Contrôle coopératif tolérant aux fautes des systèmes multi-agents LPV. Application à une flotte de véhicules sans pilote

Cette thèse examine les stratégies de contrôle coopératif pour les systèmes multi-agents à paramètres linéaires variables (LPV). Les systèmes multi-agents (MAS) offrent un potentiel considérable dans diverses applications, telles que les systèmes électriques, les missions de surveillance et le contrôle des réseaux de véhicules. Cette recherche propose des méthodes de contrôle par consensus basées sur des observateurs pour les systèmes multi-agents LPV, avec pour objectif principal d'obtenir des formations spécifiques tout en maintenant la stabilité du système. En outre, la conception du contrôle par consensus basé sur des observateurs pour le suivi de leader se concentre sur le contrôle coopératif entre les agents en présence de défaillances des actionneurs. L'application des inégalités matricielles linéaires (LMI) pour garantir la stabilité de tous les sous-modèles, en s'appuyant sur le théorème de Polya issu de la théorie du contrôle flou, est étudiée. Les stratégies de contrôle proposées sont validées par des simulations, démontrant leur efficacité à maintenir la formation et à atteindre le consensus même en cas de défaillances. La principale contribution de ce travail consiste à développer une stratégie de contrôle par consensus tolérante aux pannes, basée sur des observateurs, pour les MAS LPV en mode suivi de leader. Les conditions LMI sont dérivées pour garantir l'existence des gains du contrôleur LPV, de l'observateur LPV et de l'actionneur virtuel LPV. Bien que cette approche réduise le conservatisme, le calcul simultané de ces gains augmente les contraintes computationnelles.

Authors

Publication Details

Journal
theses.fr (ABES)
Published
2025-11-05
Primary Topic
Distributed Control Multi-Agent Systems
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Contrôle coopératif tolérant aux fautes des systèmes multi-agents LPV. Application à une flotte de véhicules sans pilote

Jesus A. Vazquez Trejo
theses.fr (ABES)
Distributed Control Multi-Agent Systems
article

Contrôle coopératif tolérant aux fautes des systèmes multi-agents LPV. Application à une flotte de véhicules sans pilote

Jesus A. Vazquez Trejo
article en

Abstract

Cette thèse examine les stratégies de contrôle coopératif pour les systèmes multi-agents à paramètres linéaires variables (LPV). Les systèmes multi-agents (MAS) offrent un potentiel considérable dans diverses applications, telles que les systèmes électriques, les missions de surveillance et le contrôle des réseaux de véhicules. Cette recherche propose des méthodes de contrôle par consensus basées sur des observateurs pour les systèmes multi-agents LPV, avec pour objectif principal d'obtenir des formations spécifiques tout en maintenant la stabilité du système. En outre, la conception du contrôle par consensus basé sur des observateurs pour le suivi de leader se concentre sur le contrôle coopératif entre les agents en présence de défaillances des actionneurs. L'application des inégalités matricielles linéaires (LMI) pour garantir la stabilité de tous les sous-modèles, en s'appuyant sur le théorème de Polya issu de la théorie du contrôle flou, est étudiée. Les stratégies de contrôle proposées sont validées par des simulations, démontrant leur efficacité à maintenir la formation et à atteindre le consensus même en cas de défaillances. La principale contribution de ce travail consiste à développer une stratégie de contrôle par consensus tolérante aux pannes, basée sur des observateurs, pour les MAS LPV en mode suivi de leader. Les conditions LMI sont dérivées pour garantir l'existence des gains du contrôleur LPV, de l'observateur LPV et de l'actionneur virtuel LPV. Bien que cette approche réduise le conservatisme, le calcul simultané de ces gains augmente les contraintes computationnelles.

theses.fr (ABES)
Openalex Percentile: Top 21%
Distributed Control Multi-Agent Systems
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.