一类模糊互联系统的新时滞依赖稳定性条件

针对一类连续模糊定常时滞互联系统,提出了一种模糊分散控制器的控制方法,给出了新的时滞依赖稳定性条件.应用Lyapunov函数法,自由权重矩阵,及线性矩阵不等式(LMIs)方法证明了模糊分散控制系统稳定.仿真结果进一步验证了所提出模糊分散控制方法的有效性.     

模糊输入时滞系统的输出反馈控制及稳定性分析

针对一类状态不可测的模糊输入时滞系统,应用平行分布补偿算法(PDC),设计了模糊观测器,提出了基于模糊观测器的输出反馈控制方法,给出了保证模糊时滞系统渐近稳定的新的充分条件.应用广义Lyapunov函数和线性矩阵不等式方法,证明了模糊输入时滞系统的渐近稳定性,同时给出了控制和观测增益矩阵的分离设计算法.仿真结果进一步验证了所提出的方法和条件的有效性.     

基于观测器的一类模糊时滞系统的容错控制

针对一类带有传感器故障的模糊时滞系统,提出了一种实现对系统的状态和传感器故障估计的观测嚣设计方法.在此基础上,给出了模糊容错控制方法及保证模糊控制系统的渐近稳定充分条件.应用广义Lyapunov函数和线性矩阵不等式方法,证明了模糊闭环时滞系统的渐近稳定性.仿真结果进一步验证了所提出的方法和条件的有效性.     

离散非线性时滞系统的鲁棒耗散控制

针对一类基于T-S模型表示的具有范数有界不确定性离散非线性时滞系统,研究了鲁棒耗散模糊控制问题.对可用T-S模糊模型表示的非线性时滞系统,考虑系统具有范数有界参数不确定性时,应用并行分布式控制方法,得到使得系统稳定且严格耗散的模糊耗散控制器存在的充分性条件.进而通过建立和求解LMI(线性矩阵不等式)约束的凸优化问题,给出了耗散控制律的设计方法.数值算例表明了此方法的可行性和有效性.     

基于观测器的一类时滞不确定非线性离散系统的鲁棒模糊控制

讨论一类基于Takagi-Sugeno(T-S)模糊模型的具有时滞的不确定非线性离散系统的模糊鲁棒控制问题。在系统状态不可测的情况下。设计模糊观测器。利用LMI方法，得到模糊控制系统鲁棒稳定的充分条件。     

具有时滞和参数不确定性的网络系统的滑模控制

研究了一类具有时滞的不确定网络控制系统(NCS)的滑模控制.首先,用一种特殊的变换将不确定时滞系统化为非延迟不确定系统形式.然后基于Lyapunov稳定性理论及线性矩阵不等式(LMI)技术,以线性矩阵不等式的形式给出了该系统的一些新的稳定性判据.所提出的控制器能够使具有不确定性的时滞系统渐近稳定性,而且控制器结构简单,计算方便.最后通过数值模拟,验证了所设计方法的有效性.     

基于LMI的时滞关联模糊大系统的分散镇定

讨论了具有时滞关联的连续时间模糊大系统的分散镇定问题 ,基于李亚普诺夫稳定性理论及大系统分散控制理论 ,给出了保证该时滞模糊大系统闭环渐近稳定的 LMI形式的充分条件 .满足这些充分条件的分散化并行分布补偿 ( DPDC)控制器参数可通过 MATLAB的 LMI工具箱有效的对其进行求取 .     

基于观测器的模糊时滞系统指数稳定的一种设计方法

研究了一类模糊时滞系统的指数稳定问题.首先利用T-S模型对非线性不确定性时滞系统进行建模,在此基础上设计了基于观测器的模糊状态反馈控制器,通过巧妙选取Lyapunov函数给出了模糊闭环时滞系统的条件及稳定裕度且模糊反馈增益和模糊观测器增益可通过求解线性矩阵不等式获得.     

基于模糊Lyapunov函数对带有离散无穷分布时滞的T-S模糊系统的非PDC广义H2控制

基于模糊分段非二次李雅普诺夫(Lyapunov)函数稳定性理论,对一类受外部干扰且带有离散无穷分布时滞的T-S模糊系统的广义H2稳定控制问题进行了讨论.通过设计非PDC (Non-PDC)模糊控制器,充分考虑子邻域Ωi(i=1,2,…,s)之间的转移,给出了保守性较小的使闭环系统广义H2稳定的充分性条件.控制器的设计可以通过线性矩阵不等式(LMI)方法求解得到.仿真例子验证了该方法的有效性.     

基于T-S双线性模型的不确定离散时滞非线性系统的分段广义H2控制

针对系统中普遍存在时滞和系统不确定性现象,基于分段二次李雅普诺夫函数稳定性理论,讨论一类受干扰的不确定离散时滞模糊双线性系统的广义H2稳定控制问题。通过设计非脆弱分段状态反馈控制器,使闭环系统在允许参数不确定范围内广义H2稳定,控制器的设计可以通过序列线性规划矩阵方法(SLPMM sequential linear programming matrix method)方法求解得到。仿真例子验证了该方法的有效性。     

一类时滞非线性系统的自适应模糊控制

对于一类SISO输入时滞已知,状态时滞不确定但有上界的能采用后推设计方法的非线性系统提出一种基于后推设计、自适应模糊控制和滑模控制的控制方案.通过状态变换,把输入时滞系统转化为无输入时滞的系统.用模糊系统来估计系统的未知连续函数,对转化后的新系统设计自适应滑模控制器,使得新系统的状态有界,通过递推证得原系统的状态半全局一致有界.     

