广义线性系统鲁棒极点配置分离原理

针对广义线性系统,提出了基于全维观测器的控制系统设计的鲁棒极点配置分离原理。基于矩阵灵敏度理论证明了如下事实:与状态反馈系统相同的闭环系统极点具有和状态反馈系统极点相同的极点灵敏度。与观测器系统相同的闭环系统极点具有和观测器系统极点相同的极点灵敏度。于是全维观测器的状态反馈控制器中具有最小灵敏度的鲁棒极点配置,可以通过求解两个分开的鲁棒状态反馈极点配置问题实现。     

2-D Roesser模型状态反馈特征结构配置

基于Sylvester矩阵方程的显示通解提出了上(下)块三角的状态反馈特征结构配置的参数化方法。给出了状态反馈控制律及闭环特征向量的参数化表达式,它们都依赖于参数向量{f1ijk}及{f2ijk},这组参数向量表征了系统的设计自由度,通过合理地选择这些自由度可以满足系统的其它性能指标,为系统的进一步设计提供了方便。数值例子显示了其有效性。     

T-S模糊系统的鲁棒耗散控制

通过应用Lyapunov稳定性理论,研究了具有参数不确定性的T-S模糊系统的鲁棒稳定性和耗散性。具有参数不确定性的T-S模糊模型可以以任意精度近似连续非线性不确定系统。假设系统中的参数不确定性是范数有界的。利用Lyapunov稳定性理论给出了鲁棒耗散控制器存在的充分条件。通过解一组线性矩阵不等式(LMIs),可获得鲁棒耗散控制器。设计的鲁棒耗散控制器能够保证对于T-S模糊系统中所有的参数不确定性,闭环系统都是稳定的,且满足给定的耗散性能指标。数值例子证明了方法的有效性。     

具线性脉冲的系统稳定性

研究了具线性脉冲反馈的系统的稳定性问题。从运动方程、Lyapunov函数和比较原理入手,给出了系统稳定的若干充分条件,在一定约束下还得到了一个充要条件,并把这些结果与相关文献的结论进行了比较,指出了该方法的优越性;最后获得了比较实用的设计方案,并用一个例子很好的验证了主要定理的有效性。     

鲁棒保性能切换控制器设计在BTT导弹中的应用

研究一类离散切换系统的鲁棒保性能状态反馈控制器设计问题.利用切换Lyapunov函数和线性矩阵不等式方法,得到了鲁棒保性能控制器存在的一个充分条件,给出了控制器的参数化表示,并将次优保性能控制器的设计问题转化为基于线性矩阵不等式约束下的凸优化问题.最后将所提理论应用于某型BTT导弹自动驾驶仪设计中,说明了所提设计方法的有效性.     

时滞离散切换系统的H∞滤波

主要研究在任意切换序列下,具有不确定性的时滞离散切换系统的H∞滤波问题。根据Lyapunov稳定性理论,首先针对标称系统,给出了能够保证滤波器误差方程渐进稳定的充分条件,然后考虑不确定性,利用Schur补引理,给出切换系统H∞滤波器的存在条件。仿真结果说明了方法的可行性和有效性。     

二阶Sylvester方程的解及其在特征结构配置中的应用

考虑了二阶Sylvester矩阵方程的求解及其在特征结构配置设计中的应用。通过矩阵初等变换,给出了该矩阵方程的迭代形式的解析通解。基于二阶Sylvester矩阵方程的解析通解,给出了振动二阶线性系统的状态反馈特征结构配置设计参数化方法。该参数化方法给出了特征向量矩阵和状态反馈增益阵的参数化表达式,其所含自由参数为控制系统设计提供了全部自由度,可适当选择这些参数满足某些系统设计性能指标,如鲁棒性等。最后,数值算例表明二阶Sylvester矩阵方程的解析通解和状态反馈特征结构配置设计参数化方法的简单有效性。     

基于LMI的时滞系统的鲁棒H∞容错设计

研究了线性时滞不确定系统的鲁棒容错H∞控制问题.针对传感器失效,基于LMI和Lyapunov渐进稳定理论,讨论了线性时滞不确定系统在传感器故障情况下的鲁棒镇定问题,给出了闭环故障系统具有鲁棒容错H∞控制特性的一个充分条件.设计实例说明了该方法的有效性.     

非线性系统控制器综合的一种新方法(英文)

基于正切线性化控制技术和状态依赖Riccati微分方程方法,提出了一种新的非线性控制器综合策略.受正切线性化控制的启发,首先,将一类非线性系统的非线性反馈镇定问题转化为状态依赖线性时变系统的反馈镇定器设计问题.然后,给出了求解导出线性时变系统反馈镇定器设计问题的一种基于状态依赖Riccati微分方程方法.为实现该控制器的求解,仅需实时求解给定正定初始条件下的状态依赖Riccati微分方程.此外,本文所得到的解析结果还能保证非线性闭环反馈系统的指数渐近稳定性.最后,用一个数值算例验证了本文给出方法的有效性.     

基于特征结构配置的二阶动力学系统模型匹配问题

考虑一类二阶动力学系统的模型匹配问题。基于Jordan标准分解将二阶动力学系统的模型匹配问题转化为特征向量匹配问题,即设计一比例加微分控制律,使闭环系统的特征向量与目标系统的特征向量充分接近。利用二阶动力学系统的特征结构配置参数化结果,给出了匹配问题的最小二乘解及求解该匹配问题的算法。数值例子表明了该算法简单且有效。