带有随机时滞的非线性网络控制系统的镇定

考虑了一类非线性离散系统的网络控制问题.通过齐次马尔可夫链描述采样器-控制器和控制器-执行器的时延,将网络控制系统建模为带跳非线性系统.利用Lyapunov方法和线性矩阵不等式技巧,得到了系统随机稳定的充分条件,并给出了镇定控制器的设计方法.数值例子的仿真结果验证了所得方法的有效性.     

网络环境下离散时间非线性系统量化输出反馈镇定

研究了带有扇形非线性和不完美测量的离散时间系统的输出反馈镇定问题.所提出的控制律模型同时考虑了网络诱导的时滞、丢包和信号量化.通过选取恰当的李亚谱诺夫泛函,得到了依赖于网络状况且具有较少保守性的稳定条件.据此,以一种非线性矩阵不等式的方式给出了静态输出反馈镇定控制器的存在性准则,该非线性矩阵不等式可以利用所提出的锥补线性化(cone complementary linearization,CCL)方法求解.最后提供了一个数值例子验证了方法的有效性.     

马尔可夫时滞网络控制系统的稳定性

针对同时具有马尔可夫(Markov)链跳变特性时滞和随机丢包现象的网络控制系统,建立了网络控制系统的离散模型,利用李亚普诺夫稳定性理论、线性矩阵不等式和自由权矩阵方法,分析了系统的均方稳定性和均方可镇定性,并基于线性不等式给出了系统均方稳定、镇定判据.该方法能判定具有马尔可夫时滞和丢包的网络控制系统的均方稳定性,并设计出同等条件下的均方可镇定时滞依赖控制器.与现有方法相比.能更准确地描述网络时滞特性,有效减小系统保守性,结果更具一般性.最后通过仿真实例证明了方法的有效性.     

状态滞后区间系统的鲁棒H∞控制

研究了系统矩阵、时滞矩阵和输入矩阵均含有不确定性的状态滞后区间矩阵系统的H∞鲁棒控制问题.利用区间矩阵定义的等价形式使其结构化,运用矩阵不等式给出了时滞区间控制系统H∞鲁棒镇定的充分条件,并根据所给充分条件解一个代数R iccati方程,从而得到H∞鲁棒镇定控制律.     

无线传感器网络动态κ值簇头选择方法

在低功耗自适应集中分层协议(LEACH-C)基础上,提出了基于LEACH-C的能量均衡路由算法(LEACH-EB),该算法采用1轮全局分簇和κ轮局部簇头更新的方式,以达到进一步延长网络生命周期的目的.鉴于采用固定的κ值时传感器网络难以获得最佳性能,分析了不同κ值下的网络性能,提出一种基于LEACH-C的动态κ值簇头选择方法 LEACH-CK.其核心思想是每次全局分簇后,结合当前分簇情况和节点剩余能量计算出一个较优的κ值.OMNeT++(面向对象的离散事件网络模拟器)仿真结果显示:LEACHCK可以有效推迟网络中第一个节点死亡的时间,同时网络具有较好的稳定性.     

一类带有马尔科夫丢包的非线性网络控制系统的镇定

研究了一类非线性网络控制系统(NCS)的镇定问题.通过采用丢包依赖的Lyapunov函数方法,得到带有马尔科夫丢包的非线性NCS的稳定性定理,并以线性矩阵不等式(LMIs)的形式给出镇定模糊控制器的设计方法.     

矩阵半张量积在求解四元数线性系统中的应用

近年来，矩阵半张量积被广泛应用于布尔网络、混合值逻辑网络、电力系统非线性鲁棒稳定控制代数问题等的分析与控制.该文提出了它在四元数线性系统中的一种新的应用.利用矩阵半张量积、四元数矩阵的实向量表示和四元数三对角Hermitian(反Hermitian)矩阵的特殊结构，得到了四元数矩阵方程(AXB，CXD)＝(E，F)的最小二乘三对角Hermitian(反Hermitian)解的表达式.给出了四元数矩阵方程相容的充要条件以及在相容条件下的通解表达式.还给出了数值算法，并通过实验验证了该方法的有效性.     

有限值动态系统的分析与控制研究进展

介绍了近期关于有限值动态系统及其应用的一些研究结果,包括有限值动态系统的背景、常见的有限值动态系统、有限值动态系统分析与控制的重要研究工作等.主要介绍了逻辑动态系统、网络演化博弈、有限域网络和非线性反馈移位寄存器四种有限值动态系统.针对四种有限值动态系统,分别介绍了基本研究问题和当前热点研究问题,比如:逻辑动态系统的集合能控、依分布稳定、镇定,有限域网络的一致性、主从一致性等.主要对基于矩阵半张量积方法研究有限值动态系统的最新研究结果进行综合概述.最终给出了有限值动态系统现存的问题以及研究前景.     

基于非线性时滞系统与时滞相关的H_∞控制

考虑非线性时滞系统的H∞控制,并对非线性项给出了一个新假设,在其假设下利用线性矩阵不等式方法得到了与时滞相关的H∞控制,同时也得到了该类非线性时滞系统鲁棒镇定的充分条件.     

