基于输出反馈的网络系统控制器的设计

对网络控制系统进行分析,在考虑网络诱导时延和数据包丢失的基础上,基于一定的数据包丢失率和不大于一个采样周期的时延建立数学模型,研究了动态输出反馈网络控制系统指数稳定性和控制器设计问题,将系统建模为结构事件率约束的异步动态系统.利用线性矩阵不等式方法推导出网络接通率约束的系统指数稳定的充要条件,给出了确保系统稳定的控制器设计方法,仿真实例说明研究结果是有效可行的.     

一类非线性随机网络系统的均方指数稳定控制

研究了一类非线性随机网络控制系统的均方指数稳定控制问题.通过在网络诱导时延的时变区间插入分点,把网络诱导时延转化为满足区间Bernoulli分布的随机变量,并根据随机变量在不同区间上的取值,利用T-S模糊方法建立了网络控制系统新模型.把线性矩阵不等式方法应用到新模型的处理中,得到了时延依赖的指数稳定条件,给出了模糊控制的设计方法,并对一类具体的网络系统进行了数值计算和模拟仿真.     

模糊神经网络系统的鲁棒控制器设计

设计模糊神经网络系统的鲁棒控制器,通过构造Lyapunov函数,推导出系统的鲁棒稳定性的条件和鲁棒控制律,并通过仿真验证所设计的控制器的有效性。     

时延离散网络系统的均方指数稳定控制

针对带有随机时延和数据包丢失的不确定离散网络系统,得到了系统的均方指数稳定控制器设计策略。通过把网络诱导时延和数据包丢失看作满足Bernoulli分布的等价时延,并结合等价时延在不同区间上的概率取值,建立了更加切合实际的网络系统数学模型,并在此基础上,结合Lyapunov稳定性理论,对网络系统的均方指数稳定性进行分析,同时给出了输出反馈鲁棒控制器设计方法。仿真算例说明了该方法的有效性。     

一类离散时滞大系统的指数稳定非脆弱控制器设计

研究了一类离散时滞大系统的指数稳定非脆弱控制器设计问题.基于Lyapunov稳定性理论和线性矩阵不等式方法,设计系统的状态反馈非脆弱控制器,以线性矩阵不等式形式给出系统的指数稳定的充分条件,并可以通过M atlab十分方便地求解.     

工业以太网络控制系统的建模及其控制器设计

为了解决多种现场总线难以集成的难题,提出基于工业以太网的网络控制系统.研究同时具有网络诱导时延和数据包丢失的工业以太网络控制系统的建模问题.假设数据包丢失率一定,网络延时不大于一个采样周期,将工业以太网络控制系统建模为具有事件率约束的异步动态系统.针对对象状态不完全可测情况,研究采用动态输出作为反馈的网络控制系统指数稳定问题,给出确保系统稳定的动态输出反馈控制器的设计方法,并通过仿真算例证明该方法的有效性.     

一类连续时间网络控制系统分析及控制器设计

针对网络控制系统中存在数据传输时延和数据包丢失,以及由被控对象和控制器之间的不同步给系统所带来的稳定性问题,提出了一种状态反馈控制器设计方法。采用带有延时的被控对象模型和Lyapunov泛函,得到了时滞相关稳定性的充分条件,并以线性矩阵不等式（LMI）的形式表示出来,最后仿真实例验证了所得控制器设计方法的有效性和可行性...     

RLED机器人神经网络在线辨识及控制器设计

对考虑模型误差和外界干扰信号等不确定性因素在内的电驱动刚性机器人系统,运用神经网络和基于Lyapunov函数的逆向递推法提出一类自适应跟踪控制器.神经网络用于辨识机器人系统中包括电流一阶导数在内的复杂非线性项和不确定性因素;而基于Lyapunov函数的逆向递推法则保证了控制系统的鲁棒稳定性和干扰抑制性能.通过系统稳定性分析可以得到控制器参数的选取原则,以进一步提高控制系统品质.数值仿真结果表明所设计的控制器具有良好的鲁棒性和跟踪精度.     

