关联时滞广义大系统的分散鲁棒镇定控制器设计

研究一类具有数值界不确定性关联时滞广义大系统的分散鲁棒镇定问题.构造Lyapunov函数,通过适当地放大不等式,利用矩阵Schur补的性质,将问题转化为一组线性矩阵不等式（LMI）的求解问题.给出了系统镇定控制器存在的条件.当条件成立时,给出了分散鲁棒反馈控制律的表示式.数值算例说明了控制器设计方法的可行性.     

关联时滞大系统的时滞相关镇定

针对具有n2个时滞关联大系统的时滞相关镇定问题,本文基于线性矩阵不等式方法,通过构造适当的Lyapunov—Krasovskii泛函,给出了基于此类大系统分散反馈镇定的充分条件及状态反馈控制器的设计方案,并用数值例子进行验证,所得结果是将现有的时滞无关条件推广到时滞相关条件,证明了所得结论的有效性。     

不确定关联时滞大系统的鲁棒自适应控制

针对具有时滞的不确定关联大系统,研究了自适应状态反馈控制器的设计问题.当时滞常数未知时,给出了对未知时滞常数及不确定参数的自适应控制方案.建立了可由线性矩阵不等式（LMI）表示的镇定条件.最后给出了仿真示例以说明该方法的有效性.     

持续有界扰动下一类不确定时变时滞大系统的分散鲁棒镇定

考虑了一类持续有界扰动下时变时滞大系统的分散鲁棒镇定问题,通过构造lyapunov函数,利用线性矩阵不等式知识,提出了此类大系统可分散镇定的充分条件．通过求解一凸优化问题,给出具有较小反馈增益的分散稳定化状态反馈控制律的设计方法．通过一组数值算例证明了这种方法的有效性．     

带随机扰动的时滞系统的鲁棒H_∞控制

研究了一类带随机扰动的时滞系统的状态反馈鲁棒控制的问题,其中系统的系数矩阵为随机矩阵,且假设不确定参数矩阵是时变、范数有界的。借助于线性矩阵不等式(LMI),给出了系统是鲁棒可镇定的充分条件,并设计了一个状态反馈控制器,使得闭环系统均方渐近稳定,且满足给定的性能指标。     

G（f^e）中序列的周期及平移等价类定理的证明

阐述了线性移位寄存器序列的定义及其相关概念、证明定理所需的引理，给出了定理的内容．以不可约多项式f（z）的幂链的构造为基础，给出了G（f）中序列的周期及平移等价类定理的完整证明过程．     

不确定线性时滞系统的鲁棒镇定

针对过程控制中,普遍存在的时滞和不确定现象,研究了状态和控制均存在滞后的不确定线性时滞系统的鲁棒镇定问题,其中的不确定性是时变有界的,不要求满足"匹配条件"。应用Lyapunov稳定性分析和Riccati方程方法,提出了不确定线性时滞系统能用无记忆状态反馈控制器进行鲁棒镇定的充分条件,该充分条件以线性矩阵不等式存在对称正定解的形式给出。通过求解代数Riccati方程的对称正定解,来构造无记忆线性状态反馈稳定化控制器,并给出了基于该方法的数值算例,数值仿真结果表明了对于状态和控制均存在滞后的不确定线性时滞系统,应用该算法构造的无记忆线性状态反馈稳定化控制器,可使闭环系统是二次稳定的,故而证明了该算法的有效性。     

一种求解静态输出反馈镇定控制器的直接算法

主要研究线性时不变系统的静态输出反馈镇定问题。求解静态输出反馈增益等价于求解两个耦合的线性矩阵不等式(LMI),这导致了需要求解一个非线性最优化问题。通过构造具有对角结构的Lyapunov矩阵,提出了一种基于LMI的静态输出反馈镇定的直接算法。该算法简洁明了,并克服了以往算法需要设定参数初值的缺点。数值实例证明了该方法的有效性和优越性。     

基于LMI的离散时滞切换系统反馈镇定

针对一类子系统为离散时滞系统的切换系统，提出了一种系统稳定性与反馈镇定的控制方法.通过状态变量的转换，将时滞切换系统变为不含时滞项的切换系统.在系统中增加等式约束，将具有双线性矩阵不等式（BMI）形式的综合问题转换为线性矩阵不等式（LMI）的凸优化问题.在任意切换信号作用下离散线性切换系统渐近稳定理论基础上，以线性矩阵不等式形式给出了离散时滞切换系统渐近稳定的充分性条件，并且给出了切换系统状态反馈镇定和输出反馈镇定的控制器设计方法.两个数值算例结果表明，所设计控制方法是可行的，在控制方法的作用下，闭环系统是渐近稳定的.     

