一类具有状态反馈犖犆犛的H∞ 优化控制

研究一类网络控制系统（ＮＣＳ）的H∞ 优化控制问题．状态反馈是兼顾系统性能和敏感性的最有效的控制方式,因此,针对一类不确定时延和有限能量干扰输入的状态反馈ＮＣＳ,将其建模为不确定的线性时滞系统,并利用Ｌｙａｐｕｎｏｖ理论和线性矩阵不等式（ＬＭＩ）研究H∞ 优化控制问题．首先给出ＮＣＳ的鲁棒稳定的充分条件;然后给出ＮＣＳ状态反馈次优和最优H∞ 控制律的设计方法．仿真结果表明了该方法的可行性和有效性．

     

一类不确定性非线性网络控制系统的扰动抑制

研究受外部持续扰动的一类不确定性非线性网络控制系统的扰动抑制问题.提出一种状态变量代换,将控制时滞转移到闭环控制回路之外,从而消除了时滞部分对控制系统稳定性的影响.利用内模原理给出了系统无静差扰动抑制补偿器的设计方法,运用Lyapunov稳定性理论和线性矩阵不等式技术,证明了保成本控制律的存在条件,并给出了无静差保成本控制器的设计方法.仿真结果验证了该控制算法的有效性.

     

2-D状态滞后系统的时滞相关H∞控制

研究了具有状态滞后的二维(2-D)离散线性系统的时滞相关H∞ 控制问题 .首先提出了2-D 状态滞后系统的时滞相关有界实引理,基于此引理,通过线性矩阵不等式(LMI)的可行性,设计状态反馈控制器使得闭环系统具有H∞扰动衰减度 γ;进而求解一个线性凸优化问题可得最小化γ 值. 所得的时滞相关结果可转化为时滞无关情形. 数值算例说明了所得结论的有效性和优越性.

     

一类不确定非线性切换系统的鲁棒容错控制

研究一类不确定非线性切换系统的鲁棒容错控制问题.当执行器失效或部分失效时,利用Lyapunov函数法建立切换闭环系统混杂状态反馈容错控制器存在的充分条件;然后运用线性矩阵不等式将鲁棒容错控制器设计问题转化为一组线性矩阵不等式的可行解问题,从而借助Matlab中线性矩阵不等式工具箱求解;最后通过数值算例验证了所提出设计方法的有效性.

     

时变不确定系统鲁棒控制器设计的新方法

基于包含两个二次项的分段Lyapunov函数,研究了线性时变不确定系统的鲁棒控制器设计问题.所考虑的系统由两个矩阵的凸组合构成,通过引入一个附加矩阵,推导出鲁棒控制器存在的充分条件.该控制器的状态反馈增益的求解问题可以转化为一组带有两个比例参数的线性矩阵不等式的凸优化问题.最后的数值示例说明了该设计方法的可行性.

     

具有传感器故障的网络控制系统保性能可靠控制

基于存在时延和丢包的网络传输环境,针对具有参数不确定性的网络化控制系统,研究了其在传感器故障条件下的保性能可靠控制问题.根据Lyapunov稳定性理论和线性矩阵不等式(LMI)方法,推导出使闭环网络控制系统在传感器故障条件下渐近稳定且保证综合性能指标满足要求的充分条件,并利用LMIs提出了保性能可靠控制率的设计方法.该控制算法在提高网络化控制系统可靠性的同时有利于系统综合体性能的优化.数值仿真验证了该方法的可行性和有效性.

     

一类具有通信逻辑的网络控制系统稳定性分析

针对具有线性不确定对象的网络控制系统的带宽约束问题,设计了具有周期通信逻辑的网络控制系统的结构,建立了具有周期通信逻辑的网络控制系统模型. 运用现代控制理论和矩阵摄动理论相关原理,进一步证明了系统保持渐近稳定的充分条件 .最后通过仿真算例验证了结论的有效性.

     

一类网络控制系统的稳定性分析

针对网络控制系统中普遍存在的信息量化问题,采用基于模型的控制策略,研究了一类网络控制系统的稳定性.在考虑均匀量化的影响下,对于不同的初始量化误差,分别讨论了系统的稳定性,并给出了保证系统全局指数稳定的充分必要条件以及系统的稳定域范围 .仿真结果验证了所得结论的正确性.

     

Lurie网络化控制系统的保性能控制

以不确定Lurie系统作为被控对象,研究其在网络环境下的保性能控制问题.在同时考虑随机网络诱导时延和数据丢包的情况下,建立不确定Lurie网络化控制系统模型,利用Lyapuniv方法分别给出了存在结构不确定性和范数有界的不确定性时,Lurie网络化控制系统保性能控制器的设计方法.所得结果是以线性矩阵不等式的形式给出的,便于数值求解.最后以数值实例说明了所提出方法的可行性和有效性.

