研究了一类线性参数变化连续时间系统的稳定性、状态反馈镇定和滑模控制问题.通过引入适当加权矩阵变量寻找Le ibn iz-Newton公式各项之间的关系,从而直接地处理系统中的时滞状态项,避免了常规应用Le ibn iz-Newton公式进行模型变换的...研究了一类线性参数变化连续时间系统的稳定性、状态反馈镇定和滑模控制问题.通过引入适当加权矩阵变量寻找Le ibn iz-Newton公式各项之间的关系,从而直接地处理系统中的时滞状态项,避免了常规应用Le ibn iz-Newton公式进行模型变换的间接方法所带来的较大保守性.基于参数线性矩阵不等式方法提出了该类系统参数二次稳定的时滞相关的新条件.基于该条件研究了该类系统的状态反馈镇定和滑模控制问题.分别提出了镇定控制器设计条件和滑动模态存在条件,并设计了滑模控制器,保证了闭环系统的参数二次稳定.仿真实例证明了该设计方案的可行性.展开更多
在大多数系统辨识方法中,通常假设时变时滞在其可能的取值范围内服从均匀分布.但是这种假设是非常受限的且在实际过程中常常无法得到满足.因此在时滞取值概率条件未知的情况下,针对一类线性时变时滞系统提出有效的辨识方法.利用期望最大...在大多数系统辨识方法中,通常假设时变时滞在其可能的取值范围内服从均匀分布.但是这种假设是非常受限的且在实际过程中常常无法得到满足.因此在时滞取值概率条件未知的情况下,针对一类线性时变时滞系统提出有效的辨识方法.利用期望最大化(Expectation maximization,EM)算法将拟研究的辨识问题公式化,期望最大化算法通过不断地迭代执行期望步骤和最大化步骤得到优化的参数估计.在期望步骤中,将未知的时变时滞当作隐含变量来处理并且假设可能的取值范围已知.在每一个采样时刻,时滞的变换由一个概率向量控制,并且该向量中的每一个元素是未知的,将其当作待估计的未知参数处理.在算法的每次迭代过程中,计算时滞的后验概率密度函数(Probability density function,PDF),并在此基础上构造代价函数(Q-函数).在最大化步骤中,通过不断优化(Q-函数)来估计想要的参数,包括模型参数、噪声参数、控制概率向量中的每一个元素和未知的时滞.最后通过一个数值例子验证提出算法的有效性.展开更多
文摘研究了一类线性参数变化连续时间系统的稳定性、状态反馈镇定和滑模控制问题.通过引入适当加权矩阵变量寻找Le ibn iz-Newton公式各项之间的关系,从而直接地处理系统中的时滞状态项,避免了常规应用Le ibn iz-Newton公式进行模型变换的间接方法所带来的较大保守性.基于参数线性矩阵不等式方法提出了该类系统参数二次稳定的时滞相关的新条件.基于该条件研究了该类系统的状态反馈镇定和滑模控制问题.分别提出了镇定控制器设计条件和滑动模态存在条件,并设计了滑模控制器,保证了闭环系统的参数二次稳定.仿真实例证明了该设计方案的可行性.
文摘在大多数系统辨识方法中,通常假设时变时滞在其可能的取值范围内服从均匀分布.但是这种假设是非常受限的且在实际过程中常常无法得到满足.因此在时滞取值概率条件未知的情况下,针对一类线性时变时滞系统提出有效的辨识方法.利用期望最大化(Expectation maximization,EM)算法将拟研究的辨识问题公式化,期望最大化算法通过不断地迭代执行期望步骤和最大化步骤得到优化的参数估计.在期望步骤中,将未知的时变时滞当作隐含变量来处理并且假设可能的取值范围已知.在每一个采样时刻,时滞的变换由一个概率向量控制,并且该向量中的每一个元素是未知的,将其当作待估计的未知参数处理.在算法的每次迭代过程中,计算时滞的后验概率密度函数(Probability density function,PDF),并在此基础上构造代价函数(Q-函数).在最大化步骤中,通过不断优化(Q-函数)来估计想要的参数,包括模型参数、噪声参数、控制概率向量中的每一个元素和未知的时滞.最后通过一个数值例子验证提出算法的有效性.