ترجمه کنترل شبکه عصبی بازخورد خروجی تطبیق پذیر سیستم چندعاملی

توضیحات

 عنوان فارسی: کنترل شبکه عصبی بر مبنای شکل گیری بازخورد خروجی تطبیق پذیر برای سیستم های چند عاملی

عنوان انگلیسی مقاله ترجمه شده:

Neural network-based adaptive output feedback formation control for multi-agent systems

 چکیده

این مقاله به بررسی مشکل کنترل مسیریابی تشکیل بازخورد خروجی برای سیستم های چند عاملی مرتبه دوم تحت یک گراف اتصالی غیر مستقیم در صورت وجود شرایط عدم اطمینان دینامیکی و اغتشاشات خارجی محدود می پردازد. دو معیار خطای بازیابی حالت (مانند خطا های مسیریابی مطلق و نسبی حالت) برای هر عامل منفرد در فرآیند تشکیل در نظر گرفته شده و مشاهده گران خطی با مرتبه کاهش یافته بر مبنای خطاهای مسیریابی حالت یکپارچه ساخته می شوند که شامل خطا های مسیریابی مطلق و نسبی می باشند. شبکه های عصبی چبیشو جهت تقریب تابع غیرخطی مجهول در فرآیند دینامیک عامل انجام شده و پیاده سازی توابع اصلی شبکه های عصبی چبیشو تنها بستگی به سیگنال های مطلوب دارد. الگوریتم تصویر یکنواخت جهت تضمین این که پارامتر های برآوردی در برخی از مجموعه های شناخته شده مطلوب باقی می مانند، اعمال می شود. شبیه سازی های عددی جهت نشان دادن عملکرد کنترل گر پیشنهاد ارائه می شوند.

مقدمه

کنترل مشارکتی برای سیستم های چند عاملی تحقیقات گسترده ای را در چند سال اخیر به خود جلب کرده است و در بسیاری از کاربرد های مختلف مانند ربات های چند گانه، هواپیما های بدون سرنشین، ربات های هوشمند زیر آب و فضا پیما ها به کار گرفته شده اند. استراتژی ها و روش های مختلف که می توان انها را بر اساس ساختار کنترلی آنها به صورت تابع- راهبر، ساختار مجاوزی و دو رفتاری تقسیم کرد، برای کنترل شکل گیری پیشنهاد شده اند. بیشتر روش های موجود در کنترل شکل گیری سیستم های چند عاملی نیازمند این فرض است که تمامی حالت های عامل برای بازخورد و تبادل در بین عوامل مجاور موجود هستند. در [9] قانون کنترل تشکیل تطبیقی که مستقل از مدل بوده و نیاز مند توپولوژی رینگ دو جهته می باشد، جهت حذف مسیر جهت در میان گروه فضا پیما بدون اندازه گیری سرعت اعمال شده است. رن تحقیق لاتون و برد را جهت مشاهده توپولوژی ارتباط اتصالی غیر جهت دار کل که در آن ار پارامتر های اصلاحی رودریگز برای بیان نگرش استفاده می شود، تعمیم داده است. با این حال، اغتشاشات خارجی در[9] و [12] مد نظر قرار گرفته نشده اند. ابدسمئود و طیبی دو برنامه کنترل مشارکتی نگرش آزاد دو سرعتی را برای گروهی از فضا پیما پیشنهاد داده است که فرض شده است که دانش دقیق دینامیک فضا پیما معلوم بوده و اغتشاشات خارجی مد نظر قرار گرفته نشده اند.

