一类多通道不确定时滞大系统分散鲁棒H∞控制：LMI方法

研究多通道不确定时滞大系统的鲁棒分散H_∞控制问题. 假定不确定性是时不变、范数有界, 且存在于系统、时滞和输出矩阵中. 主要针对动态输出反馈控制问题. 基于Lyapunov稳定性理论, 通过设定Lyapunov矩阵为合适的块对角结构, 采用矩阵替换的方法推导出了使多通道不确定时滞大系统可鲁棒镇定, 且满足一定的扰动水平的时滞依赖充分条件即线性矩阵不等式(LMI) 有可行解, 并且给出了具有期望阶数的分散鲁棒控制器的设计方法. 数值例子说明了本文提出方法的有效性.     

线性时滞系统稳定性分析综述

时滞在工程领域广泛存在,对此综述了线性时滞系统的稳定性研究方法.从频域和时域两个角度详细介绍了各种方法的特点,着重讨论基于线性矩阵不等式(LMI)的分析方法,指出保守性是分析的重点.对现有结果的保守性进行比较和评述,并提出了改进的思路.     

连续不确定模糊系统的静态输出反馈控制

对于一类状态矩阵、输入矩阵和扰动输入矩阵中均含有不确定项的连续T-S模糊系统,研究其静态输出反馈控制问题.用矩阵不等式的形式给出了该模糊系统可通过静态输出反馈控制稳定的充分条件,并将矩阵不等式的条件转化为迭代线性矩阵不等式,同时给出了相应的迭代算法.最后用数值仿真例子说明了该算法的有效性和收敛性.     

一类不确定系统鲁棒容错D-稳定性分析

研究不确定系统D-稳定鲁棒容错H∞控制问题.基于连续型执行器故障模式,利用线性矩阵不等式(LMI)给出了系统D-稳定的鲁棒容错输出反馈控制器存在的充分条件,并将动态输出反馈控制器设计方法归结为求解一族线性矩阵不等式组.仿真示例表明,无论执行器是否发生故障,所得到的动态输出反馈控制器不仅保证闭环系统是D-稳定的,而且满足给定的H∞干扰指标,从而验证了所提出的控制器设计方法的有效性.     

连续时间T-S模糊系统的一种二次镇定方法

模糊隶属函数是模糊系统的重要组成部分,在系统镇定中考虑其结构和参数信息可以减少结果的保守性.为此,针对连续时间T-S模糊系统的二次镇定问题,提出一种新的放松二次镇定条件.运用一种有效的附加变量引入方式将隶属函数乘积界这一信息更好地纳入系统的镇定条件中,得到了比以往文献保守性更小的结果.所有结果均以线性矩阵不等式形式给出.仿真结果验证了所提出方法的有效性.     

具有区间时变时滞的离散Markov跳变系统鲁棒H∞控制

研究一类具有区间时变时滞的离散时间不确定Ｍａｒｋｏｖ跳变系统的时滞相关鲁棒H_∞ 控制问题．通过构造新的ＬｙａｐｕｎｏｖＫｒａｓｏｖｓｋｉｉ泛函,基于有限和不等式方法设计状态反馈控制器,使得闭环系统在容许不确定性下鲁棒稳定,且对能量有界的输入噪声满足一定输入输出H_∞ 增益．在新控制器存在条件中未引入任何自由变量矩阵,使之可更为有效地求解．基于锥补线性化的迭代算法可有效求解H_∞ 次优控制器．数值算例表明了所提出方法的有效性．     

基于T-S模型的输出反馈滑模控制及应用

为了使系统满足品质要求并对不确定因素具有较强的鲁棒性,采用滑模控制方法。建立被控对象T-S模糊模型。针对系统状态不完全可测特点,采用迭代线性矩阵不等式方法,利用输出信息构造滑模面。根据系统品质要求,采用参数鲁棒设计方法,配置所需极点,确定相应在参数空间的映射关系。应用平行分布补偿算法,根据映射产生的参数样本训练T-S模糊控制器,实现等效控制律。在此基础上应用高增益方法设计切换控制律,保证系统对满足匹配条件的不确定因素具有较理想的自适应性。最后,直升机模型的仿真结果表明,方法具有很好的控制效果。     

时滞依赖不确定线性系统的鲁棒H_∞控制

针对一类不确定性不满足匹配条件的具有时滞依赖不确定线性系统,研究了鲁棒H∞控制器的设计问题.基于线性矩阵不等式方法,通过构造合适的Lyapunov函数,给出了鲁棒H∞状态反馈控制器存在的充分条件,并通过求解相应的线性矩阵不等式完成了控制器的设计.仿真结果表明,所设计的控制器对所有容许的不确定性不仅使闭环系统渐近稳定,又能保证闭环系统满足一定的H∞性能指标,具有较好的抑制扰动的效果.     

Delay‐dependent stability and stabilization of neutral time‐delay systems

This paper is concerned with the problem of stability and stabilization of neutral time‐delay systems. A new delay‐dependent stability condition is derived in terms of linear matrix inequality by constructing a new Lyapunov functional and using some integral inequalities without introducing any free‐weighting matrices. On the basis of the obtained stability condition, a stabilizing method is also proposed. Using an iterative algorithm, the state feedback controller can be obtained. Numerical examples illustrate that the proposed methods are effective and lead to less conservative results. Copyright © 2008 John Wiley & Sons, Ltd.     

A Simplified Neural Network for Linear Matrix Inequality Problems

A simplified neural network model is proposed to solve a class of linear matrix inequality problems. The stability and solvability of the proposed neural network are analyzed and discussed theoretically. In comparison with the previous neural network models (Lin and Huang, Neural Process Lett 11:153–169, 2000; Lin et al., IEEE Trans Neural Netw 11:1078–1092, 2000), the simplified one is composed of two layers rather than three layers, and the neuron array in each layer is triangular rather than square. The proposed approach can therefore reduce the complexity of the neural network architecture. In addition, the simplified neural network can also be extended to solve multiple linear matrix inequalities with specific constraints, which enlarges the application domain of the proposed approach. Finally, examples are given to illustrate the effectiveness and efficiency of the simplified neural network.