کنترل تطبیقی عصبی مشارکتی برای سیستم‌های چندعاملی غیرخطی مرتبه‌کسری بر اساس مشاهده گر حالت

در این مقاله، طراحی کنترل توافقی تطبیقی شبکه عصبی برای سیستم‌های چندعاملی مرتبه‌کسری غیرخطی با ساختار مثلثی نامعین، براساس مشاهده‌گر حالات ارائه شده است. سیستم چندعاملی تحت بررسی در این مقاله، دارای توابع غیرخطی با نامعینی‌های ساختاری غیرخطی پارامتری و نامعینی‌های بی‌ساختار (اغتشاشات خارجی) می‌باشد. برای تقریب نامعینی‌های ساختاری در دینامیک هر یک از عوامل پیرو، از قوانین تطبیق مرتبه‌کسری کاپوتو بهره برده شده است و برای همگرایی پارامترهای تطبیق، به دلیل اغتشاشات خارجی، از روش اصلاح سیگما استفاده شده است. همچنین، برای تخمین حالات هر یک از عوامل پیرو مرتبه‌کسری، از مشاهده‌گر شبکه عصبی تطبیقی مرتبه‌کسری استفاده شده است. تبادل اطلاعات در سیستم چندعاملی مرتبه‌کسری مورد بررسی، تحت تاثیر گراف‌های جهت‌دار ثابت بوده است. با استفاده از تعریف مشتق کاپوتو، توابع لیاپانوف و تئوری گراف نشان داده شده است که در شبکه تحت کنترل، تمامی سیگنال‌های حلقه بسته، به صورت توافقی کران‌دار نهایی یکنواخت بوده‌اند. همچنین، همگرایی خطای ردیابی توزیع‌شده اثبات شده است.