具有半马尔可夫跳跃的时变时滞系统的滑模控制研究

该文研究具有半马尔可夫跳跃的不确定连续时变时滞系统的滑模控制器设计问题.首先,通过研究系统的动力学特性,结合滑模面,建立描述滑模完整动力学的奇异系统.然后,充分考虑时滞信息,构造符合系统特性的Lyapunov泛函,给出滑模面存在的充分条件,保证滑模动力学系统的随机稳定性.基于此,设计滑模控制器,使闭环系统最终收敛到滑模面.最后,通过一个数值算例验证该文方法的有效性.     

离散时间马尔可夫跳变非线性系统H∞控制

讨论离散时间马尔可夫跳变非线性系统(MJNSs)的H∞控制。首先,本文采用一个马尔可夫跳变模糊系统(MJFS)来描述所研究的离散时间MJNS。然后,针对MJFS的跳变参数能够被在线实时检测和不能够被实时检测两种情况,分别给出了模式相关和模式无关的控制器设计方法。所得到的控制器能够保证闭环M JFS均方渐近稳定并且具有有限的L2增益。结果表明,控制器的设计可以转化为一组耦合的线性矩阵不等式求解的问题。     

一类具有时变时滞和Markov跳变参数的不确定系统滑模控制

针对一类具有时变时滞和Markov跳变参数的不确定系统,研究基于滑模超平面的变结构控制算法.该算法通过坐标变换将系统描述成简约型,在考虑时变时滞和不确定性的前提下,基于线性矩阵不等式(LMIs)方法给出了滑模平面的设计方法,推导出了随机稳定滑模面存在的充分条件,同时利用指数趋近律构造了整个系统的滑模变结构控制算法,并证明了该算法能够确保系统的运动轨迹在有限时间内到达并一直保持在滑模面上.最后通过数值仿真算例验证了设计方法的正确性和有效性.     

中立型带跳不确定变时滞随机系统鲁棒指数稳定

研究了一类中立型Markov跳变随机系统鲁棒指数稳定性,借助于Lyapunov-Krasovskii 泛函方法和随机稳定性理论,给出并证明了使中立型Markov跳变时滞随机系统指数稳定的充分条件,所有结果以线性矩阵不等式形式给出,算例表明了所给出的稳定性判据的有效性.     

基于干扰观测器的异构多智能体自适应滑模容错一致性控制

针对线性一阶和二阶异构多智能体系统,考虑到任意智能体可能发生的执行器故障以及受到外部干扰,研究了系统容错一致性控制设计问题.首先设计变增益扰动观测器,快速估计外部干扰;其次,利用一致性误差变量构造自适应积分滑模面,结合干扰观测器的估计值设计自适应滑模容错控制器.当异构多智能体系统存在执行器故障和外部扰动时,自适应滑模控制器可以保证智能体系统的位置和速度状态趋于一致.最后,利用Matlab仿真验证了所提方法的可行性与有效性.     

基于观测器的非线性不确定时滞跳变系统无源控制

该文基于鲁棒控制理论,采用线性矩阵不等式(LMI)方法,研究了一类非线性不确定时滞Markov跳变系统的无源控制问题,设计了基于观测器的无源控制器.通过构造合适的Lyapunov函数,给出了对所有允许的不确定、时滞和非线性,被控对象满足无源控制指标约束下系统渐近稳定的一个充分条件.求解一个线性矩阵不等式,即可获得系统的无源控制器.仿真示例显示了该文设计方法的有效性.     

Markov跳变系统滚动时域有限记忆控制

针对离散时间Markov跳变系统,提出滚动时域有限记忆控制的方法.在一段有限滤波时域上,利用系统输入与输出变量的线性组合构造一段有限控制时域上的输出反馈控制器.首先,不考虑跳变系统均方可镇定,基于最优控制的方法,获得以迭代计算形式给出的控制器,并使其在无偏条件下能优化二次型性能指标.其次,进一步考虑在成本衰减条件下确定终端加权矩阵,并以它作为边界条件计算得到最优控制律,调节系统均方稳定.为便于求解,成本衰减条件以线性矩阵不等式的形式给出.仿真实例验证了所提方法的可行性和有效性.     

基于SLQ控制器的时滞微分系统的鲁棒镇定

该文基于随机线性二次控制问题, 讨论了多时滞、且具有马尔可夫跳变参数的微分系统的最优控制的鲁棒性及可镇定问题.应用了Lyapunov-Krasovskii型的泛函、伊藤(Ito)公式、及Schur补等工具, 分析了该随机多时滞、具有马尔可夫过程的微分系统的均方指数稳定性.得到了时滞相关与时滞无关的充分性的代数判据.     

具有马尔可夫增量的随机游动的最小值的局部极限定理（英文）

本文考虑具有马尔可夫增量的随机游动(半马尔可夫链)的最小值,提出一种Presman因式分解的方法,对其分布的渐进行为进行研究并给出了局部极限定理.该结果可以应用于对马尔可夫随机环境下的分支过程的生存概率的渐进行为进行估计.     

基于扩张状态观测器的机电伺服系统饱和补偿与自适应滑模控制

针对带有未知摩擦力矩与输入饱和约束的机电伺服系统,提出了一种基于扩张状态观测器的伺服系统自适应滑模控制策略.首先,根据微分中值定理将非光滑饱和函数转化为仿射形式.其次,设计非线性扩张状态观测器并采用极点配置法确定观测器参数,用于补偿未知摩擦、饱和等非线性项以及外部干扰的影响.然后,通过结合参数自适应律和滑模理论,设计自适应滑模控制器,保证系统输出快速稳定地跟踪期望信号且改善抖振问题.仿真对比结果验证了所提方法的优越性.     

