基于退化分析方法提出一种判定准则, 用于分析不确定分数阶时滞系统的稳定性. 介绍一种分数阶积分算子的有理逼近方法, 在此基础上采用整数阶系统逼近分数阶系统, 从而将难以判定的分数阶系统稳定性问题转化为由逼近偏差作为不确定项的整数阶系统稳定性问题进行处理. 利用积分不等式法研究逼近系统稳定性, 得到LMI 形式的稳定性判据. 仿真结果表明, 所提出方法能够有效分析这类系统的稳定性.
相似文献灾害发生前的应急物资配置问题具有两个重要的不确定性, 即交通网络中受自然灾害影响而阻断的道路以及受灾点的应急物资需求量. 通过引入两个控制水平参数建立了不确定网络结构下的两阶段应急物资鲁棒配置模型, 并在线性化第2 阶段的回溯问题后提出了求解模型的Benders 分解算法. 数值实验结果表明了所提出的模型的有效性以及所得配置方案的鲁棒性.
相似文献基于特征建模理论, 针对一类可由一阶特征模型描述的被控对象, 设计一种新的自适应跟踪控制方法. 通过参数整合, 将系统特征压缩到一个时变参数中, 进一步减少需估计的参数, 更利于工程应用. 利用李雅普诺夫方法, 分析闭环系统的稳定性. 最后, 通过数学仿真验证了所提出方法的有效性.
相似文献针对量测噪声模型为非高斯L´evy 噪声, 研究离散线性随机分数阶系统的卡尔曼滤波设计问题. 通过剔除极大值的方法得到近似高斯白噪声的L´evy 噪声, 基于最小二乘原理, 提出一种考虑非高斯L´evy 量测噪声下的改进分数阶卡尔曼滤波算法. 与传统的分数阶卡尔曼滤波相比, 改进的分数阶卡尔曼滤波对非高斯L´evy 噪声具有更好的滤波效果. 最后, 通过模拟仿真验证了所提出算法的正确性和有效性.
相似文献采用非对称Lanczos 算法研究线性分数阶系统的模型降阶问题, 提出一种保持系统传递函数一定数量的分数阶矩的模型降阶方法. 根据Caputo 导数的运算法则给出线性分数阶系统的分数阶矩的计算方法; 利用非对称Lanczos 算法构造对应的非对称三对角矩阵; 根据非对称三对角矩阵的性质证明降阶系统与原系统具有相同的一定数量的分数阶矩; 给出降阶系统与原系统传递函数的误差估计, 为合理选择降阶系统的阶次提供理论依据. 数值实例的计算结果验证了所提出方法的有效性.
相似文献采用机理与数据相结合的建模方法对永磁同步电动机进行分数阶时域和频域建模. 在分数阶时域建模方法中, 设计伪随机激励信号, 获取实时实验数据并采用输出误差辨识算法来获取分数阶阶次; 在分数阶频域建模方法中, 由实时实验数据绘制出电动机的对数频率特性曲线. 采用分数阶频域建模中经典Levy 辨识算法, 利用加权函数加以改进, 得到永磁同步电动机分数阶模型辨识结果. 最后通过对两种方法得到的结果进行对比表明了所提出模型的可靠性.
相似文献针对操纵面饱和时混合优化控制分配效率低的问题, 提出一种包含执行器动态的多操纵面变参数控制分配策略. 考虑执行器物理约束和动态特性, 构建多操纵面飞机控制分配模型. 以权系数变换矩阵为参数, 将非线性混合优化控制分配律线性化. 分别建立忽略和包含执行器动态的变参数控制分配线性矩阵不等式优化模型, 并研究控制分配系统对参数变化的灵敏度. 仿真结果验证了变参数动态控制分配策略的有效性.
相似文献针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.
相似文献针对系统模型的不确定性、未知输入扰动和非线性特性, 提出一类非线性系统参数估计的故障诊断算法. 构造系统故障诊断观测器, 采用Lyapunov 稳定性定理验证观测器的稳定性, 通过Barbalat 引理证明满足故障诊断观测器为渐近稳定的表征故障参数的参数估计, 并总结了设计算法流程. 仿真结果表明, 所提出算法具有快速收敛性, 对一类非线性系统诊断效果较好.
相似文献考虑一类不受控离散事件驱动不确定约束线性切换系统, 提出具有任意切换特性的约束优化控制策略. 引入有限时域性能函数, 定义约束最优控制问题. 为降低控制器的在线计算量, 通过参数化方法压缩最优控制问题决策变量的维数. 应用公共Lyapunov 函数和控制Lyapunov 函数理论建立的闭环切换系统, 具有对不确定扰动和不受控切换信号的渐近稳定性和逆最优性. 最后通过算例仿真验证了结果的有效性.
相似文献针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.
相似文献针对复杂关联系统中分散控制方法无法有效解决子系统间的耦合和干扰问题, 提出一种基于扩张状态观测器的分散模型预测控制算法. 首先将复杂关联系统分解为多个状态维数较低、控制变量较少的子系统, 并为每个子系统设计本地预测控制器; 然后, 采用扩张状态观测器对子系统的耦合项以及干扰项进行估计, 进而利用估计值对子系统进行前馈补偿, 从而降低复杂关联系统的计算复杂度, 提高系统的稳定性和抗干扰能力; 最后, 利用液位控制系统验证了所提出算法的有效性.
相似文献