N策略、负顾客、反馈Geo／Geo／1多重休假排队模型

研究了一个带有N策略、负顾客和反馈的多重休假Geo／Geo／1离散时间排队系统。服务的开始由N策略确定,到达的负顾客不接受服务,只抵消正在接受服务的正顾客,若系统处于假期,则到达的负顾客自动消失。完成服务的正顾客以一定的概率反馈到队尾寻求再次服务。利用拟生灭过程和矩阵几何解的方法得到了队长稳态分布的存在条件和表达式,系统处于假期和忙期的概率以及稳态下系统队长的条件随机分解和由休假引起的附加队长的分布表达式。     

非线性离散系统的直接自适应神经网络控制器

对于一类非仿射离散时间系统,提出了一种新的自适应神经网络控制器。首先推导与原系统等价的仿射形式模型,由仿射模型推导控制律。控制律中采用一个神经网络,与传统的基于反馈线性化的自适应神经网络设计方法中采用两个神经网络相比,计算量大大减少且避免了控制器奇异问题。神经网络权值根据系统输入输出信号进行更新,另外σ项的引入,取消了为保证参数收敛持续激励的条件。系统的稳定性通过Lyapunov方法进行了分析,仿真实例验证了控制器的有效性。     

基于离散非线性指数趋近律的变结构控制

 针对传统趋近律抖振大、趋近速度不快的缺陷,提出了一种新的离散趋近律。通过在指数趋近律切换项系数中加入非线性函数,实现了切换项系数随运动点到切换面的距离从大到小逐步变化,加快了趋近速度并降低了抖振,间接提高了系统鲁棒性。仿真结果证明,离散非线性指数趋近律具有良好的趋近品质,对确定性系统和不确定系统都有良好的控制效果。     

一类不确定离散网络系统的全局滑模控制

针对动态传输控制协议(transmission control protocol, TCP)网络的拥塞问题,基于离散全局滑模控制理论设计了一种主动队列管理(active queue management, AQM)算法,该算法消除了滑模控制的到达阶段,保证网络系统在整个控制过程中的鲁棒性。为了减弱离散指数趋近律的抖振现象,给出了一种改进的滑模趋近律,使得复杂的网络系统具有良好的性能。仿真结果验证了所设计的控制器对活动的TCP连接数、链路带宽及往返时延的不确定性具有很强的稳定性和鲁棒性。     

离散非线性系统状态和故障估计

针对同时含有执行器故障和传感器故障的离散Lipschitz非线性系统,提出一种可以同时估计系统状态、执行器故障和传感器故障的观测器设计方法。首先,通过系统状态向量的扩展,将原系统化为形式上不含传感器故障的广义Lipschitz非线性系统;然后,对得到的广义系统设计可以同时估计系统状态和执行器故障的观测器;最后,将观测器设计过程化为求解线性矩阵不等式的形式。仿真结果表明,所提方法具有有效性、正确性以及优越性。相较于现有很多方法,所提方法具有高效快捷的特点,具有较强的实用性。     

一类广义离散系统的有限时间控制

讨论一类具有时变、有限能量外部扰动的广义离散系统的有限时间控制问题,给出非强迫广义离散系统有限时间有界的充分条件,并在此基础上利用非严格线性矩阵不等式方法,提出实现相应的闭环系统有限时间有界的状态反馈控制器与输出反馈控制器的设计方法.     

离散时间系统的单位冲激响应初始条件的确定

在确定系统的初始条件时存在一些模糊的地方。本文讨论了离散时间系统的单位冲激响应的初始条件的确定。     

区间离散广义系统的弹性保成本控制

区间系统是一类不确定性可描述为参数矩阵的各个元素在某一区间内变化的系统.本文中系统矩阵和输入矩阵的各元素是未知的,但在某一确定的区间内变化.分别就控制器增益存在加法摄动和乘法摄动两种情况,讨论了系统保成本控制问题.控制器的设计可以通过求解一组线性矩阵不等式得到.最后的数值算例说明了设计方法的可行性和有效性.     

离散T—S模糊系统的严格二次型耗散控制

研究一类离散T-S模糊系统的状态反馈的严格二次型耗散控制问题。给出了保证该系统耗散稳定的充分条件,状态反馈控制器可以通过求解一组线性矩阵不等式(LMI)获得。所得结果提供了解决H∞控制与正实控制的统一框架,同时,提供了一个更灵活、保守性更小的控制器设计方法。仿真结果表明,所提方法的可行性与优越性。     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.