一类时滞Lipschitz非线性离散广义系统观测器的设计

针对一类时滞Lipschitz非线性离散广义系统,主要研究了系统的观测器设计问题.首先,基于广义系统的特殊结构对时滞广义系统进行变换,将系统转化为易于求取观测器的形式;其次,考虑到系统中的Lipschitz非线性项,将系统分两种情况并分别设计出了系统的观测器;最后,为保证系统与观测器的误差系统渐近稳定,通过利用线性矩阵不等式(LMI)的方法给出了两个观测器存在的条件,并通过数值例子验证了观测器设计方法的有效性.     

基于滚动时域Markov跳变系统的H_∞控制

针对带有外界干扰的离散Markov跳变系统,研究了滚动时域的H_∞控制问题.基于多步控制策略,利用反馈控制序列以及依赖于模态矩阵的Lyapunov函数,设计H_∞预测控制器,并且扩大了控制器的可行域范围.对于跳变模态间的转移概率部分未知的情形,得到保证鲁棒预测控制递归可行性的充分条件.通过将优化问题转化为半正定规划问题,给出基于滚动时域的H_∞控制器算法.仿真实例验证了所提出方法的有效性.     

一类随机非线性马尔可夫切换系统的输出反馈控制

研究了一类具有马尔可夫切换的随机非线性系统的输出反馈镇定问题.利用非线性增益观测器设计方法,结合反推技术,设计了输出反馈控制器,保证了闭环系统几乎处处有唯一解且闭环系统是几乎处处渐近稳定的.数值仿真验证了输出反馈控制器的有效性.     

不确定离散时间马尔可夫跳变模糊系统鲁棒H∞控制

讨论不确定离散时间马尔可夫跳变模糊系统(MJFS)的鲁棒H∞控制。首先,本文给出了能够保证系统鲁棒稳定且具有H∞鲁棒度的一个充分条件。然后采用并行分布补偿算法,将系统鲁棒H∞控制控制器的设计转化成为了一组线性矩阵不等式的求解问题,方便使用Matlab求解。最后的仿真结果表明,本文所提出的方法是有效的。     

基于观测器的模糊时滞系统的指数稳定控制

研究一类模糊时滞系统的指数稳定和基于观测器的模糊控制问题.在系统状态未知的情况下,通过设计系统的模糊观测器利用矩阵不等式分析的方法给出了系统指数稳定条件和基于观测器的动态输出反馈控制器设计方案.仿真结果说明了所提方法的有效性.     

基于扩张状态观测器的轮式移动机器人抗饱和自适应滑模轨迹跟踪控制

针对带有输入饱和约束的轮式移动机器人鲁棒轨迹跟踪问题,文章提出一种抗饱和自适应滑模控制方法.考虑到系统参数摄动和外部扰动等不确定因素对系统控制性能的影响,首先设计非线性扩张状态观测器来估计系统不确定因素,并基于估计值设计抗饱和自适应滑模控制器,消除系统的参数摄动、外部扰动和输入饱和约束对系统控制性能的影响.仿真对比结果验证了文章所提控制方法的优越性和有效性.     

一类离散非线性系统基于幂次函数的显式高阶滑模预测控制算法

针对一类不确定离散非线性系统,提出了一种显式高阶滑模预测控制算法:利用幂次函数趋近律和高阶滑模控制方法,结合预测控制策略,给出了一种高阶滑模预测模型,得到了显式的高阶滑模预测模型控制器,使其兼具滑模控制方法与预测控制方法的优点,有效削弱了滑模控制系统的抖振现象.最后用数值仿真算例证明了文章设计方法的有效性,与传统滑模预测控制相比,收敛速度更快,稳定性更好.     

一类不确定性拟单边Lipschitz非线性系统观测器设计

本文研究了一类不确定性拟单边Lipschitz非线性系统观测器设计问题.利用拟单边Lipschitz条件代替通常的Lipschitz条件,得到了这类不确定性非线性系统观测器设计的线性矩阵小等式判据.结果推广了该类系统鲁棒H∞观测器问题.文末,给出了几个仿真算例以验证所给方法的正确性.     

分数阶Nadolschi系统的有限时间滑模同步

研究了分数阶Nadolschi系统的有限时间滑模同步控制问题,基于Lyapunov稳定性理论给出了系统取得滑模同步的两个充分性条件,研究表明选取适当的切换函数和控制器下,系统取得有限时间滑模同步.     

网络化马尔可夫跳变系统的鲁棒无源控制

针对基于网络的凸多面体不确定离散时间马尔可夫跳变系统,研究其鲁棒无源控制问题.在网络诱导时滞是时变且有界的情况下,基于李雅普诺夫稳定性理论,通过构造参数依赖的随机李雅普诺夫泛函和运用广义系统变换,提出了不依赖模态的无源控制器存在的时滞依赖充分条件.所设计的鲁棒无源控制器保证了相应的闭环系统是鲁棒随机稳定且具有指定耗散率.将鲁棒无源控制器设计问题转化为一组线性矩阵不等式的可解性问题.仿真算例证明了本文方法的有效性.