线性切换系统基于观测器的输出反馈镇定

切换系统是一类重要的混合系统，具有广泛的应用背景．针对许多实际切换系统状态不可测的特点，将多Lyapunov函数方法和线性矩阵不等式技术相结合，设计了线性切换系统基于观测器的输出反馈镇定控制器，给出了系统可镇定的充分条件，同时给出了该条件下切换观测器和反馈控制器的参数化表示，以及基于重构状态的稳定化切换律构造方法．最后的算例和仿真结果表明该方法简单、有效、便于应用．     

Some equivalent conditions for exponential stabilization of linear systems with unbounded control

It is proved that the equivalences among the exponential stabilizability of the control system, the existences of admissible controls for every initial state condition and the solvability of some Riccati equation or some LQ problem also hold for the case in Hilbert space with unbounded control. The results do not need the compactness assumption for the resolvents of the infinitesimal generator, and improve the results available. They can be applied to the parabolic systems with boundary control through Dirichlet, Neumann condition or pointwise control on not only bounded domain but also unbounded domain.     

不确定离散时滞系统的鲁棒镇定

对两类具有给定结构的控制器，给出了不确定离散系统鲁棒能镇定的充分条件。基于这些条件，给出了相应的鲁棒稳定化控制器的设计方法，并举例说明了所提出方法的有效性。     

奇异控制本征值问题的研究

将奇异控制系统中的控制向量分为有偿控制和无偿控制,并在状态子空间内建立系统的Ｒｉｃｃａｔｉ代数方程,在此基础上给出一套奇异控制本征值问题的处理方法。上述方法放弃了先求广义本征值问题,再进行Ｒｉｃｃａｔｉ代数方程求解的传统方法,其优点是避免了动力问题的直接求解。     

时滞中立型神经网络全局渐近稳定性

针对具有时变时滞的中立型Hopfield神经网络,在对时变时滞的合理假设下,文中通过构造适当的Lyapunov泛函,提出了一种新的方法判定时变时滞中立型Hopfield神经网络系统的全局一致渐近稳定性。所得判据是建立在一个代数Riccati方程及其对应离散Lyapunov方程存在对称正定解之上的,并得出了易于计算机仿真实现的线性矩阵不等式的判据形式,仿真验证了结果的有效性。     

广义ALI算法求解非对称代数Riccati方程最小非负解

当非对称代数Riccati方程的4个常数矩阵所组成的矩阵K为非奇异M-矩阵时,ALI算法已经被证实对求解非对称代数Riccati方程最小非负解是一种有效的算法.给出广义ALI算法,并验证ALI算法是广义ALI算法的一种特殊形式.     

线性不确定系统时滞及时滞微分依赖的鲁棒镇定性

针对一类同时依赖于状态时滞和状态时滞微分的大小的线性时滞不确定系统的镇定性问题,研究了时滞系统的状态反馈鲁棒可镇定控制器设计。并且基于Lyapunov稳定性理论,提出了一种新的凸优化算法用于设计控制器,以确保在所有允许的不确定性范围内能求得一个次优时滞使系统镇定。数值仿真结果证明了这种方法的有效性。     

一类非线性系统的鲁棒控制器设计

该文研究了一类不确定非线性系统的鲁棒镇定控制器设计问题，该非线性系统的时变参数不确定性满足范数有界条件，非线性不确定项位于有限霍尔维茨角域。首先分析了系统鲁棒稳定的条件，接着基于线性矩阵不等式的方法得到了系统鲁棒镇定控制器设计的充分条件，通过求解一个线性矩阵不等式便得到了鲁棒镇定控制器。最后通过数值仿真例子进行了验证，仿真结果表明了该文所得结果较之已有的结果保守性明显降低。     

具有结构不确定性系统的鲁棒H∞控制器设计

研究了具有结构不确定性系统的鲁棒H∞状态反馈控制,给出了该类系统一种鲁棒H∞控制器的设计方法,把任意能量有界的干扰信号,结构不确定性系统的控制问题转化成了鲁棒H∞控制问题,控制器可以通过解修正的代数黎卡提方程得到。设计例子证明了所给方法的有效性。     

基于观测器的多变量线性鲁棒控制器设计

对满足匹配条件的参数不确定多变量线性系统，本文用带观测器的状态反馈实现了不确定线性系统的鲁棒稳定控制，通过选择一组合适的标量参数，求解两个代数黎卡提方程来设计状态反馈控制器和观测器，使闭环系统稳定。     

一种基于零相位表示法的雷达高分辨距离像识别方法

针对一种距离像零相位表示法,提出采用子带处理来降低对对齐精度的要求,并给出了相应的识别方法．与最大相关系数分类器相比,子带处理的方法在降低运算量的同时获得了较好的识别性能,优于基于频谱幅度特征的分类器的性能．