区间矩阵的Hurwitz与Schur鲁棒稳定性检验

提出基于二维面检验的区间矩阵Ｈｕｒｗｉｔｚ与Ｓｃｈｕｒ鲁棒稳定的充分必要条件。证明区间矩阵的Ｈｕｒｗｉｔｚ与Ｓｃｈｕｒ鲁棒稳定性可由其二维表面的稳定性保证。为证明本文区间矩阵的鲁棒稳定性检验的可应用性，给出了实例。     

一类2-D奇异系统的鲁棒稳定性分析

针对一类不确定2-D奇异系统第二类Fornasini-Marchesini(SFM-Ⅱ)模型,在闭环系统边界相容,且无跳跃模的条件下,基于Lyapunov稳定性分析方法,利用线性矩阵不等式(LMI)得到具有不确定参数的二维SFM-Ⅱ系统鲁棒稳定性充分条件,并给出了不确定系统的静态状态反馈控制律,为2-D奇异系统的分析与设计提供了一条有效途径。     

具有时滞和的非线性系统的鲁棒稳定性分析

针对具有时滞和及模有界参数不确定性的非线性系统,研究了鲁棒稳定性问题。通过构造新的Lyapunov泛函。其中考虑了时变时滞和时滞上界信息,并应用新的方法估计Lyapunov泛函导数的上界,以线性矩阵不等式形式给出了系统的时滞相关型稳定性判据。数值实例表明了结果的有效性和较小保守性。     

时变时滞区间神经网络的全局鲁棒稳定性判据

本文主要研究时变时滞区间神经网络的全局鲁棒稳定性问题, 利用区间神经网络的等价转换和自由矩阵技术, 给出一个新的区间神经网络平衡点的时滞依赖全局鲁棒稳定性的充分条件, 这个条件以线性矩阵不等式的形式给出, 容易验证, 保守性低.最后, 通过数值实例验证了所提算法的正确性和更低的保守性.     

具有参数摄动的时滞Hopfield神经网络的鲁棒稳定性

 研究一类具有参数摄动的时滞Hopfield神经网络模型的鲁棒稳定性.应用Lyapunov泛函法,给出了平衡点渐近稳定的充分条件.利用矩阵范数的性质及线性矩阵不等式(LMI)理论,又得到了两个便于计算和验证的推论.提供了一种估计网络渐近稳定平衡点吸引域的方法,并详尽地分析了吸引域对神经网络实现联想记忆的影响.数值例子进一步证明了结论的有效性.     

一类区间控制系统鲁棒绝对稳定性的LMI方法

本文对于区间Lurie控制系统，基于区间矩阵的等价描述和S-过程，构造了关于Lurie型Lyapunov函数中正定矩阵和积分项系数等自由参数的线性矩阵不等式(LMI)，通过LMI的解构造的Lyapunov函数来保证系统的鲁棒绝对稳定性，不必选择和调整参数。不仅讨论了无穷扇形角的情形，而且还讨论了有限扇形角的情形，所获得的结果适用于系统具有多个非线性执行机构的情形。最后给出一个实例说明本文方法的有效性，并通过实例分析了扇形角的大小与鲁棒稳定度的关系。     

基于LMI的时变时滞Cohen-Grossberg神经网络鲁棒稳定性

 研究了时变时滞Cohen-Grossberg神经网络的全局鲁棒稳定性问题.基于线性矩阵不等式技术,给出了保证时变时滞Cohen-Grossberg神经网络平衡点唯一性和全局鲁棒稳定性的新判据.这些新判据不依赖于时滞的大小和放大函数,且与现有的一些结果相比,具有易于验证、适用范围广、条件更不保守等特点.仿真结果验证了本文方法的有效性.     

具有参数摄动的时滞Hopfield神经网络的鲁棒稳定性分析及吸引域的估计

研究一类具有参数摄动的时滞Hopfield神经网络模型的鲁棒稳定性.应用Lyapunov泛函法,给出了平衡点渐近稳定的充分条件.利用矩阵范数的性质及线性矩阵不等式(LMI)理论,又得到了两个便于计算和验证的推论.提供了一种估计网络渐近稳定平衡点吸引域的方法,并详尽地分析了吸引域对神经网络实现联想记忆的影响.数值例子进一步证明了结论的有效性.     

