This paper studies the event-triggered time-varying formation control problem for nonlinear multi-agent systems with actuator faults. Based on the neural network approximation technique, a neural observer is constructed to estimate the unmeasured states of systems. Then, a distributed adaptive event-triggered time-varying formation control manner is proposed utilizing the intermittent estimated states information from the agent and its neighbors. To overcome the problem that estimated states triggering leads to virtual control laws is non-differentiable, a distributed continuous control scheme under regular output-feedback is designed firstly, upon which a distributed event-triggered controller is constructed by replacing estimated states with intermittent estimated ones. It is shown that the designed event-triggered output-feedback time-varying formation fault-tolerant controller can compensate for actuator faults, and all signals in closed-loop systems are semi-globally uniformly ultimately bounded. Finally, simulation results of a practical example are given to verify the effectiveness of the proposed control manner. Note to Practitioners —Formation control has broad application prospects in modern military and civilian fields, such as combat aircraft flying formation, satellite formation, autonomous vehicle formation, etc. In formation control systems, when agents occur actuator faults, it may break the original formation and even cause collision between agents. As a result, the security of formation control systems is facing great challenges in practical engineering applications. On the other hand, communication bandwidth is limited in practical engineering systems, and how to make systems quickly form formation under the limited communication bandwidth has become a key topic. Inspired by the above discussions, a distributed state-triggered output-feedback time-varying formation fault-tolerant control scheme is designed in this paper, in which actuator faults are compensated by using adaptive technology. Meanwhile, to sufficiently save the usage of system communication resources, a dual-channel event-triggered mechanism is designed.

In this paper, the design of an adaptive neural event-triggered control scheme for a class of switched nonlinear systems affected by external disturbances and deception attacks is presented. In order to address the effects caused by unknown disturbances, a switched nonlinear disturbance observer is used, and the error between the estimated signals and actual disturbances is small. Meanwhile, a prescribed performance function is introduced, which aims to ensure system output reaches the performance bounds within a predefined finite time. In addition, a dynamic event-triggered mechanism is designed to reduce the communication load. Based on the theoretical analysis, all signals within the closed-loop system are bounded, while simultaneously ensuring the complete elimination of Zeno behavior. Finally, the validity and efficacy of the scheme are proven by an example of numerical simulation.

In this article, the adaptive event-triggered fault-tolerant control (FTC) issue of uncertain nonlinear systems suffering from sensor and actuator faults as well as external disturbances is studied. A disturbance observer (DO) is constructed to compensate for external disturbances and approximation errors generated by neural networks (NNs). Then, switching event-triggered control and command filtering techniques are introduced to balance the communication frequency and tracking performance of the controlled systems while avoiding "explosion of complexity" issue caused by iterative derivations of virtual controllers. Furthermore, compensation signals are designed to eliminate filtered errors. Finally, it is proven that the developed FTC scheme can esure that all signals are bounded and free from Zeno phenomenon. Simulation results of a spring damping mechanical system verifies the merits of the designed control algorithm.

Summary This paper investigates an observer‐based optimal fault‐tolerant tracking control problem for interconnected nonlinear systems with input constraints and mismatched disturbances via adaptive dynamic programming (ADP). Firstly, an augmented system consisting of tracking error and the reference trajectory is constructed, and then the original optimal tracking control problem is transformed into the optimal regulation control problem of the augmented system. An integral sliding‐mode‐based optimal fault‐tolerant control scheme is developed to eliminate the effect of actuator faults and guarantee the optimal control performance. Furthermore, a neural network‐based observer is designed to identify the completely unknown system dynamics based on the input‐output data, thereby relaxing the restriction on system dynamics. Subsequently, the modified Hamilton‐Jacobi‐Bellman equations are solved by using the ADP algorithm under a critic network framework. According to the Lyapunov approach, all signals in the closed‐loop augmented system are uniformly ultimately bounded. Finally, the effectiveness of the developed control scheme is demonstrated via simulation results.