不确定线性时滞系统的一种鲁棒镇定方法

利用Lyapunov泛函方法研究了不确定线性时滞系统的鲁棒镇定问题.不确定性是范数有界的时变矩阵.为了估计Lyapunov泛函的导数,首先建立了两个对称矩阵Schur补之间的一个不等式,据此得到了一个关于不确定二次函数上界的不等式.通过对不确定二次函数的估计和矩阵运算,把Lyapunov泛函导数的负定性转化为线性矩阵不等式的可行性问题,从而得到了系统可以鲁棒镇定的充分条件,同时用线性矩阵不等式的解构造了鲁棒状态反馈控制器的增益矩阵.数值算例表明,这种鲁棒镇定方法具有较小的保守性.     

一类线性不确定性时滞系统的鲁棒控制器设计

研究一类具有状态和控制输入不确定性的时滞系统的鲁棒镇定问题.基于Lyapunov函数,利用线性矩阵不等式给出了系统可由状态反馈鲁棒镇定的充分条件,并且利用线性矩阵不等式的解构造了状态反馈控制律.所得结果包含时滞的信息,比不依赖于时滞的结论具有较少的保守性.     

不确定广义非线性关联大系统的分散鲁棒控制

考虑了一类具有相似结构的不确定广义非线性关联大系统,利用Lyapunov稳定理论和矩阵理论,借助广义大系统的分解原理研究了该类系统的分散镇定问题.运用Lyapunov方程的方法结合矩阵的范数性质得到了系统可镇定的条件,并给出了一种分散鲁棒镇定控制器的设计.同时,获得了不确定广义非线性关联大系统及各个孤立子系统同时渐近稳定的不确定量的范数界.     

一类不确定非线性离散时滞系统的鲁棒镇定问题

研究了不确定非线性离散系统的鲁棒镇定问题,把不确定非线性离散系统的鲁棒镇定问题转化为严格的线性矩阵不等式,给出了可设计系统无记忆状态反馈控制律的充分条件;当条件满足时设计出无记忆状态反馈控制律使闭环系统渐近稳定,同时得到有界非线性扰动项的最大界值.然后把结果推广到非线性时滞系统,得到了相应的结果.     

不确定广义分数阶系统的鲁棒镇定性（英文）

不确定广义分数阶系统的容许性和鲁棒镇定性问题是困难但有趣的.该文首先,应用状态反馈控制器,给出了闭环系统鲁棒镇定的充分条件.接下来,应用矩阵的奇异值分解和线性矩阵不等式技术,得到了一个基于静态输出反馈控制器的新的镇定性结果,它具有线性矩阵不等式的形式.最后,通过两个数值例子来验证该文所提出的方法的有效性.     

一种非完整移动机器人有限时间跟踪控制算法

针对非完整移动机器人的轨迹跟踪控制问题提出了一种有限时间控制算法 .与基于非连续状态反馈的有限时间控制算法相比 ,该控制算法更适合于工程应用 .设计了 2个连续状态反馈的控制律分别渐近镇定前向角和平面坐标跟踪误差 .由此得到的闭环系统是齐次的并且具有负的齐次度 .结合齐次系统的有限时间稳定性结果和Lyapunov方法 ,证明了在这些控制律作用下 ,对满足一定角速度条件的期望轨迹 ,非完整移动机器人能够实现全局跟踪 ,并且能够在有限时间内完全跟踪上期望轨迹 .仿真结果表明了该方法的有效性 .     

一类不确定时滞大系统的分散鲁棒镇定

主要研究了一类控制输入时滞和关联时滞均为时变时滞的不确定时滞大系统的分散鲁棒镇定问题.基于不确定项的表达形式,分别利用Riccati矩阵不等式方法和线性矩阵不等式方法,给出了其可分散状态反馈镇定的充分条件,最后通过一组数值算例证明了这种方法的有效性.     

经由控制器切换下的不确定时滞系统的鲁棒控制

研究了一类基于控制器切换下的不确定系统的鲁棒镇定问题．假设系统存在有限个备选的静态状态反馈控制器，在每个备选的控制器均不能镇定系统的情况下，针对状态矩阵、控制输入矩阵及状态时滞部分同时带有参数不确定性的系统，利用凸组合条件设计出相应的切换策略，经由控制器切换得到了不确定系统镇定的一个充分条件，并且此条件可转化为求解线性矩阵不等式（LMI）问题．最后仿真结果表明所设计切换策略的正确有效性．     

带有时变时滞的中立型随机系统的鲁棒镇定和H_∞控制

研究了带有时变时滞的中立型随机系统的鲁棒镇定和H∞控制问题.利用Lyapunov泛函方法和It o^公式,基于状态反馈控制器,以线性矩阵不等式(LMI)形式给出了闭环系统鲁棒镇定及H∞控制的新方法.最后,数值算例说明了该方法的有效性.     

一类非齐次马氏链的收敛速度

在B．Bowerman等人研究转移矩阵列收敛的一类非齐次马氏链,其Cesaro平均收敛的收敛速度基础上,研究转移矩阵列平均收敛到一周期强遍历随机矩阵的一类非齐次马氏链,通过控制转移矩阵平均收敛的收敛速度,利用矩阵范数的性质、非齐次马氏链的相关性质,得到该非齐次马氏链转移矩阵Cesaro平均收敛的收敛速度,是B．Bowerman等人结果的一个推广,并将这一结果应用于期望平均费用．     

奇异系统矩阵的精细积分

在原有精细积分法的基础上,对非齐次方程出现奇异矩阵的问题进行探讨.采用奇异值分解法,利用奇异值分解得到的正交矩阵.将奇异矩阵转化为非奇异矩阵,然后利用精细积分法进行求解,最后通过转换矩阵得到原奇异问题的解.数值算例表明,该方法简单易行,并保持了精细算法的优点.