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

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:

Issue Number:

DOI:

10.26083/tuprints-00019442

Corresponding Links:

Publisher-DOI

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 Abstract

Language

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: