一类线性时滞系统的鲁棒稳定性分析

针对一类具有范数有界不确定性和2个继发时变时滞的线性时滞不确定系统,研究了其时滞依赖鲁棒稳定性问题.通过定义充分利用时变时滞上下界信息的新型Lyapunov-Krasovskii泛函,并结合时滞系统相关处理方法和线性矩阵不等式方法,得到了时滞线性不确定系统鲁棒渐近稳定所满足的条件.为了降低结论的保守性,对某些项进行了较紧致的估计.此外,并未引入自由权矩阵.最后并通过2个数值仿真证实了方法的有效性和优越性.     

含区间时变时滞的线性不确定系统鲁棒稳定性新判据

研究一类区间时变时滞线性不确定系统的鲁棒稳定性问题.通过引入增广Lyapunov泛函,结合积分不等式方法,导出了区间时变时滞线性系统的时滞相关鲁棒稳定性新判据.与现有方法不同,该方法不涉及自由权矩阵技术和任何模型变换,减少了理论和计算上的复杂性,而且在估计Lyapunov泛函导数的上界时没有忽略某些有用项.数值算例表明,所提出的判据是有效的,具有更低的保守性.     

T-S 模糊时滞模型的时滞相关稳定性分析和镇定

研究一类用T—S模糊模型描述的非线性不确定时滞系统的时滞相关鲁棒镇定问题．基于线性矩阵不等式的可行解，首先给出利用T—S模糊模型描述的非线性时滞系统时滞相关稳定性准则；然后给出了经状态反馈鲁棒镇定设计的新方法．所设计的控制器能确保闭环系统渐近稳定．     

一类不确定Lurie时滞奇异系统的鲁棒H∞控制

研究一类具有不确定性的Lurie时滞奇异系统的鲁棒稳定性分析和H∞状态反馈控 制器设计方法.针对一类具有参数不确定性、未知时滞的奇异系统,得出了系统鲁棒稳定和 鲁棒H∞状态反馈控制器存在的充分条件,它能使得不确定Lurie时滞奇异系统的解在所容 许的范围内是正则的、无摄动的和稳定的;而且还得出了基于线性矩阵不等式(LMI)的鲁棒 H∞状态反馈控制器的设计方法,使得闭环系统具有鲁棒稳定性和H∞性能.     

一类带有时滞的不确定广义系统的切换渐近稳定性

研究了一类带有时滞的切换不确定广义系统的鲁棒渐近稳定问题. 利用Lyapunov稳定性定理和线性矩阵不等式(Linear matrix inequality, LMI)工具, 采用多Lyapunov函数技术, 在设定的切换律下, 得到切换不确定广义时滞系统鲁棒渐近稳定的时滞相关充分条件. 进一步, 建立了一个具有线性矩阵不等式约束的凸优化问题, 利用Matlab软件中的LMI工具箱求解, 得到保证切换广义系统鲁棒渐近稳定的最大可允许时滞上界. 最后示例表明了该方法的有效性.     

不确定性关联奇异大系统时滞相关分散鲁棒镇定

针对一类不确定关联时滞奇异大系统,利用Lyapunov稳定性理论与时滞积分矩阵不等式相结合的方法,研究其时滞相关分散鲁棒镇定问题,目的是设计一无记忆状态反馈分散控制器,使闭环系统鲁棒稳定.用矩阵不等式方法,给出了该类系统时滞相关分散鲁棒镇定的充分条件.所得结果与系统时滞的大小有关,并以矩阵不等式的形式给出.最后用数值算例说明了所给方法的可行性和有效性.     

不确定时滞BAM神经网络的鲁棒稳定性

利用自由权值矩阵和不等式分析技巧,研究了一类不确定时滞BAM神经网络的鲁棒稳定性问题。通过构造适当的Lyapunov泛函,对于所有允许的不确定性,以线性矩阵不等式形式给出了时滞BAM神经网络的全局鲁棒稳定性判据,该判据能够利用Matlab的LMI工具箱很容易地进行检验。此外,仿真示例进一步证明了判据的有效性。     

含离散与分布时滞的不确定中立型系统鲁棒稳定性新判据

基于离散时滞分解思想,通过构造一种新的Lyapunov-Krasovskii泛函并结合Jensen不等式技巧,建立了线性矩阵不等式(LMI)形式的时滞相关鲁棒稳定性新判据.该方法允许中立时滞项的系数矩阵存在时变不确定性,增强了系统的鲁棒性能.同时针对分布时滞项难于处理的问题,构造了其分解计算泛函.数值算例表明所得结论的有效性和更低的保守性.     

混合变时滞不确定中立型系统鲁棒稳定性分析

研究一类含混合变时滞不确定中立系统时滞相关鲁棒稳定性问题。基于时滞中点值,把时滞区间均分成两部分,通过构造包含时滞中点信息的增广泛函和三重积分项的Lyapunov-Krasovskii (L-K)泛函,利用L-K稳定性定理、积分不等式方法和自由权矩阵技术,建立了一种基于线性矩阵不等式(LMI)的、与离散时滞和中立时滞均相关的鲁棒稳定性判据。数值算例表明,该判据改善了已有文献的结论,具有更低的保守性。     

一类线性时滞系统的鲁棒稳定性分析

针对一类具有范数有界不确定性和2个继发时变时滞的线性时滞不确定系统,研究了其时滞依赖鲁棒稳定性问题。通过定义充分利用时变时滞上下界信息的新型Lyapunov—Krasovskii泛函,并结合时滞系统相关处理方法和线性矩阵不等式方法,得到了时滞线性不确定系统鲁棒渐近稳定所满足的条件。为了降低结论的保守性,对某些项进行了较紧致的估计。此外,并未引入自由权矩阵。最后并通过2个数值仿真证实了方法的有效性和优越性。     

一类带有变时滞的广义切换系统的滑模控制

研究一类具有非匹配不确定性和变时滞的广义切换系统的滑模控制问题.首先,基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,针对每个子系统设计对应的积分型滑模面,给出了每个滑动模态方程鲁棒渐近稳定的充分条件;然后,设计了滑模控制器及切换规则,使得闭环系统的状态能够到达滑模面上,产生滑动模态;最后以仿真实例说明了所提出方法的有效性.     

