一类MIMO网络控制系统的时滞相关控制器设计

针对一类具有多个独立传感器和执行器的多输入多输出(MIMO)网络控制系统(NCS),首先在传感器和执行器采用时钟驱动,控制器采用事件驱动的条件下将系统建模为具有多输入时延的连续时间系统,然后利用Lyapunov-Krasovskii泛函方法给出系统状态反馈控制器的设计方法.这种方法可直接通过求解一组线性矩阵不等式获得相应的控制器.     

时变时延比例积分状态反馈网络控制系统的稳定性

研究在传感器与控制器间、控制器与执行器间有时延和数据包丢失的网络控制系统的模型、指数稳定性和控制器设计问题.将时变时延和数据包丢失的比例积分状态反馈网络控制系统建模为有事件率约束的异步动态系统.基于异步动态系统理论、Lyapunov稳定性原理和线性矩阵不等式方法,提出网络控制系统指数稳定的半负定矩阵条件和比例积分状态反馈控制器设计方法.通过数值算例说明提出的网络控制系统指数稳定的半负定矩阵条件和控制器设计方法是可行的.     

切换广义被控对象网络控制系统状态反馈镇定

针对切换广义被控对象的网络控制系统,根据网络的时延特性,结合被控对象为广义切换系统的特点,在传感器采用时间驱动,控制器和执行器采用事件驱动,网络诱导时延小于一个采样周期时进行系统建模,然后通过构造李雅普诺夫函数和多李雅普诺夫函数的方法研究了系统的稳定性,并设计了保证时延切换广义网络控制系统渐近稳定的鲁棒状态反馈控制器.     

基于均衡实现的离散广义系统模型降阶

研究离散广义系统尤其是非因果子系统的模型降阶问题·首先对原系统进行系统变换,将降阶问题归结于只对非因果子系统进行化简,从而达到真正的广义系统的模型降阶,即保留系统原有的非因果性·然后分析了广义系统的可控性和可观性,且用Hankel奇异值的大小来衡量对应状态的可控程度和可观程度·结果表明,在均衡实现的系统中,较小的Hankel值所对应的状态的可控性和可观性都"较弱",从而为模型降阶提供了理论依据·最后对离散广义系统给出了一种新的降阶算法·数值仿真证明了该算法的有效性·     

T-S模糊广义系统的次优控制

基于T-S模糊系统模型,对一类非线性广义系统进行建模,给出了使得模糊广义系统二次稳定的模糊状态反馈控制器存在的充分条件,同时求出了该控制器下系统二次性能指标的上界;以线性矩阵不等式(LMIs)的形式给出了使系统二次性能指标上界最小的优化设计方法,同时给出了使得模糊广义系统二次稳定的模糊状态反馈控制器的设计方法;最后,通过一个数值例子证明了该控制器设计方法的有效性和可行性.     

具有时延及数据包丢失的广义网络控制系统稳定性分析

对一类具有时延及数据包丢失的正则、无脉冲广义网络控制系统进行分析,其中传感器采用时钟驱动,控制器和执行器采用事件驱动.假设传输时延小于一个采样周期,数据包传输成功率一定,将广义网络控制系统进行建模为异步动态系统,同时利用李雅普诺夫函数和线性矩阵不等式方法,给出系统稳定的充分条件.借助于Matlab LMI工具箱,可在判定系统稳定的同时,获得使系统稳定的状态反馈控制律.最后的仿真实例表明该方法的可行性.     

线性双时滞广义系统时滞依赖H∞控制

研究了线性双时滞广义系统时滞依赖H∞控制器设计问题.利用线性矩阵不等式方法和Lyapunov-K rasovskii泛函相结合,给出了线性双时滞广义系统的一个有界实引理.在此基础上,给出了H∞控制器的设计方法和存在的充分条件.该控制器的设计使得在满足一定的条件下闭环系统是正则、稳定、无脉冲的,且从扰动到控制输出的传递函...     

离散广义系统的渐近稳定性分析与控制

研究离散广义系统的渐近稳定性分析及控制问题·引入适合离散广义系统的Lyapunov函数,得到了该系统在正则条件下渐近稳定及可稳的等价条件·给出了相关的镇定方法,给出当广义系统具有因果性及非因果性下均适用的判定稳定性的方法·利用该方法可进一步研究广义系统鲁棒控制、H∞控制及容错控制问题·     

多时滞不确定广义系统的非脆弱H∞保成本控制

对一类具有结构不确定性的线性多时滞广义系统,结合了一个二次性能指标,研究其非脆弱H∞保成本控制律的设计问题.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,分别对控制器增益具有加法式摄动和乘法式摄动两种情形加以讨论,得到非脆弱保成本控制律设计的一个充分条件.该控制器能保证闭环系统稳定和一定的线性二次性能指标上界,同时具有H∞范数下的干扰抑制作用.最后,针对加法和乘法两种摄动的情况,用数值例子进一步说明本文所给方法的有效性.     

大学课程表问题的模型与算法

课程表问题(Tinletabling problem．简称TTP)是时间表问题之一，也是NP难问题。根据大学授课形式的特点建立了大学课程表问题的数学模型．并给出了求解该问题的遗传算法。为了提高解的质量和加快收敛速度，当相同时问段内班级重复出现时，给出了寻找可能的新位置的方法，并将其嵌入遗传算法，实验结果表明该方法是可行和有效的。