基于模糊Lyapunov-Krasovskii函数的模糊系统的鲁棒H_∞控制

针对公共Lyapunov-krasovskii函数(LKF)方法判断离散时滞模糊系统鲁棒稳定性的保守性,构造了模糊LKF,并给出了系统鲁棒稳定的充分条件。应用并行分布补偿算法(PDC),设计了全局鲁棒稳定的模糊控制器。多个附加矩阵变量的引入,使控制器可以通过求解一系列线性矩阵不等式(LMI)获得。最后,通过一个仿真例子验证了方法的有效性。

不确定时滞模糊系统的时滞相关鲁棒H_∞控制

研究了一类带有时变时滞的不确定模糊系统时滞相关鲁棒H∞控制问题。基于模糊Lyapunov-Krasovskii泛函(LKF),引入多个模糊时滞自由权值矩阵,提出并证明了闭环系统新的时滞相关鲁棒H∞渐近稳定的充分条件。根据并行分布补偿算法(PDC)设计了反馈控制器,控制器可由线性矩阵不等式(LMI)求解得到。数例仿真验证了所提方法的有效性。

具分布时滞模糊BAM神经网络的指数稳定性

介绍了一类具分布时滞的模糊BAM(bi-directional associative memory)神经网络。通过构造Lyapunov-Krasovskii泛函及利用线性矩阵不等式方法,得到了此类系统平衡点的指数稳定性的一个充分条件。在设计具时滞的人工BAM神经网络时,全局指数稳定的结果有很重要的意义。此外,给出一个实例说明我们的结果是可行的。

具扩散项的模糊BAM神经网络的指数稳定性(英文)

利用Lyapunov-Krasovskii泛函、线性矩阵不等式方法、不动点理论和分析技巧,讨论了一类带扩散项的模糊BAM神经网络,获得了一些充分条件确保此类系统平衡点的全局指数稳定性.并给出一个实例说明我们的结果是可行的.

基于T-S模糊模型的非线性系统鲁棒采样控制

使用模糊采样控制方法研究一类T-S(Takagi-Sugeno)模糊模型描述的非线性系统鲁棒镇定问题.首先,充分利用整个采样区间[tk,tk+1)的特征信息,构造出一个改进的双边时间相关Lyapunov泛函.然后,结合提出的Lyapunov泛函和自由矩阵不等式,导出了确保非线性系统渐近稳定的鲁棒镇定条件,并给出模糊采样控制器设计方法.最后,通过4个例子仿真验证了提出方法的有效性和优越性.

带有变时滞的高阶模糊细胞神经网络的指数稳定性(英文)

研究了带有变时滞的高阶模糊细胞神经网络(HFCNNs)的全局指数稳定性.通过引入非奇异M-矩阵和使用Lyapunov泛函方法,得到了带有常时滞和变时滞的高阶模糊细胞神经网络全局指数稳定性的充分条件.

部分测量数据丢失时离散时滞模糊系统的H_∞滤波

针对一类T-S离散时滞模糊系统,研究其在部分测量数据出现丢失情形下的H∞滤波问题.假设测量数据丢失现象服从Bernoulli随机二点分布.首先,利用基依赖的Lyapunov泛函方法对滤波误差系统的H∞性能进行分析;然后,利用线性矩阵不等式技巧设计H∞滤波器;最后,举例说明了该方法的有效性.

基于新二重积分不等式T-S模糊系统稳定性分析

针对时滞T-S模糊系统时滞相关稳定性问题,本文在文献[9]的基础上进行改进,结合模糊线积分Lyapunov泛函方法和更为先进的一重积分不等式与新型双重积分不等式,得到了保守性更低的非线性时滞系统时滞相关稳定性条件。构建合适Lyapunov-Krasovskii泛函,运用两种积分不等式技术对泛函导数进行处理,所得到的判定准则一方面能获得更大的时滞上界,降低了保守性;另外,相比完全Lyapunov泛函、时滞分割等方法减少了决策变量,为检验本文结果的有效性和优越性,通过2个数值例子进行验证。验证结果表明,比现有成果所得到的稳定性准则面能获得更大的时滞上界,减少了决策变量,而且降低了保守性和复杂度。该研究对时滞T-S模糊系统稳定性分析方法具有重要意义。

混合时滞模糊细胞神经网络的全局指数稳定性

利用Lyapunov泛函和模糊逻辑运算技巧相结合的方法,研究了一类混合时滞模糊细胞神经网络的全局指数稳定性,并给出了易于验证的稳定性代数判据,然后实例说明结论的有效性。

一类带未知输入时滞的多时滞非线性系统的对时滞参数的自适应H∞控制

针对一类带未知输入时滞参数的非线性时滞系统,基于线性矩阵不等式LMI和一种基于“Descriptor form”的Lyapunov-Krasovskii泛函方法,设计了一种带未知时滞估计项的记忆型状态反馈控制器,给出了针对该未知输入时滞参数的自适应控制H∞控制器设计方案,并对闭环系统的稳定性给出了证明．

变时滞非线性细胞神经网络稳定性分析

通过构造新的Lyapunov-Krasovskii泛函和线性矩阵不等式(linear matrix inequatity,LMI),研究变时滞非线性细胞神经网络渐近稳定性,利用牛顿-莱布尼兹公式,一些参数矩阵表达出系统变量之间的关系。从而得出一个具有变时滞相关的全局渐近稳定性判据,其扩展并改善了以前文献的结果。数值及仿真例子验证了结果的有效性。

