摘要
本文研究了一类具有混合通信延迟、不确定非线性动力学、范数有界参数不确定性以及间歇性拒绝服务（DoS）攻击的具有记忆依赖性的分数阶多智能体系统（FOMAS）的弹性领导者-跟随者一致性问题。研究目标是确保跟随者智能体即使在弱连接、网络变化和通信丢失的情况下也能跟踪领导者的轨迹。研究采用自适应径向基函数神经网络（RBFNN）作为在线逼近器来覆盖未建模的非线性。所研究的两种互补延迟配置分别为：离散延迟协议，其特征是对状态、通信通道和控制输入施加固定延迟；以及分布延迟协议，其特征是对控制输入携带过去状态的记忆，而对DoS引起的输入干扰则具有过去状态的累积记忆。在两种场景下，均在Lyapunov-Razumikhin稳定性框架下获得了确保领导者-跟随者一致性的充分线性矩阵不等式（LMI）条件，并提出了一种更为宽松的基于特征值的LMI条件版本，适用于Kronecker结构的大规模网络。采用平均驻留时间条件来建立对DoS攻击频率的平均约束，从而验证系统对间歇性通信中断的鲁棒性。通过六个跟随者网络的数值仿真验证了所提出的基于RBFNN的弹性一致性框架的有效性，分别对离散延迟和分布延迟配置进行了独立验证；考察了基于特征值的可行性验证测试相对于完整LMI综合的可扩展性随网络规模增长的变化情况，并进行了消融研究以分离RBFNN补偿和驻留时间一致的增益设计的效果。完全结合离散延迟和分布延迟的情况已给出公式表述，但本文未对其进行数值仿真。