     

一类时滞复杂动态网络的鲁棒自适应同步问题

针对一类耦合时滞复杂网络,基于变结构控制研究其同步问题 .首先,利用系统的左特征向量函数设计切换面,使网络的运动轨线在期望的同步轨道保持稳定;然后,针对网络中的非线性项已知和未知时,分别设计相应的滑模控制器,使从任意时刻出发的动态网络轨线都能在有限时间内同步到达期望的轨道;最后,利用所设计的控制器对两个算例进行仿真,仿真结果说明了所设计控制器的有效性.

     

时变采样周期网络控制系统的鲁棒容错控制器设计

研究具有时变采样周期网络控制系统的执行器失效的完整性问题．假设系统任意两个连续采样间隔具有上界,利用输入时延法,将时变采样周期网络控制系统等价转化为连续时变时延网络控制系统．在此基础上,基于时延条件,应用Ｌｙａｐｕｎｏｖ稳定性理论和线性矩阵不等式（ＬＭＩｓ）方法证明了鲁棒容错控制律的存在条件,设计了鲁棒容错控制器,并给出了系统完整性条件下的最大允许时延的估计方法．仿真结果验证了所提方法的可行性和有效性．

     

一种网络化控制系统的鲁棒H∞动态输出反馈控制

对于存在网络诱导控制时延和输出时延的网络化控制系统,在离散域内给出了网络化控制系统的一种时延相关的动态输出反馈控制方法.针对无扰动和有扰动的系统,分别基于Lyapunov稳定性理论和线性矩阵不等式方法,推导出闭环系统稳定的充分条件,并给出了鲁棒最优和次优控制律的设计方法.仿真结果表明,所提出方法能实现稳定控制和有效的干扰抑制作用.

     

Markov跳变系统的有限时间状态反馈镇定

讨论一类含有限能量未知扰动的线性Markov跳变系统的有限时间镇定问题.针对连续系统和离散系统两种情况,利用构造的Lyapunnov-Krasovskii函数,并结合线性矩阵不等式方法,分别证明并给出了跳变系统有限时间镇定控制器有解的充分条件.采用该方法设计的镇定控制器可使连续系统和离散系统对所有满足条件的未知扰动是有限时间有界和有限时间镇定的.最后通过数值示例表明了该设计方法的有效性.

     

交通诱导预测控制仿真研究

将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法．该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径３ 个重要环节．仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径．

     

基于对象的扩展Petri网协同设计过程分析

针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.

     

一类非线性时滞广义系统的状态反馈控制

利用线性矩阵不等式（ＬＭＩ）,讨论了一类非线性时滞广义系统的状态反馈控制问题．通过对非线性映射Ｆｒｅｃｈｅｔ导数的逆矩阵的估计,给出了系统渐近稳定的充分条件．这一条件与时滞相关,可归结为一个线性矩阵不等式的可解性．在ＬＭＩ有解的条件下,可得到系统状态反馈控制器的参数表示．数值实例表明该方法是有效的．

     

一类非线性时滞系统的H∞鲁棒故障检测滤波器设计

研究一类受时变时滞影响的非线性不确定系统H_∞鲁棒故障检测滤波器设计问题.首先采用基于观测器的故障检测滤波器作为残差产生器,将故障检测滤波器设计归结为H_∞滤波问题;然后应用Lyapunov-Krasovskii方法,推导并证明了问题可解的依赖时滞的充分条件,通过求解线性矩阵不等式得到了观测器增益矩阵的解;最后通过算例验证了所提出方法的有效性。

     

一类非线性系统的模糊可靠H2/H∞混合控制器设计的LMI方法

基于T-S模糊模型,利用线性矩阵不等式(LMI)方法,研究一类非线性系统的模糊可靠 H2/H∞混合控制器设计问题.首先,分别以LMI形式给出了系统模糊可靠H2及 H∞ 控制器存在的充分条件和控制器设计方法;然后,给出系统混合 H2/H∞性能的可靠控制器设计方法,所设计的控制器使得故障闭环系统二次稳定,同时满足 H∞ 性能,且优化系统的H2性能指标;最后,通过数值例子验证了结论的正确性和控制器设计方法的有效性.

     

基于网络控制系统平均时延的模糊控制器设计

针对网络控制系统（ＮＣＳ）中的随机时延问题,根据实际网络时延的分布情况,提出一种新的具有随机时延的网络控制系统的建模方法———离散Ｔ Ｓ模型,并在此基础上应用并行分布补偿原理（ＰＤＣ）设计模糊控制器．同时提出一种新的模糊控制系统隶属函数的确定方法,利用Ｌｙａｐｕｎｏｖ定理和线性矩阵不等式（ＬＭＩ）研究系统的稳定性问题,给出了基于ＬＭＩ的模糊控制器的设计方法．最后通过仿真实例验证了该控制方法能使具有时延的网络控制系统稳定．

     

一类新的粒子群算法

提出一种新的模糊粒子群优化算法---收敛模糊粒子群优化算法.重点研究了收敛因子的确定和模糊隶属度函数的选择对算法性能的影响.在考虑计算效率的同时,提高了算法的精度.利用4个基准函数测试了收敛模糊粒子群优化算法的性能,并与模糊粒子群优化算法$收敛粒子群优化算法以及基本粒子群优化算法进行了对比.实验结果表明#新算法具有很好的性能.