基于对数量化的网络时滞系统的稳定性与可镇定条件

研究了基于对数量化器的网络时滞系统的稳定性和可镇定条件,在研究中分析了测量信号的量化,以及量化后的数据经过非完美的频道传播时有数据损失的情况。针对量化误差和数据损失,设计了控制器和观测器并使得闭环系统渐近稳定。最后,数值仿真例子验证了此方法的有效性和可行性,得出了量化误差、数据丢包概率与控制器增益矩阵的关系。

带随机网络时滞补偿的测功机动态负载模拟

本文研究了控制网络传输时滞影响下测功机加载控制算法。首先,针对一款前驱电动汽车,建立车辆与台架动力学动态耦合模型和服从均匀分布的随机网络诱导延时数学模型。其次,为改善测功机网络控制系统负载模拟性能,提出了一种基于预测控制结构的随机网络诱导延时补偿算法;接着通过系统增广将随机系统跟踪控制问题转化为鲁棒镇定问题,并分析系统H∞性能,通过非线性优化问题得到系统控制增益。最后,进行了防抱死制动控制台架测试的仿真,结果表明:提出的方法可大幅提升测功机负载模拟精度。

计算机网络时滞控制仿真实验研究

本文通过使用 Java网络编程技术 ,实现了 Matlab的网络控制功能 ,并仿真模拟 ,由控制网络引起的控制信息传输时延时 ,导致工业控制系统性能恶化的情况 。

基于丢包和编码影响的网络时滞系统稳定性分析

基于数据包丢失和网络编码影响研究了网络时滞系统稳定性问题。通信网络的特征通过数据包丢失、编码来体现。通过频域方法得到信噪比最小(极限)值使网络时滞系统稳定。该最小(极限)值说明了网络时滞系统稳定所需信噪比是由通信网络通道的丢包率、编码、系统不稳定极点和非最小相位零点决定,仿真结果说明该理论的正确性。

分数阶时滞切换网络的全局同步

本文研究一类具有切换拓扑的Reimann-Liouville型分数阶时滞网络的同步问题,其中,时滞和无时滞耦合的结构矩阵不需要是可交换的。利用图论、Kronecker积和共同Lyapunov函数方法,提出了一种有效便捷的方法处理网络的全局同步,给出了一些简单的代数准则。本文所提出的方法可以很好地克服切换拓扑、时延和分数阶微积分带来的困难,数值结果验证了理论方法的有效性。

基于切换拓扑的量化时滞网络有限时间H∞控制

为了研究引入量化器的基于切换拓扑的动态时滞网络的有限时间H∞控制问题,通过设计量化控制器和状态依赖切换信号的方法,利用微分包含理论、矩阵理论、稳定性理论,经过严格的推导,得到了基于切换拓扑的具有量化的动态时滞网络在无外界干扰时有限时间稳定,并且在有外界干扰时具有有限L2增益的结论,最后通过一个数值仿真验证定理的有效性。

随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性

旨在研究随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。当θ∈[0,1/2)时,在步长受限的条件下,随机时滞Hopfield神经网络分步θ方法是一般衰减率稳定的。对于θ∈[1/2,1],不需要额外的步长要求,即可保证随机时滞Hopfield神经网络分步θ方法的一般衰减率稳定性。最后,通过一个数值例子验证所得结果的有效性。

时空时滞混沌系统反同步控制及应用研究

针对一类新的时空时滞惯性神经网络,研究其反同步控制及在图像保密通信上的应用。采用变量代换准则,避免了原二阶微分系统固有的复杂特性;设计一个有效地输出反馈控制器,并结合詹森(Jensen)不等式和互凸组合(RCC)方法,得到了一个较小保守性的时空时滞惯性神经网络反同步定理;通过仿真实现了主要结果在图像保密通信上的应用并证明了所提加密方法的优越性。

多时滞不确定网络控制系统的稳定性分析

针对具有多个独立传感器和执行器的多输入多输出(MIMO)网络控制系统(NCSs),在考虑分布时滞和不确定性的情况下,建立了一类网络控制系统的连续时间模型.利用李雅普诺夫稳定性理论和线性矩阵不等式(LMIs)方法,分析了系统的稳定性问题,给出了基于LMIs形式与时滞相关的渐近稳定判据.通过该方法,能够分析和判定具有多时滞和不确定性网络控制系统的时滞相关稳定性.与现有的方法相比,该方法给出了保证网络控制系统稳定的更小保守性的最大允许时滞边界(MADB),而且结果更具广泛性和一般性.实例和仿真结果表明该方法保守性较小.

