This article addresses the resilient rendezvous problem for leader–follower multiagent systems (MASs) in the presence of adversarial attacks. A novel leader–follower attack-tolerant (LFAT) algorithm is developed to ensure that the healthy followers reach rendezvous on the reference value propagated by healthy leaders. Compared with the existing weighted mean-subsequence-reduced algorithm, the proposed LFAT algorithm includes a necessary state initialization step for leader and follower agents and an improved threat elimination step, so that more effective information can be retained for state updates. The necessary and sufficient condition on the network topology is further derived to ensure resilient rendezvous for leader–follower MASs. Compared with the existing resilient algorithms, the proposed LFAT algorithm enables MASs to achieve leader–follower resilient rendezvous under relaxed graph robustness conditions, so that the network redundancy is mitigated. Several numerical examples are given to illustrate the superior performance of the LFAT algorithm and the scalability to larger-scale and time-varying networks.

Opportunistic maintenance (OM) reduces maintenance costs by combining the maintenance of multiple components. It has recently been widely used in complex systems. However, few studies have considered that advance maintenance results in the insufficient utilization of reliability. Besides, the applicable conditions for advance and postpone maintenance are ignored in existing literature. In this paper, the economic benefits and failure risk of advance and postpone maintenance are evaluated to fully utilize component's reliability. In addition, all maintenance types (preventive maintenance, corrective maintenance, and replacement) and programs (advance and postpone maintenance) for critical components and non-critical components are discussed based on the degree of overlap of the components' maintenance windows. Then, an operational reliability (OR) model based on system availability is established to reflect the operating state of the system under damage and maintenance. In order to maximize OR and minimize maintenance costs, a multi-objective optimization model for an OM strategy based on adaptive maintenance window is proposed. Finally, a case study of a propeller aircraft system is conducted to verify the proposed model. It proves superior to the traditional OM and other models in terms of cost and OR.

Random and time-varying effects are important factors for statistical analysis of wave characteristic variables, including the significant wave height and spectral peak frequency. This paper proposes a statistical analysis method for the accurate statistical analysis of the state of the ocean. Several common distributions are applied as candidates for describing a specific variable, denoted as the marginal distribution. The joint distribution for the wave characteristic variables is constructed using copula functions based on the marginal distributions. The probability and unknown parameters of the marginal distributions are then determined by fully Bayesian inference. The best-fitting marginal distribution is selected based on the posterior probabilities of the candidates. Then, unknown parameters of the candidate copula functions are estimated by maximum likelihood estimation. The best-fitting copula function is selected based on Akaike information criterion, root mean squared error and Nash Sutcliffe efficiency. The proposed method is verified using the National Data Buoy Center dataset for 2019. However, this dataset, collected from a network of almost 100 moored buoys and Coastal-Marine Automated Network (CMAN) stations, contains incomplete data. The results reveal that the best-fitting marginal distribution and copula function may vary with the month. The average and maximum values of the improved RMSE using the proposed method are only 0.0064 and 0.0187, respectively. This indicates the high accuracy of the proposed method for the statistical analysis of wave states even though missing some data.

A novel tailless X-type flapping-wing micro air vehicle with two pairs of independent drive wings is designed and fabricated in this paper. Due to the complexity and unsteady of the flapping wing mechanism, the geometric and kinematic parameters of flapping wings significantly influence the aerodynamic characteristics of the bio-inspired flying robot. The wings of the vehicle are vector-controlled independently on both sides, enhancing the maneuverability and robustness of the system. Unique flight control strategy enables the aircraft to have multiple flight modes such as fast forward flight, sharp turn and hovering. The aerodynamics of the prototype is analyzed via the lattice Boltzmann method of computational fluid dynamics. The chordwise flexible deformation of the wing is implemented via designing a segmented rigid model. The clap-and-peel mechanism to improve the aerodynamic lift is revealed, and two air jets in one cycle are shown. Moreover, the dynamics experiment for the novel vehicle is implemented to investigate the kinematic parameters that affect the generation of thrust and maneuver moment via a 6-axis load cell. Optimized parameters of the flapping wing motion and structure are obtained to improve flight dynamics. Finally, the prototype realizes controllable take-off and flight from the ground.