El control de formación afín (AFC) es un subconjunto de métodos de control de formación que permite el movimiento coordinado de múltiples agentes mientras se preservan las relaciones afines, y ha ganado recientemente popularidad debido a su utilidad en diversas aplicaciones. El AFC es inherentemente distribuido, donde el controlador local de cada agente se basa en los desplazamientos relativos de los agentes vecinos. La falta de estas mediciones en la práctica, debido a fallos en nodos o comunicaciones, conduce a un cambio en la topología del gráfico subyacente y, posteriormente, causa inestabilidad o un rendimiento subóptimo. En este trabajo, cada arista en el gráfico se modela utilizando un marco de espacio de estados, lo que permite estimar los estados de la arista correspondientes con o sin mediciones actualizadas. Luego proponemos un marco de estimación basado en Kalman donde fusionamos tanto la información temporal de la dinámica de los agentes como la información espacial, que se deriva de la geometría de las formaciones afines. Damos garantías de convergencia y análisis de optimalidad sobre el algoritmo propuesto, y las validaciones numéricas muestran la robustez mejorada del AFC contra estos cambios de topología en varios escenarios prácticos.
Li et al. (Jue,) estudiaron esta cuestión.