基于人机协作的异质多智能体网络的协同控制

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61703374
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    葛明峰
  • 依托单位：
    中国地质大学（武汉）
  • 学科分类：
    F0301.控制理论与技术
  • 结题年份：
    2020
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2020-12-31

项目摘要

Coordinated control of multi-agent networks is a hot topic in the field of robotics and automation. Comparing with traditional autonomous multi-agent networks, the heterogeneous multi-agent networks based on human-robot cooperation have stronger work capacity and broader application prospects. Combining with the application requirements of heterogeneous multi-agent networks under human-robot cooperation, by analyzing human-robot cooperation, edge heterogeneity and node heterogeneity, considering the interactions between the agents and the environment, this project investigates the following problems: modeling of the heterogeneous multi-agent networks with human-robot cooperation; designing motion planning and coordinated control algorithms for the heterogeneous multi-agent networks under human-robot cooperation; analyzing the convergence rate, cooperative capability and communication cost, and designing optimization algorithms; establishment of the corresponding simulation experiment platform, and researches on the experimental verification and the optimal parameter regulation. The results of this project will provide new research approaches for coordinated control problems and the theoretical foundation for the designing, exploitation and establishment of common networks with human-robot cooperation.
多智能体网络的协同控制是机器人与自动化领域的热点问题。与完全自主的传统多智能体网络相比，基于人机协作的异质多智能体网络作业能力更强，具有更广阔的应用前景。本项目拟结合人机协作下异质多智能体网络的应用需求，分析其人机协作、节点异质性、连边异构性等本质特征，综合考虑节点与环境之间的动力学交互，研究以下几方面问题：建立能够反映人机协作动力学特性的异质多智能体网络模型；设计人机协作下异质多智能体网络的运动规划与协同控制算法；分析协同控制算法的收敛速度、协同能力和通讯代价等性能指标，并进行权衡优化设计；构建相应的仿真实验平台，研究项目成果的实验验证与优化调参问题。本项目的成果，一方面将为协同控制问题提供新的研究思路；另一方面，将为具有普识性的人机协作网络的设计、开发与构建提供理论依据。

结项摘要

本项目围绕有人船/无人船、有人机/无人机编队等应用需求，分析其人机协作、节点异质性、连边异构性等固有特性，针对具体应用场景将其建模为有人/无人干预情况下的异质多智能体网络，研究其编队跟踪、时变编队跟踪、协同跟踪、同步跟踪等群集动力学行为的协同控制与性能优化问题，发展并构建有人/无人干预情况下异质多智能体网络分析、控制与优化的一般性理论，为网络化系统的动力学分析与协同控制提供了新理论与新方法。. 根据项目研究计划，项目组成员经过3年努力，系统地开展了各项相关研究工作，圆满完成了预期研究目标。目前，在本项目资助下，总计发表国内外学术期刊论文32篇、会议论文7篇、Springer学术专著1章，授权国内发明专利2项，3篇论文入选ESI高被引论文，其中SCI收录源期刊论文31篇，包括IEEE Transactions系列论文7篇、控制工程领域顶级期刊Control Engineering Practice论文1篇。此外，共有3名博士研究生和9名硕士研究生在本项目资助下开展研究工作。

项目成果

期刊论文数量（31）
专著数量（1）
科研奖励数量（0）
会议论文数量（7）
专利数量（2）
On the achievable tracking performance of NCSs over SNR limited channels
关于 NCS 在 SNR 有限信道上可实现的跟踪性能
  • DOI：
    10.1016/j.jfranklin.2019.02.016
  • 发表时间：
    2019
  • 期刊：
    Journal of the Franklin Institute
  • 影响因子：
    --
  • 作者：
    Jiang Xiaowei;Chen Xiangyong;Hu Junwei;Yan Huaicheng;Ge Mingfeng
  • 通讯作者：
    Ge Mingfeng
Event-triggered consensus control for networked underactuated robotic systems
网络欠驱动机器人系统的事件触发共识控制
  • DOI：
    10.1109/tcyb.2020.3025604
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Cybernetics, 2021, doi: 10.1109/TCYB.2020.3025604
  • 影响因子：
    --
  • 作者：
    Yao Xiang-Yu;Park Ju H.;Ding Hua-Feng;Ge Ming-Feng
  • 通讯作者：
    Ge Ming-Feng
Data-driven iterative feedforward control with rational parametrization: Achieving optimality for varying tasks
具有合理参数化的数据驱动迭代前馈控制：实现不同任务的最优性
  • DOI：
    10.1016/j.jfranklin.2019.06.002
  • 发表时间：
    2019
  • 期刊：
    Journal of the Franklin Institute
  • 影响因子：
    --
  • 作者：
    Li Min;Mao Caohui;Ge Ming-Feng;Gan Jinqiang
  • 通讯作者：
    Gan Jinqiang
Finite-time stabilization of memristor-based inertial neural networks with discontinuous activations and distributed delays
具有不连续激活和分布式延迟的基于忆阻器的惯性神经网络的有限时间稳定性
  • DOI：
    10.1016/j.jfranklin.2018.11.040
  • 发表时间：
    2019
  • 期刊：
    Journal of the Franklin Institute
  • 影响因子：
    --
  • 作者：
    Wang Leimin;Zeng Zhigang;Zong Xiaofeng;Ge Ming-Feng
  • 通讯作者：
    Ge Ming-Feng
Global stabilization analysis of inertial memristive recurrent neural networks with discrete and distributed delays
具有离散和分布式延迟的惯性忆阻循环神经网络的全局稳定性分析
  • DOI：
    10.1016/j.neunet.2018.04.014
  • 发表时间：
    2018
  • 期刊：
    Neural Networks
  • 影响因子：
    7.8
  • 作者：
    Wang Leimin;Zeng Zhigang;Ge Ming-Feng;Hu Junhao
  • 通讯作者：
    Hu Junhao

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

Finite-/fixed-time synchronization of memristor chaotic systems and image encryption application
忆阻混沌系统的有限/固定时间同步及图像加密应用
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Circuits and Systems
  • 影响因子：
    --
  • 作者：
    王雷敏;蒋珊;葛明峰;胡成;胡军浩
  • 通讯作者：
    胡军浩
Global stability and stabilization for inertial memristive neural networks with unbounded distributed delays
具有无界分布延迟的惯性忆阻神经网络的全局稳定性和稳定性
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    Nonlinear Dynamics
  • 影响因子：
    5.6
  • 作者：
    王雷敏;葛明峰;胡军浩;张国东
  • 通讯作者：
    张国东

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码