基于事件触发机制高斯过程的多智能体系统协同在线学习控制:扩展版
系统与控制
2024-09-18 v3 系统与控制
摘要
在具有未知动力学的多智能体系统(MASs)协同控制领域,高斯过程(GP)回归因其对非线性函数的建模灵活性及存在理论预测误差界而被广泛用于推断不确定性。在线学习将新获取的训练数据纳入高斯过程模型,有望通过在运行中增强预测来提升控制性能。因此,本文研究用于 MAS 控制的在线协同学习算法。此外,受集中式事件触发分析启发,引入一种事件触发数据选择机制,以降低模型更新频率并提升数据效率。基于所提出的基于学习的控制,借助 Lyapunov 理论验证了 MAS 的实际收敛性并保证跟踪性能。进一步,证明了各智能体 Zeno 行为的排除。最后,在仿真中展示了所提事件触发在线学习方法的有效性。
引用
@article{arxiv.2304.05138,
title = {Cooperative Online Learning for Multi-Agent System Control via Gaussian Processes with Event-Triggered Mechanism: Extended Version},
author = {Xiaobing Dai and Zewen Yang and Sihua Zhang and Di-Hua Zhai and Yuanqing Xia and Sandra Hirche},
journal= {arXiv preprint arXiv:2304.05138},
year = {2024}
}