基于non-PDC算法的T-S模糊时滞系统的控制

针对一类T-S模糊模型描述的非线性时滞系统,提出了基于非并行分布补偿(non-PDC)算法的模糊状态反馈控制方法。为了减少保守性,选择一个新的二重积分不等式,用以处理求导LyapunovKrasovskii泛函所得的积分项。不同于并行分布补偿(PDC)算法,本文给出的基于non-PDC算法的模糊状态反馈控制器不要求与模糊模型分享共同的隶属函数或者相同的模糊规则数目,因此具有更大的设计灵活性。为了进一步减少non-PDC算法带来的保守性,考虑隶属函数的边界信息,同时引入适当的松弛变量。最后给出卡车拖车模型的仿真实例,证明了所提方法的有效性。     

离散时间二型模糊双线性时滞系统的可达集估计与耗散性

文章研究了一类带有时变时滞和外部干扰的非线性系统的可达集估计与耗散控制问题.首先,考虑非线性系统的不确定参数,将非线性系统建模为区间二型模糊双线性时滞系统.其次,通过构造Lyapunov-Krasovskii泛函,提出区间二型模糊状态反馈控制准则,并利用反互凸组合引理界定二、三重时滞差分交叉项,得到保守性较小的区间二型模糊双线性闭环系统的可达集估计条件及系统严格耗散稳定性充分性条件.定理的条件可以保证系统的所有状态都收敛在一个椭圆内,并通过序列线性规划矩阵方法得到模糊控制器.最后,给出数值算例和仿真结果验证所得结论的有效性和正确性.     

一类单时滞线性系统的模糊变结构控制

研究了一类单时滞线性系统变结构控制律的设计方法,基于模糊T-S模型把一类单时滞线性系统化为若干个时滞子系统,然后对时滞子系统设计变结构控制律,取全局控制作为系统的控制律,从而达到对单时滞线性系统系统进行控制的目的,给出了单时滞系统的滑模稳定的条件.仿真表明控制策略的有效性.     

模糊广义系统的时滞依赖稳定与镇定条件

研究T-S模糊广义系统的时滞依赖稳定与镇定问题.利用Lyapunov泛函方法,得到一个线性矩阵不等式(LMIs)形式的时滞依赖稳定条件.本文所提方法考虑以前方法中通常忽略的有用的项,引入松弛变量矩阵和自由权重矩阵,估计Lyapunov泛函导数的上界;在此基础上,设计状态反馈模糊控制器,保证了闭环系统是局部正则、局部无脉冲和渐近稳定的.所得结果无需矩阵分解和利用锥补线性化方法进行迭代,最后通过两个仿真示例表明了本文结果具有较小的保守性.     

一类时滞连续模糊系统稳定性研究

对一类状态时滞连续模糊系统模型稳定性进行了研究,基于Lyapunov稳定性理论证明其系统的稳定性,利用线性矩阵不等式(LMI)方法,得到其稳定的一个充分条件.最后用数值例子进一步说明本文所给方法的有效性.     

离散区间二型模糊双线性时滞系统的稳定控制

本文研究了带有常时滞的离散时间二型模糊双线性系统的状态反馈控制问题。首先,考虑隶属函数的不确定性,将非线性系统建模为区间二型模糊双线性系统。其次,基于Lyapunov稳定性理论,提出了区间二型模糊状态反馈控制准则,以保证区间二型模糊双线性闭环系统的稳定性。控制器的设计可以通过序列线性规划矩阵方法求解得到。最后,通过数值仿真例子验证所得结果的有效性和正确性。     

具分布时滞模糊BAM神经网络的指数稳定性

介绍了一类具分布时滞的模糊BAM(bi-directional associative memory)神经网络.通过构造Lyapunov-Krasovskii泛函及利用线性矩阵不等式方法,得到了此类系统平衡点的指数稳定性的一个充分条件.在设计具时滞的人工BAM神经网络时,全局指数稳定的结果有很重要的意义.此外,给出一个实例说明我们的结果是可行的.     

非线性多时滞系统的直接自适应模糊控制

针对一类单输入单输出非线性多时滞系统,提出了一种自适应模糊跟踪控制方案.该方案结合了自适应控制和H∞控制.构建了自适应时滞模糊逻辑系统用来逼近未知时滞函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律.证明了误差闭环系统满足期望的H∞跟踪性能.仿真结果表明了该方案的有效性.     

面向混频数据的时滞GM(1,N)模型

采样频率不同、间距不等的混频数据背景下,考虑时滞是系统要素间因果作用的常见现象,提出含时滞参数的混频GM(1,N)建模方法。根据时滞特征不同,将模型划分为两类:同步推移型时滞GM(1,N)模型和累积型时滞GM(1,N)模型。同步推移型用于表征时滞长度固定但起始时间不确定、具有管道延迟性质的时滞关系。累积型用于表征时滞长度不确定、因果效应逐步叠加的时滞关系。将指数Almon函数作为时滞分布函数,该函数可完全由数据驱动生成递增、递减、S型、U型、钟型等多种形态,有助于挖掘混频数据中的时滞信息。数值分析的结果验证了模型的有效性。模型对于存在低频小样本数据的混频时滞系统具有很强的适用性。