اجماع خروجی مشارکتی مقاوم ∞-H برای سیستم های چند عاملی ناهمگن پیوسته با استفاده از روش یادگیری تقویتی انتگرالی

این مقاله به مساله اجماع خروجی مشارکتی مقاوم در سیستم های چند عاملی ناهمگن پیوسته با گراف ارتباطی جهت دار می پردازد. حل استاندارد مساله اجماع خروجی مشارکتی مقاوم با استفاده از روش کپی مدل داخلی است، که در این روش دانستن معادلات دینامیکی عوامل و عامل رهبر ضروری است. در این مقاله با استفاده از ایده سیستم کمکی معادل، یک سیستم کمکی جدید برای حل مساله به دست می آید. سپس مساله اجماع خروجی مشارکتی مقاوم با محدودیت به صورت یک مساله کنترل تبدیل می شود. با استفاده از روش یادگیری تقویتی انتگرالی (irl) یک الگوریتم بدون مدل برای حل معادلات جبری ریکاتی مقاوم(rare) بدون نیاز به مدل عوامل ارائه می شود. ثابت می شود که این روش معادلات تنظیم خروجی را نیز برآورده می سازد. نتایج شبیه سازی توانایی این روش در حل مساله تنظیم خروجی مشارکتی مقاوم با محدودیت را نشان می دهند.

Cooperative Robust H-∞ Output Consensus in Continuous-Time Heterogeneous Multi-Agent Systems Using Integral Reinforcement Learning Method

: The Robust Cooperative Output Consensus (RCOC) in continuous time Heterogeneous MultiAgent Systems with the directed graph is addressed. In the standard solution of the RCOC, the pcopy internal model method is used. This method requires dynamical equations of the agents and the leader. In the present paper, based on the equivalent auxiliary system method, a new auxiliary system is obtained. Then, the RCOC is transformed to a control problem. Moreover, a modelfree algorithm is proposed to solve the Robust Algebraic Riccati Equation using the Integral Reinforcement Learning (IRL) method. It is shown that the proposed method satisfies the output regulation equations. A simulation example verifies the effectiveness of the proposed method.