一类分离变量控制系统的镇定控制器设计

研究了一类非线性连续可分离变量控制系统的镇定问题．基于Lyapunov稳定性理论和M-矩阵的性质，构造出了几个镇定控制器，其中一些控制器仅与系统的部分状态变量有关，所构造的控制器可确保反馈后的闭环系统是渐近稳定的和指数稳定的，这些充分性判据在工程实际应用中具有一定的指导意义．     

一类自适应神经网络控制器的设计

针对一类具有下三角形式的多重时滞非线性系统,研究了基于小波神经网络的自适应控制器设计方案.应用后推(backstepping)设计方法在递推的每一步设计一个Lyapunov-Krasovskii泛函并在最后一步得出控制u.应用Lyapunov-Krasovskii泛函稳定性定理证明了该控制器能保证闭环系统是半全局最终一致有界的(SGUUB).仿真实例验证了该控制器的有效性.     

含脉冲的Hopfield神经网络的周期解及其全局指数稳定

利用常数变易法、分段Lyapunov函数和压缩映像定理，讨论了含脉冲的Hopfield神经网络模型的周期振荡性及其全局指数稳定性．在此基础上给出了网络稳定的脉冲控制器．所得结果易于验证，也是不含脉冲时一些结果的推广。     

变时滞细胞神经网络模型的全局指数稳定性

研究了具有变时滞的细胞神经网络系统nx.i（t）=-cixi（t）＋∑nj=1aijfj（xj（t））＋∑nj=1bijfj（xj（t-τj（t）））＋Ii,i=1,2,…,n.在非线性神经激励函数满足Lipschitz条件下,借助于推广的Halanay时滞微分不等式等方法,得到了该系统的平衡点是全局指数稳定的条件.     

一类随机森林发展系统的指数稳定性

利用Burkholder—Davis—Gundy引理和Kolmogorov不等式,讨论了Hilbert空间中一类随机森林发展系统的指数稳定性,给出了指数稳定的充分条件．所得结论是对已有结果的推广和完善．     

设计2自由度控制器的新方法

提出了一种闭环辨识和2自由度控制器组结合的设计方法，从前馆控制器和反馈控制器两方面，根据预测误差，适当地选择辨识对象和加权函数，闭环辨识与控制器设计相结合，仿真结果证实，辨识容易，设计简单，方法有效。     

时滞细胞神经网络模型的全局吸引性和全局指数稳定性

借助于Liapunov第二方法 ,对具有时滞的细胞神经网络系统x′i(t) =-Cixi(t) ∑nj=1aijfj(xj(t) ) ∑nj=1bijfj(xj(t-τj) ) Ii,　i=1,2 ,… ,n ,在非线性神经元激励函数满足Lipschitz连续的条件下 ,研究了这类模型全局吸引和平衡点全局指数稳定的问题 ,获得了易于验证的充分条件     

变时滞静态神经网络的全局指数稳定性

基于拓扑度理论和推广的Halanay矩阵微分不等式,研究了变时滞静态神经网络的全局指数稳定性,并给出了实用有效的判定条件。     

Cohen-Grossberg神经网络的指数稳定性

研究了Cohen-Grossberg神经网络模型的指数稳定性．运用非线性测度方法证明了神经网络平衡点的存在性和惟一性，接着通过构造一个新颖的Lyapunov泛函，得到了神经网络指数稳定的全新充分条件，并给出了解的指数衰减的精确估计．与已有文献相比，文中给出的条件更为宽松且易于验证．     

模型算法控制系统的闭环结构及稳定性分析

本文给出了模型算法控制系统的闭环结构及闭环系统稳定性的分析方法，数字仿真的结果证实了本文分析了正确性。     

时滞细胞神经网络的全局渐近稳定性和指数稳定性

利用Brouwer不动点定理,证明了具有变时滞的细胞神经网络模型平衡点的存在性;利用Barbarlet引理、Dini导数与导数之间的关系,构造了一个特殊的Lyapunov函数,表明具有变时滞的细胞神经网络模型存在惟一全局指数平衡点并且全局渐近稳定;在此基础上,通过构造一个新的M-矩阵,利用Halanay时滞微分不等式和M-矩阵的特性,得出:细胞神经网络模型在一定的条件下,在平衡点处,全局指数稳定且与时滞无关.     

随机时滞Hopfield型神经网络的几乎指数稳定性

利用Lyapunov泛函和Ito公式，研究了具有时滞的随机Hopfield型神经网络的几乎指数稳定性，证明了一个定理和两个推论．当随机扰动为0时，得到确定性的时滞神经网络指数稳定性的结果．