基于鲁棒控制Lyapunov 函数的非线性预测控制

针对一类约束不确定性非线性仿射系统,提出一种可保证闭环系统鲁棒镇定的非线性模型预测控制算法.利用鲁棒控制Lyapunov函数得到改进的Sontag公式,并以此为基础,构造一种计算有效的单自由度鲁棒预测控制器.以Matlab语言为仿真工具,对一开环不稳定振荡器进行了仿真研究,结果表明,利用该控制算法得到的闭环系统不仅渐近稳定于原点,而且所得控制量和系统状态都满足系统约束,从而验证了控制算法的有效性.     

回响状态网络输出连接权重的一个稳定训练方法

鉴于在回响状态网络(ESN)的应用中常使用Wiener-Hopf方程学习输出连接权重,但该方法难以保证自治ESN的稳定性,首先分析了导致该稳定性丧失的原因,提出并证明了自治ESN具备Lyapunov稳定性的一个充分条件;然后将输出连接权重学习问题转化为一个非线性约束的最优化问题,并采用粒子群优化算法求解.仿真结果表明,所提方法既能确保ESN获取高精度的预测输出,又能保ESN的Lyapunov稳定性.     

间隙度量与跟踪系统中的鲁棒控制器设计

为定量研究鲁棒控制器允许对象有尽可能大的不确定性.在引入间隙度量的基础上,定义了跟踪系统鲁棒控制器的鲁棒边界,并对某跟踪系统设计了基于间隙度量的鲁棒控制器.该控制器能兼顾对象的不确定性与控制器的不确定性.由仿真结果可以看出,与普通的PID控制器相比,具有较大鲁棒边界的鲁棒控制器不仅具有较强的干扰抑制能力.而且能够在模型加性不确定性存在的情况下具有很好的跟踪性能.     

改进实数编码量子进化算法及其在参数估计中的应用

借鉴量子计算的相关概念和原理,提出一种改进实数编码量子进化算法(IRCQEA).算法的核心是依据染色体的具体形式和目标函数的梯度信息设计互补变异进化染色体,以实现局部搜索和全局搜索的平衡;根据算法的进化过程动态缩小搜索空间,以加快收敛速度.对标准数值优化问题的求解结果表明,该算法具有寻优能力强、搜索精度高和稳定性好等优点.以非线性系统参数估计问题为例进行的仿真实验表明,所提出的算法能够有效提高估计参数的精度.     

时变时滞离散递归神经网络系统的状态估计器设计

研究时滞离散递归神经系统的状态估计问题.通过网络输出对神经元的状态进行估计.在较弱的激活函数假设下,通过构造一个新的Lyapunov泛函,引入一个自由权矩阵,并结合Jensen不等式得到了确保误差系统全局指数稳定的充分条件.所得条件依赖于时变时滞的上界和下界,并以线性矩阵不等式的形式给出.最后的数值算例表明了所提出方法的有效性.     

基于局部模糊逻辑系统合成的一类非线性不确定系统自适应控制

通过使用从属于系统状态区域上开覆盖的单位分解,首先将若干个局部生成的模糊逻辑系统合成而产生一种函数逼近器,与通常的模糊逻辑系统相比较,这种逼近器不仅具有万能逼近性质,而且由于局部模糊逻辑系统具有较少规则而能够保持语言可解释性；然后,通过将适当的参数植入这种函数逼近器中,能够为某些非线性不确定系统设计自适应镇定控制器；最后,通过仿真例子验证了所提出方法的有效性.     

水火电力系统短期优化调度的一种改进粒子群算法

针对水火联调问题,建立满足电量平衡、水量平衡、机组特性及综合利用要求的短期优化调度模型,提出了一种改进粒子群算法(MPSO).MPSO针对粒子群算法易早熟收敛的弊端,引入了变异操作,使粒子以一定的概率向其他粒子个体最好解学习;针对粒子群算法在进化后期多样性受损易陷入局部最优的缺陷,引入了迁徙操作,在种群聚集程度不能容忍时重新生成解空间内均匀分布的粒子.对某典型水火电力系统优化问题的求解结果表明,MPSO比其他方法更有效.     

具有状态时滞的切换随机系统的指数稳定条件

考虑由具有状态时滞的线性It(o)随机子系统构成的切换系统,基于多Lyapunov泛函方法研究切换与时滞对于稳定性的共同影响,并以此建立均方指数稳定条件.在均方意义下噪声对于稳定性的影响基本是负面的,因此构造一类形式较为一般的Lyapunov泛函并运用噪声的统计特性于其解析过程中,以减少噪声所引起的保守性.最后,通过一个仿真算例描述切换与时滞的相互制约关系表明了所提出方法的有效性.     

基于概率假设密度的多目标视频跟踪算法

研究目标数变化的多目标视频跟踪问题.首先阐述了概率假设密度(PHD)滤波的基本原理;然后给出序列图像多目标跟踪系统的运动目标检测算法、状态方程、观测方程以及基于高斯混合概率假设密度(GM-PHD)的多目标视频跟踪算法的具体实现.该算法有效解决了新目标出现、目标合并、目标分裂及目标消失等多目标跟踪问题.实验结果表明,该算法在复杂场景下具有较强的鲁棒性,能有效实现目标数变化的多目标视频跟踪.