基于LMI的一类非线性多时滞系统的模糊H∞滤波器设计

This paper develops fuzzy H1 filter for state estimation approach for nonlinear discrete-time systems with multiple time delays and unknown bounded disturbances. We design a stable fuzzy H1 filter based on the Takagi-Sugeno (T-S) fuzzy model, which assures asymptotic stability and a prescribed H1 index for the filtering error system. Sufficient condition for the existence of such a filter is established by solving the linear matrix inequality (LMI) problem. The LMI problem can be efficiently solved with global convergence using the interior point algorithm. Simulation examples are provided to illustrate the design procedure of the proposed method.     

分布式网络化数据采集装置及其采集方法

本文介绍了一种基于嵌入式操作系统的网络化多点数据采集装置及其采集方法,该装置能实现长距离多点同时采集和远程数据传输,可同时采集连续和离散信号,采样精度10位,具有智能化和高速数据传输等特点.采集装置安装个数(采集点数)可根据应用现场工况增减.该装置可采集各种符合工业标准的信号,具有较强的通用性、兼容性和可扩展性.     

基于粗糙集的变压器故障诊断方法研究

本文提出了一种布尔逻辑与粗糙集相结合的变压器连续属性离散化方法,用计算机仿真实例说明算法的有效性.在变压器故障诊断中,首次将连续和离散信号统一应用粗糙集进行约简.通过这种方法,能够对变压器故障诊断模型进行更精确的模拟,从而提高故障辨识的精度.     

模糊双曲正切模型研究综述

模糊双曲正切模型(Fuzzy hyperbolic tangent model, FHM)是一种全局模糊模型也是一种神经网络模型. 根据此模型设计的控制器能够实现系统的性能指标达到最优. FHM与其他模糊模型相比,更加适用于对多变量及系统内部信息所知有限的非线性系统进行建模. 本文依据FHM的模型发展历程对现有的研究成果加以总结, 并对这一研究领域内待解决的问题和未来发展方向作了进一步的展望.     

连续时间混沌系统的参数自适应控制

研究了连续时间混沌系统的参数自适应控制,提出了关于多重参数混沌非线性系统的参数自适应控制的新方法.考虑系统参数是线性形式的自适应控制,利用Lyapunov方法证明了参数控制方程是全局渐近稳定的.研究结果表明该控制方法是分析混沌参数白适应控制的一个十分有效的方法.     

基于数据自适应评判的离散2-D系统零和博弈最优控制

提出了基于一种迭代自适应评判设计(ACD)算法解决一类离散时间Roesser型2-D系统的二人零和对策问题. 文章主要思想是采用自适应评判技术迭代的获得最优控制对使得性能指标函数达到零和对策的鞍点. 所提出的ACD可以通过输入输出数据进行实现而不需要系统的模型. 为了实现迭代ACD算法, 神经网络分别用来近似性能指标函数和计算最优控制率. 最后最优控制策略将应用到空气干燥过程控制中以证明其有效性.     

不确定时变时滞模糊大系统的采样分散可靠H∞双曲控制

研究了时变时滞不确定连续模糊大系统的采样可靠双曲控制. 首先对一类复杂大系统进行模糊双曲建模, 然后根据李亚普诺夫直接方法和大系统的分散控制理论, 得出了基于线性矩阵不等式的条件, 该条件不仅在所有控制元件都有效工作时, 而且在执行器可能存在故障的情况下都能保证系统的性能. 且不需要执行器的精确故障参数, 只需要故障参数的上下界. 该条件只依赖于时滞的上界, 不依赖于时变时滞的导数. 因此得到的条件有更小的保守性. 最后应用两个例子验证了设计过程及其有效性.     

智慧能源-----人工智能技术在电力系统中的应用与展望

在环境污染日趋严重,化石能源逐渐枯竭的背景下,能源系统的发展趋向于清洁化、智能化,我国已将智慧能源的发展提升为国家战略.电力系统作为能源系统的核心环节,应用广泛,具有较强的调节能力且控制复杂,其智能化程度将决定能源系统的智能化水平.伴随着分布式电源、电动汽车、分布式储能元件等具有能源生产、存储、消费多种特性的新型能源终端高比例接入电网,现代电力系统呈现出复杂非线性、强不确定性、强耦合性等特点,传统建模、优化、控制技术存在诸多局限性,人工智能技术将是解决复杂系统控制与决策问题的有效措施.鉴于此,首先梳理人工智能在电力系统应用的发展脉络;然后根据人工智能在电力系统的应用热点领域,阐述人工智能技术在电力系统调度、规划以及电力市场等方面的应用,并对各重点研究内容的未来方向进行展望.     

基于划分时滞区间的一类Cohen-Grossberg神经网络的鲁棒稳定性

研究一类具有时变时滞及参数不确性的Cohen-Grossberg神经网络的鲁棒稳定性问题.应用划分时滞区间的思想构造了一个新的Lyapunov泛函,并以线性矩阵不等式的形式给出了平衡点全局鲁棒稳定性判据,新判据放松了时变时滞变化率必须小于1的限制.仿真结果进一步证明了所得结论的有效性.

     

一类非线性时滞系统的鲁棒H∞滤波器设计

 研究了满足下列条件的时滞系统的鲁棒H_∞滤波问题:假设系统的参数矩阵带有不确定性,且不确定参数是时变且范数有界的.在系统的状态与输出中同时都含有非线性无穷分布时滞与离散时滞.在设计滤波器的过程中,引入了一个新的Lyapunov-Krasovskii泛函.通过线性矩阵不等式技术,提出了参数不确定时滞系统的鲁棒H_∞滤波器存在的时滞依赖条件.鲁棒H_∞滤波器可以保证带有参数不确定性的滤波误差系统是渐近稳定的,并且满足给定的H_∞性能指标.通过仿真的研究证明了该方法的有效性.