不确定切换时滞非线性系统状态切换的指数稳定性

利用状态依赖控制策略对切换信号进行设计,使得一类参数不确定时滞非线性切换系统指数稳定且具有一定的??∞抗干扰性能。利用Lyapunov-Krasovskii (LK)函数方法,以线性矩阵不等式组的方式,给出了稳定切换律存在的充分条件,并且该系统是指数稳定的。通过引入自由矩阵并结合积分不等式技巧,得到了保守性较低的稳定性条件。仿真算例表明了所提出方法的有效性和较低的保守性。     

一类多时变时滞T-S模糊广义系统的容许控制

研究了一类具有多时变时滞的T-S模糊广义系统的容许控制问题。首先,给出了多时变时滞的T-S模糊广义系统数学模型,并且利用Lyapunov稳定性分析方法,得到了多时变时滞的T-S模糊广义系统的容许的一个充分条件,所得的结果对时变时滞的变化率没有限制。该充分条件可以通过严格线性矩阵不等式来求解。然后基于所给出的容许性定理,提出了状态反馈控制器的设计方法.最后,使用算例说明了所给方法的可行性和有效性。     

基于时变时滞动态拓扑的二阶Leader-Following多智能体一致性分析

针对具有时变时滞的二阶Leader-Following多智能体系统,研究了其一致性问题。假设其通信拓扑是时刻切换的,并且每个子时间段内系统拓扑不完全连通,采用Lyapunov-Krasovskii泛函和矛盾分析法,对系统进行了解耦分析,得出只需所有时间段内的拓扑并集连通,且系统的特征根满足一定条件,系统能达到一致,并进行了理论证明。以4个following智能体与1个leader智能体做成的网络为例进行具体说明,所得仿真结果验证了理论的有效性。     

具有区间时变时滞的线性离散系统新稳定准则

该文考虑了具有区间时变时滞线性离散系统的稳定性问题。通过构造适当的Lyapunov-Krasovskii泛函,得到一个改进的具有区间时变时滞线性离散系统的稳定性准则。与现有的此类文献相比较,该文得到了一个具有更小保守性且不需引入多余矩阵变量的稳定性准则。     

神经元PID在化工非线性时变过程控制中的应用

针对非线性时变性的控制对象传统PID算法难以得到满意的控制效果,对神经元PID控制器进行研究。利用神经元的自学习能力,遵从一定的最优指标,自动调整PID控制器的参数,使之适应被控对象以及输入参考信号的变化。用于非线性时变加热炉温度控制,仿真结果表明,神经网络PID控制能够适应系统结构参数的变化,快速跟踪输入信号的变化,控制精度高。     

运用HTC解决延迟容忍网络路由问题

针对传统最短路径算法不适用于延迟容忍网络(DTN)路由选择以及DTN路由选择的特性,提出了一种基于跳数、权值随时间变化(HTC)的最短路径算法. 该算法的设计不仅考虑到节点间空间因素,还考虑了无线链路的时间因素和该算法的复杂度与正确性. 仿真结果表明,与现有的最早接触(FC)路由算法以及最小预期时延（MED）路由算法相比,此算法可更有效地得到DTN中时延最短的路径.     

基于季节长记忆双自回归模型的日径流模拟

传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大,WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(C_v)和偏态系数(C_s)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法,可为日径流模拟...     

Modal Identification of Linear Time-varying Systems Using Continuous Wavelet Transform

A wavelet based identification method for linear time-varying systems is presented,and the ridge and skeleton of the continuous wavelet transform of free response is used to extract time-varying parameters. The stiffness and damping coefficients of single-degree-of—freedom systems,frequencies and damping ratios of multi-degree-of-freedom systems are estimated without any prior information of systems. The proposed method is applied to linear time-varying systems with both abrupt and smooth variation parameters. Gaussian white noise is added to the response to test the anti-noise performance of the algorithm. The simulation results show that the proposed method is capable of accurately tracking the variation of the systems.