双积分器多智能体系统的分布式平均跟踪：降低速度测量需求
最优化与控制
2015-07-23 v2
摘要
本文研究一组物理双积分器智能体在无向图下的分布式平均跟踪问题，并降低了对速度测量的需求。其基本思想是，多个智能体仅通过邻居间的局部交互，跟踪多个时变输入信号的平均值，其中每个信号仅对单个智能体可用。我们考虑两种情形。首先，提出一种分布式不连续算法与滤波器，其中每个智能体需要自身与邻居之间的相对位置以及通过通信获得的邻居滤波器输出，但取消了对绝对速度或相对速度测量的需求。智能体的位置和速度必须正确初始化，但该算法可处理加速度偏差有界的一大类输入信号。其次，提出另一种分布式不连续算法与滤波器，以取消对通信和精确初始化的需求。此时，每个智能体需要测量自身与邻居之间的相对位置以及自身速度，但取消了对自身与邻居之间相对速度测量的需求。该算法可处理输入信号及其速度与加速度均有界的情形。文中还给出数值仿真以验证理论结果。
引用
@article{arxiv.1507.04780,
title = {Distributed Average Tracking for Double-integrator Multi-agent Systems with Reduced Requirement on Velocity Measurements},
author = {Sheida Ghapani and Wei Ren and Fei Chen and Yongduan Song},
journal= {arXiv preprint arXiv:1507.04780},
year = {2015}
}