具有分布时滞的随机区间系统的鲁棒镇定

研究了具有分布时滞的随机区间系统的鲁棒镇定问题。利用区间矩阵的分解技术、Lyapunov-Krasovskii泛函及It公式,得到了该系统鲁棒镇定的时滞依赖的非线性矩阵不等式判据,进而给出了该系统在不同情形下鲁棒镇定或鲁棒稳定的时滞依赖的线性矩阵不等式(linear matrix inequality,LMI)判据。通过数值仿真说明了所得的LMI判别在实际应用方面的方便性和有效性。

基于LMI方法的多时滞随机神经网络的指数稳定性

研究了一类具有多个时滞的随机神经网络的均方指数稳定性问题,应用Lyapunov-Krasovskii泛函稳定理论和线性矩阵不等式(LMI)方法,建立了该系统解的指数稳定判别准则,最后通过数值举例阐述了结果的有效性.

时滞马尔科夫跳变系统的分析与综合研究综述（英文）

马尔科夫跳变系统研究是控制与系统领域的重点和热点方向.过去20年来,时滞马尔科夫跳变系统的分析与综合问题得到了广泛研究,提出了许多重要的方法,得到了很多有价值的结论.简要介绍稳定性分析的Lyapunov-Krasovskii泛函方法的一般思想,然后针对不同的时滞马尔科夫跳变系统,概述稳定性分析、反馈镇定以及基于干扰抑制性能指标的控制和滤波的研究现状,最后给出未来可能的研究方向.

一类状态及输入均有区间变时滞的线性系统之镇定

对一类同时具有状态和输入变时滞的线性系统x˙(t)=Ax(t)+A1x(t?τ1(t))+B1u(t)+B2u(t?τ2(t)),利用一种时滞划分形式的Lyapunov-Krasovskii泛函讨论其镇定问题.得到通过状态反馈控制使闭环系统稳定的时滞相关的镇定准则.对(A,B1)和(A+A1,B1)都不可控的数值实例,利用本文给出的准则都能得到有效的控制.

多时变时滞细胞神经网络的全局渐近稳定

研究了多时变时滞细胞神经网络的全局渐近稳定问题。给出了多时变时滞细胞神经网络平衡点唯一性和全局渐近稳定的几个新充分判据。所研究的网络模型扩展了现有的同类网络模型,而且所得到的这些新稳定判据考虑了神经元激励和抑制的影响,且能够表示成线性矩阵不等式的形式,易于用现有的内点算法等方法验证。通过2个注释说明了所得结果的有效性。

异结构CNN混沌系统同步及其在保密通信中的应用

传统的信号加密方法由于密钥少而极易受到攻击被破坏,混沌系统的良好伪随机性及丰富的系统参数弥补了传统加密的不足,而时滞混沌系统的复杂动力学空间特性使其非常适用于信号加密,利用时滞混沌系统的同步控制可实现理想的保密通信。细胞神经网络比普通的混沌系统具有更复杂的系统结构和更高的系统维数,采用具有不同结构的细胞神经网络混沌系统分别作为同步系统的驱动和响应,通过求得驱动与响应之间的误差系统并将它代入一个合适的Lyapunov-Krasovskii泛函,对该泛函进行稳定性分析,设计出一个有效的同步控制器。数值仿真实验验证了其有效性,利用该同步系统进行信号与数字图像保密通信,获得了较理想的加解密效果。

不确定线性采样系统鲁棒稳定性

通过将采样控制系统变换为具有分段连续时滞的连续时间模型,利用Lyapunov-Krasovskii泛函方法,讨论了采样控制系统的鲁棒稳定性问题,获得了系统基于线性矩阵不等式(LMI)的鲁棒稳定性条件,同时给出了控制器的设计方法。最后,通过数值示例验证了本文方法的有效性。

时滞系统时滞相关型稳定性准则

针对常数时滞线性系统的稳定性问题,基于一个适当形式的Lyapunov-Krasovskii泛函,通过利用一个积分不等式,采用时滞分解方法,以线性矩阵不等式的形式给出了时滞系统的时滞相关型稳定性准则。与现有的时滞相关型稳定性结果相比较,所得到的结果具有保守性更好,结构更加简单,且不含有任何多余的矩阵变量等特点,并从理论上进行了严格的证明,解决了现有的稳定性结果绝大多数只是从数值例子说明其有效性的问题。示例说明了所得结果的有效性。

不确定时延网络控制系统的稳定性设计

针对网络环境下的控制系统所具有的网络时延和不确定性特点,考虑最大允许网络诱导时延下界不为零及系统带有不确定性的情况,采用不需事先指定参数的更具一般性的状态反馈控制器,建立状态反馈的闭环网络控制系统模型。通过引入积分不等式方法,对Lyapunov-Krsasovskii泛函中的二次型积分项直接进行界定,避免了对系统进行模型变换和对交叉项的界定所带来的保守性。在此基础上,推导出使网络控制系统鲁棒稳定的条件。最后通过对模型进行Matlab仿真,得到状态响应曲线。系统状态很快趋于稳定,表明该结论的有效性和可行性。