TU Darmstadt / ULB / TUprints

Bayes’sche Consensus-Regelung in dezentralen vernetzten Systemen

Willert, Volker ; Gering, Stefan ; Haumann, Dominik (2021)
Bayes’sche Consensus-Regelung in dezentralen vernetzten Systemen.
In: at - Automatisierungstechnik, 2013, 61 (8)
doi: 10.26083/tuprints-00019442
Article, Secondary publication, Publisher's Version

[img]
Preview
Text
U-19442-10.1524_auto.2013.1036.pdf
Copyright Information: In Copyright.

Download (442kB) | Preview
Item Type: Article
Type of entry: Secondary publication
Title: Bayes’sche Consensus-Regelung in dezentralen vernetzten Systemen
Language: German
Date: 2021
Place of Publication: Darmstadt
Year of primary publication: 2013
Publisher: De Gruyter
Journal or Publication Title: at - Automatisierungstechnik
Volume of the journal: 61
Issue Number: 8
DOI: 10.26083/tuprints-00019442
Corresponding Links:
Origin: Secondary publication service
Abstract:

Der Beitrag befasst sich mit vernetzten dynamischen Multi-Agenten-Systemen (MAS), die Konsens über ihre Zustände bei unsicherer Datenübertragung und Sensorrauschen erreichen sollen. Dazu wird eine Analogie zwischen dem klassischen Consensus-Protokoll und dem Gauß’schen Belief Propagation hergestellt. Das Consensus-Problem wird als stochastischer Prozess modelliert, wodurch Unsicherheiten über die Anfangszustände und Übertragungsunsicherheiten explizit bei der Modellierung berücksichtigt werden können. Es werden die Voraussetzungen für dezentrale Inferenz hergeleitet, zwei dezentrale approximative Inferenz-Protokolle entworfen und ein Gauß’sches Consensus-Protokoll realisiert. Weiterhin wird der Zusammenhang zwischen Kommunikationsdichte und Approximationsfehler dargelegt. Schließlich wird gezeigt, dass die Hinzunahme von Messunsicherheiten zu einem dezentralen Entwurf eines Kalman-Filters für Consensus-Systeme führt.

Alternative Abstract:
Alternative AbstractLanguage

This paper deals with networked, dynamical multi-agent systems (MAS) trying to reach consensus about their states subject to uncertain data transfer and noisy measurements. For this, an analogy between the consensus protocol and Gaussian belief propagation is established. Modeling the consensus problem as a stochastic process, uncertainties in the initial states and in the information flow can be considered. The requirements for decentral inference are derived, two decentral approximative inference protocols are developed and a Gaussian consensus protocol is realized. Furthermore, the dependency between communication density and approximation error is presented. Finally, it is shown that taking measurement noise into account leads to a decentral design of a Kalman filter for consensus systems.

English
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-194421
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Methods and Robotics (from 01.08.2022 renamed Control Methods and Intelligent Systems)
Date Deposited: 16 Sep 2021 12:59
Last Modified: 11 Aug 2023 06:14
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19442
PPN: 510499414
Export:
Actions (login required)
View Item View Item