اجماع مبتنی برمشاهده‌گرتطبیقی سیستم‌های چندعاملی مرتبه کسری در حضور عیب عملگر: طرح رویداد-تحریک

این مقاله، به طراحی کنترل محرک-رویداد توزیع‌شده برای کلاسی از سیستم‌های چندعاملی نامشخص با فیدبک ‌اکید مرتبه کسری در حضور عیب عملگر با استفاده از رویکرد پسگام می‌پردازد. برای کاهش بار ارتباطی در شبکه تحت کنترل و جلوگیری از اتلاف منابع انرژی، سیگنال کنترلی براساس دیدگاه مبتنی بر رویداد طراحی شده است. در فرآیند طراحی، با توجه به عدم قابلیت اندازه‌گیری حالت های عوامل پیرو به صورت مستقیم، مشاهده‌گر حالت تطبیقی عصبی مرتبه کسری برای تقریب حالت های نامعین معرفی می‌شود. همچنین از قوانین تطبیق مجهز به شبکه عصبی برای جبران سازی اثرات توابع غیرخطی نامعین استفاده شده و پس از آن روش تطبیقی برای جبران عیب‌های عملگر استفاده شده است. در انتها، بر اساس رویکرد پایداری مرتبه کسری لیاپانوف و نظریه گراف، تحلیل پایداری شبکه کنترلی حلقه بسته ارائه شده تا اطمینان حاصل شود که تمام سیگنال‌های سیستم کنترلی یه صورت کراندار نهایی یکنواخت محدود هستند.

adaptive observer-based consensus of fractional-order multi-agent systems in the presence of actuator fault: event-triggered scheme

this paper addresses the distributed event-triggered control design for a class of fractional-order strict-feedback uncertain multi-agent systems in the presence of unknown actuator fault by employing backstopping strategy. to reduce the communication burden and unnecessary waste of communication resources, an event-triggered control signal is designed. in the design process, considering that the information of followers’ states is not measurable directly, the fractional-order neural adaptive state observer is introduced to estimate them. the adaptive neural laws are also proposed to eliminate the undesirable effects of the unknown nonlinear functions. then, an adaptive fault strategy is applied to compensate the loss of actuator faults. besides, based on the lyapunov fractional-order stability approach and graph theory, unlike the existing results, a distributed event-triggered adaptive observer-based control architecture is designed to ensure that all the closed-loop network signals are ultimately bounded