离散马尔可夫跳跃系统的鲁棒H∞滤波

研究了离散时滞不确定马尔可夫跳跃系统的鲁棒H_∞滤波器设计,其中系统的参数为范数有界不确定且时滞相关。基于李雅普诺夫函数的方法和引入附加矩阵,得到新的稳定条件,具有较小的保守性。根据得到的稳定条件,通过求解LMI得到滤波器参数,并最终通过数据示例验证方法的可行性。     

一类神经网络指数鲁棒稳定性分析

文中研究了一类变时滞区间神经网络的全局指数鲁棒稳定性。取消了变时滞参数为可导函数的假设,通过构造合适的Lyapunov函数,利用Halanay不等式和矩阵范数不等式,得到了一个新颖的区间神经网络全局指数鲁棒稳定的充分条件,该条件与系统的时滞参数无关。根据所得结论,还得到了一个线性矩阵不等式条件,该条件可以用LMI工具箱验证,便于在实际中的应用。最后通过一个数值例子和相应的计算机仿真结果验证了所得结果的有效性。     

Statistically robust design of linear filter for non-regenerative MIMO relay systems

This paper addresses the robust linear filter design issues for non-regenerative multiple input multiple output (MIMO) relay systems with imperfect channel state information (CSI) in both or partial hops. By considering statistical Kronecker channel model involving channel mean and antenna correlation, the robust linear processing schemes in imperfect CSI scenario for both hops are first derived based on mean squared error (MSE) criterion. In addition to this, the result is also extended to two practical scenarios, i.e. imperfect CSI for relay link with perfect CSI for access link and imperfect CSI for access link with perfect CSI for relay link. Simulation results show that the proposed scheme is capable of mitigating the performance degradation caused by the imperfect CSI.     

一类混沌系统的动态输出反馈控制

为了对一类混沌系统实施控制,提出了利碍新的控制器来控制混沌系统。以往的混沌控制方法只针对个别特殊的混沌系统,而利用动态输出反馈的方法能控制一类混沌系统,这方面的工作以前也曾有过。利用李雅普诺夫稳定理论,结合线性矩阵不等式优化方法,分析了系统的稳定性。数值仿真也表明了所提出的控制策略的有效性。     

线性时滞广义系统的时滞相关稳定性

本文研究了线性时滞广义系统的时滞相关稳定性。首先将该系统转化为一个带约束条件的中立型系统，然后利用Lyapunov-Krasovskii V泛函方法，利用Park不等式，获得了基于LMI的时滞相关稳定充分条件，该条件具有一般性，包含正常线性时滞系统作为其特例。最后的数值例子表明所得结论较已有文献具有较小的保守性。     

多时滞Lurie网络控制系统动态输出反馈控制器设计

针对一类具有非理想网络状况,如时变网络时滞、分组丢失和乱序等问题的基于动态输出反馈控制器的网络控制系统,建立了多时滞Lurie网络控制系统模型,应用Lyapunov-Krasovskii泛函方法,保留Lyapunov-Krasovskii泛函导数中经常被忽略的有用项,提出了一种具有更低保守性的多时滞Lurie网络控制系统时滞相关稳定条件。并通过增加一等式约束将非线性矩阵不等式转化为线性矩阵不等式表示的可解性问题,给出了一种动态输出反馈控制器的设计方法。数值实例表明该设计方法具有更低的保守性。     

悬臂式倒立摆H_∞控制设计及仿真

针对旋臂式倒立摆的稳定控制问题,建立了二阶旋臂式倒立摆系统的数学模型,运用连续系统线性鲁棒H∞最优控制理论,通过设计旋臂式倒立摆控制系统的鲁棒调节器,使倒立摆系统在闭环状态下稳定并具有较强的鲁棒稳定性。运用Matlab进行仿真,通过与传统线性二次型最优控制配置方法相比较,结果发现鲁棒H∞最优控制效果更好。     

多时滞Cohen-Grossberg神经网络鲁棒稳定性的新判据

分析了一类具有多时滞及参数摄动的Cohen-Grossberg神经网络的全局鲁棒稳定性.通过构造适当的Lyapunov泛函,以线性矩阵不等式形式给出了平衡点全局鲁棒稳定的判据.此外,所有结论的建立都不需要假定互连矩阵的对称性及激活函数的可微性和单调性.仿真结果进一步证明了结论的有效性.     

Global robust stability of a class of discrete-time interval neural networks

This paper is concerned with global robust stability of a general class of discrete-time interval neural networks which contain time-invariant uncertain parameters with their values being unknown but bounded in given compact sets. We first introduce the concept of diagonally constrained interval neural networks and present a necessary and sufficient condition for global robust stability of the interval networks regardless of the bounds of nondiagonal uncertain parameters of state feedback and connection weight matrices. Then we extend the result to general interval neural networks. Finally, simulation results illustrate the characteristics of the main results.