择需要连接的数据库类型,并提供相关的连接信息。 7. 在创建和编辑任务时,你可以使用PDI-CE-9.4提供的各种转换步骤和作业入口来操作数据。 8. 在完成任务设置和编辑后,你可以点击菜单栏中的"运行"按钮来执行任务。你还可以使用调试功能来调试任务并查看执行过程中的数据变化和结果。 9. 在使用完毕后,你可以点击菜单栏中的"退出"按钮或关闭PDI-CE-9.4窗口来退出软件。 这些是关于PDI-CE-9.4部署和安装的一些简要步骤。根据不同的操作系统和实际需求,可能会有些许差异,但总体过程大致相同。希望这些步骤能帮助你成功地部署和安装PDI-CE-9.4。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值