基于LMI的连续时间模糊大系统的分散镇定

讨论了连续时间模糊大系统的分散镇定问题。整个模糊大系统由m个相互关联的T-S子模糊系统组成。基于李亚普诺夫稳定性理论及大系统分散控制理论,将单个模糊系统的稳定性条件推广到关联模糊大系统的情形,给出了保证该模糊大系统闭环渐近稳定的分散化并行分布补偿(decentralizedparalleldistributedcompensation,DPDC)控制器的设计方法。这些分散控制器的存在条件均以LMI的形式出现,因此可通过Matlab的LMI工具箱有效地对其进行求解。仿真例子说明了所提方法的有效性。     

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统（NCS）中的随机时变时延,提出了一种用最小二乘支持向量机（LS-SVM）预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数（RBF）作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。