具有信道噪声的多智能体量化迭代学习控制

摘要

迭代学习控制是实现多智能体编队的有效技术手段之一.针对多智能体系统在同时受到信道噪声以及数据量化产生的量化误差的共同影响下,研究多智能体迭代学习控制编队实现问题.提出信道噪声和量化误差下的分布式迭代学习控制算法,并在范数意义上对算法进行收敛性分析,推导出收敛性充分条件.分析仿真结果可得,信道噪声和量化误差均会降低迭代学习控制算法的收敛速度,且两者同时作用时会加剧这一影响,但随着迭代次数的增加,轨迹误差渐近收敛,所提算法仍能实现多智能体编队.