Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Multi Agent System

Sortuj według:

Ogranicz wyniki do:

Formation control of underwater vehicles using Multi Agent System

Das Bikramaditya, Subudhi Bidyadhar, Pati Bibhuti Bhusan

Archives of Control Sciences

2020

Vol. 30, No. 2

365--384

This paper proposes the development of a formation control algorithm of multiple acoustic underwater vehicles by employing the behaviour of autonomous mobile agents under a proposed pursuit. A robust pursuit is developed using the distributed consensus coordinated algorithm ensuring the transfer of information among the AUVs. The development of robust pursuit based on characteristics of multi-agent system is for solving the incomplete information capabilities in each agent such as asynchronous computation, decentralized data and no system global control. In unreliable and narrow banded underwater acoustic medium, the formation of AUVs based distributed coordinated consensus tracking can be accomplished under the constant or varying virtual leader’s velocity. Further, the study to achieve tracking based on virtual leader AUV’s velocity is extended to fixed and switching network topologies. Again for mild connectivity, an adjacency matrix is defined in such a way that an adaptive connectivity is ensured between the AUVs. The constant virtual leader vehicle velocity method based on consensus tracking is more robust to reduce inaccuracy because no accurate position and velocity measurements are required. Results were obtained using MATLAB and acquired outcomes are analysed for efficient formation control in presence of the underwater communication constraints.

A Two Ways Communication-Based Distributed Control for Direct Load Control in Smart Distribution System

Biabani M., Golkar M. A., Biczel P., Sajadi A.

Przegląd Elektrotechniczny

2013

R. 89, nr 3a

126--131

In this paper a novel approach to accommodate distributed generation resources in the power distribution system is discussed to reduce the peak power demand. Direct load control (DLC) is the capability of aggregate and precisely control individual loads on command. The novel implemented approach in this work is the DLC to demand response. The DLC algorithms in regularity base are used for controllable loads which can be turned on and off with unnoticeable interruption where the load is forecasted and it is dispatched accordingly by using distributed generation resources and controllable loads, thereby it helps to reduce peak demand. Multi-Agent System (MAS) is consisting a group of agents which are capable of perceived environment that they are located and act on it by communicating with each other to achieve the goals. Therefore a MAS has been adopted to manage the direct load control simulation. Load has forecasted in MATLAB and MAS has programmed in ZEUS utilize the forecasted load data to dispatch the load in such a way so as to reduce the peak demand. The agents are located at demand aggregator level, zone level and DG level. They communicate to dispatch the load properly based on resources and load availability.

W niniejszym artykule przeanalizowano nowatorskie podejście do integracji źródeł rozproszonych w celu redukcji szczytów zapotrzebowania na moc. Poprzez precyzyjną kontrolę obciążenia i odpowiednie grupowanie odbiorców możliwe jest kształtowanie zapotrzebowania. Nowatorskie podejście zaprezentowane w artykule polega na kształtowaniu reakcji na zapotrzebowanie. Algorytm kształtujący podstawę obciążenia jest wykorzystywany do kontroli sterowanych odbiorów, które mogą być wyłączane i załączane bez negatywnego wpływu na ich pracę. Obciążenie takie może być prognozowane i odpowiednio kształtowane co pomaga redukować szczyt zapotrzebowania. System wieloagentowy (ang. Multi Agent System (MAS)) składa się z grup inteligentnych agentów osadzonych w konkretnym środowisku, współdziałających z nim i komunikujących się między sobą, w celu osiągnięcia wyznaczonych celów. Taki system został zaadaptowany do symulacji zarządzania kształtowaniem zapotrzebowania. Obciążenie jest prognozowane w środowisku MABLAB, natomiast MAS został wykonany w programie ZEUS w oparciu o prognozy obciążenia, tak by je kształtując wygładzić szczyt zapotrzebowania. Agenci są umieszczeni na poziomach agregacji obciążeń, stref i generacji rozproszonej. Prawidłowe kształtowanie zapotrzebowania odbywa się w oparciu o dostępne zasoby i źródła.