در کاربرد های اجرایی، عوامل عدم اطمینان مختلف بر روی عوامل به دلیل اندازه گیری های غیر دقیق و اغتشاشات خارجی اعمال می شوند. در مرجع فعلی بیشتر کار موجود بر روی کنترل شکلی گیری سیستم های چند عامله این عوامل عدم اطمینان را در نظر نگرفته اند. وجود عدم اطمینان در سیستم چند عاملی موجب بروز مشکل کنترل بازخورد شکل گیری خروجی یک گروه از عوامل و چالش برانگیز تر شدن آن می شود. بنابراین توسعه یک روش کنترل شکل گیری بازخورد خروجی غیر مرکزی برای سیستم های چند عاملی در صورت وجود دینامیک سیستم غیر معلوم و اغتشاشات خارجی محدود مطلوب می باشد. شبکه های عصبی (NN) و سیستم های منطق فازی دارای توانایی تقریب هر نوع تابع یکنواخت در طی مجموعه ای فشرده با دقت دلخواه می باشند. NN و FLS تکنیک هایی بسیار قدرتمند برای کنترل سیستم ها در صورت وجود عدم اطمینان های بزرگ و شرایط غیر خطی قدرتمند می باشند. هو و همکاران یک الگوریتم کتنرل غیر مرکزی مبتنی بر شبکه عصبی را برای کنترل بدون رهبری توافقی سیستم های چند عاملی پیشنهاد داده اند. چنگ و همکاران یک کنترل گر تطبیقی مبتنی بر شبکه عصبی را برای کنترل تابع- رهبری سیستم های چند عاملی مرتبه دوم با شرایط دینامیکی نا معلوم و اغتشاشات خارجی ارائه کرده اند. کنترل گر عصبی تطبیقی برای کنترل مسیریابی سیستم های چند عاملی مرتبه دوم در صورت وجود شرایط غیر خطی نامعلوم و اغتشاشات پیشنهاد شده است و طرح کنترل مسیریابی توزیع شده مبتنی بر شبکه عصبی برای سیستم های لاگرانژی با شبکه غیر معلوم ارائه شده است. دیرک و جاگاناتان کنترل شکل گیری تابع – رهبر ربات های متحرک را با استفاده از شبکه های عصبی مورد مطالعه قرار داده اند. در تحقیق آنها، فرض شده که اندازه گیری های کامل جهت ایجاد بازخورد و تبادل در میان عوامل مجاور در دسترس بوده است.

شبکه عصبی چبیشو (CNN) یک شبکه اتصالی کاربردی (FLN) محسوب می شود که ورودی آن با استفاده از مجموعه ای از چند جمله ای چبیشو ارائه شده و نشان داده شده است که CNN دارای قابلیت های ارائه قدرتمند می باشد. CNN برای کنترل نگرش فضاپیما واحد در شرایط وجود عدم اطمینان های ساختاری و غیر ساختاری اعمال شده است.

این مقاله به بررسی مشکل کنترل مسیریابی شکل گیری بارخورد خروجی در شرایط وجود عدم اطمینان های دینامیکی و اغتشاشات خارجی محدود می پردازد. در اینجا اصطلاح مسیریابی شکل گیری به این معناست که گروهی از عوامل مسیر مرجع متغیر زمان را دنبال می کنند در حالی که به صورت همزمان شکل گیری هندسی مطلوب را دنبال می کنند. بایستی خاطر نشان کرد که بیشتر خلا های روش های موجود به صورت کمبود کنترل گر غیر مرکزی می باشند که می توان کنترل شکل گیری بازخورد خروجی را برای گروهی از عوامل در شرایط وجود دینامیک نا مشخص و اغتشاشات خارجی محدود اعمال کرد. بنابراین، این تحقیق بر روی توسعه یک کنترل گر بازخورد خروجی غیر مرکزی برای گروهی از عوامل جهت دستیابی به عملکرد مسیریابی شکل گیری با دقت بالا حتی در صورت وجود شرایط دینامیکی نامشخص و اغتشاشات خارجی محدود متمرکز شده است. برخلاف روش های NN موجود، روش پیشنهادی به تمامی اندازه گیری های کامل نیاز ندارد؛ بنابراین روش پیشنهادی می تواند موجب کاهش هزینه های مرتبط با سنسور های هوشمند و الزامات ارتباط در میان عوامل مجاور شود.

این مقاله به صورت زیر سازماندهی شده است. سیستم های چند عاملی، تئوری گراف و شبکه های عصبی چبیشو به صورت اجمالی در بخش 2 مورد اشاره قرار می گیرند. بخش 3 به بیان یک الگوریتم کنترل بازخورد خروجی تطبیقی غیر مرکزی برای کنترل مسیریابی شکل گیری سیستم های چند عاملی با استفاده از CNN ها می پردازد. نتایج شبیه سازی در بخش 4 ارائه شده و نتایج در بخش 5 مورد اشاره قرار خواهند گرفت.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.