MARC

 008260126s2025        us                              c    eng  d
■001000017360239
■00520260202105326
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263324032
■035    ▼a(MiAaPQ)AAI32307879
■035    ▼a(MiAaPQ)GeorgiaTech78666
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a500
■1001  ▼aNiu,  Kaicheng.
■24510▼aControl  of  Agentic  Systems  Using  the  Newton-Raphson  Controller
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a118  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Abdallah,  Chaouki  T.;Wardi,  Yorai.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aThe  Newton-Raphson  Controller  is  a  tracking  controller  built  on  the  ideas  of  output  prediction  and  the  Newton-Raphson  method.  Existing  results  have  already  shown  that  the  controller  is  capable  of  controlling  a  variety  of  nonlinear  systems,  including  the  inverted  pendulums,  autonomous  vehicles  and  quadrotors.  Compared  to  other  tracking  control  approaches,  the  Newton-Raphson  Controller  features  similar  or  better  tracking  accuracies  while  requiring  less  computational  resources.Despite  its  early  success,  several  problems  still  remain  in  the  current  version  of  the  Newton-Raphson  Controller.  To  begin  with,  this  controller  is  model-based,  meaning  that  it  requires  a  mathematical  model  of  the  controlled  plant  in  order  to  calculate  a  proper  control  input.  Moreover,  although  there  has  already  been  a  verifiable  stability  criterion  of  the  Newton-Raphson  Controller  for  linear  systems,  such  criterion  for  nonlinear  systems  is  yet  to  be  proposed.  Lastly,  this  controller  can  only  be  applied  to  single-agent  systems.  To  apply  the  Newton-Raphson  Controller  in  a  multi-agent  system,  we  must  explicitly  design  the  reference  signal  for  each  agent  and  convert  the  multi-agent  control  problem  into  multiple  single-agent  control  problems.The  problems  mentioned  above  have  prevented  the  use  of  the  Newton-Raphson  Controller  in  many  control  applications.  Therefore,  in  this  dissertation,  we  attempt  to  solve  these  problems  and  improve  the  existing  controller,  such  that  it  can  be  applied  to  more  control  scenarios.  Specifically,  we  study  the  following  aspects  of  the  Newton-Raphson  Controller:  First,  we  attempt  to  make  the  Newton-Raphson  Controller  model-free  using  the  Deep  Neural  Network  (DNN),  such  that  the  controller  does  not  rely  on  the  mathematical  models  of  the  controlled  plants.  Second,  we  perform  stability  analysis  and  propose  verifiable  stability  criteria  of  the  controller  for  a  class  of  differentially  flat  systems.  Third,  we  try  to  extend  the  current  single-agent  controller  to  a  multi-agent  controller,  such  that  it  can  achieve  leaderless  consensus  over  a  class  of  heterogeneous  multi-agent  systems.Fourth,  we  develop  the  leaderless  consensus  controller  into  the  leader-follower  consensus  controller,  which  allows  the  controlled  agents  to  follow  a  leader  or  a  reference  signal  while  maintaining  consensus.  Finally,  to  avoid  inter-agent  collisions  during  the  consensus  control,  we  propose  to  apply  the  Integral-Control  Barrier  Function  to  maintain  a  proper  distance  between  agents  and  keep  the  agents  safe.  We  will  demonstrate  the  effectiveness  of  the  improved  controller  using  a  number  of  simulations  on  different  nonlinear  systems  and  show  that  the  proposed  methods  are  capable  of  solving  a  variety  of  control  problems.  The  simulation  results  together  with  the  theoretical  developments  suggest  a  potential  of  the  improved  controller  in  future  applications.
■590    ▼aSchool  code:  0078.
■650  4▼aKinematics
■650  4▼aCommunication  channels
■650  4▼aControl  algorithms
■650  4▼aDeep  learning
■650  4▼aBicycles
■650  4▼aMathematical  models
■650  4▼aNeural  networks
■650  4▼aControllers
■650  4▼aFlexibility
■650  4▼aOnline  instruction
■650  4▼aDesign
■650  4▼aSystems  stability
■650  4▼aOrdinary  differential  equations
■650  4▼aEducational  technology
■650  4▼aMathematics
■650  4▼aTransportation
■690    ▼a0389
■690    ▼a0800
■690    ▼a0710
■690    ▼a0405
■690    ▼a0709
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360239▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books