基于事件触发的模糊网络时滞系统的容错控制

本文针对一类模糊网络时滞系统,提出了一种事件触发控制方法。首先应用平行分布补偿算法(PDC)和平均驻留时间方法,给出了模糊网络时滞系统控制器的容错设计方法;在此基础上,应用Lyapunov函数理论以及线性矩阵不等式(LMIs)方法,证明了的模糊网络时滞系统指数稳定性。最后仿真结果进一步验证了所提出方法的有效性。

长时滞网络控制系统的随机稳定性研究

对网络控制系统中的短时滞、长时滞、均方指数稳定和随机稳定作了定义 ,完善了长时滞网络控制系统的数学模型 ,设计了长时滞网络控制系统在状态反馈下的随机最优控制器 ,并证明了该最优控制律可使网络控制系统均方指数稳定和随机稳定 .最后以不稳定的倒立摆为对象进行了仿真研究 。

大时滞网络中的拥塞控制算法

主动队列管理(AQM)通过网络中间节点有目的的分组丢弃实现了较低的排队延时和较高的有效吞吐量,是近年来TCP端到端拥塞控制的一个研究热点.已有的大多数AQM算法在设计过程中都没有充分考虑到大时滞对算法性能的影响.首先通过仿真试验证实了已有的几种典型算法控制的队列在大时滞网络中无一例外地出现了剧烈的振荡,导致瓶颈链路利用率下降和延时抖动加剧.为此,在进行了适当模型拟合处理的基础上,应用控制理论中的内模补偿原理设计了鲁棒的延时补偿主动队列管理(delay compensation-active queue management,简称DC-AQM)算法,克服了大时滞给队列稳定性造成的不利影响.仿真实验结果表明,新算法在大时滞小期望队列长度的网络配置中表现出的综合性能明显优于已有的算法,链路利用率是其他算法的3～4倍.

一种时滞网络自适应主动队列管理算法研究

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适应调整;成功引入灰预测算法实现反馈数据的超前预测,补偿滞后。仿真对比AQM环境中FAGPID,传统PID以及基于模糊免疫PID(FIGPID)的算法,可知FAGPID相对于FIGPID复杂度低,但FAGPID与FIGPID性能相当,均能克服滞后的影响,能快速稳定地适应动态网络环境,收敛于期望队列长度,具有较小的丢包率,优于传统PID算法。

预测PI时滞网络拥塞控制算法设计及性能分析

针对网络中存在的大时滞给主动队列管理算法性能带来的不利影响,将Sm ith预估器与Dahlin算法相结合,提出了一种预测PI拥塞控制算法,首先利用Sm ith预估器补偿时延滞后,克服了大时滞给系统性能带来的影响;然后按Dahlin算法设计控制器,把控制器参数和预估对象模型参数相结合,既减少了整定参数,也避免了参数整定时的相互影响.同时,利用经典控制理论方法分析了系统稳定性和存在链路容量干扰时瓶颈队列的暂态、稳态特性.仿真结果显示预测PI算法控制性能优于RED,PI算法及具有较强的鲁棒性.

多时滞不确定网络控制系统的时滞独立稳定判据

针对一类多输入多输出(MIMO)网络控制系统,在考虑多重分布时滞和不确定性的情况下,建立了该系统的连续时间数学模型.利用Lyapunov稳定性理论,结合线性矩阵不等式(LMI)方法和S-过程,给出了基于LMI形式的时滞独立渐近稳定判据.通过这些判据,能分析和判定具有多重时滞和不确定性的网络控制系统的时滞独立渐近稳定性.与已有的方法相比,该方法更加有效且求解方便.数值仿真结果表明了该方法的有效性.

大时滞网络自适应预测PI主动队列管理算法

针对网络中存在的大时滞和网络参数时变问题,提出一种自适应预测P I主动队列管理算法.将Sm ith预估器与达林算法相结合,既克服了大时滞带来的不利影响,也减少了控制器参数整定数量.利用网络参数与控制参数所具有的确定关系,通过在线估计网络参数来实时调节控制参数,使得控制器能够适应网络参数的变化,同时采用线性化方法分析了系统局部稳定性.仿真结果表明,所提出的算法是可行而有效的.

大时滞网络拥塞控制器的设计

几乎现有的AQM算法都忽略了大时滞对网络拥塞控制系统稳定性的负面影响,以致稳定性、响应性和鲁棒性在大时滞网络中大大降低.如PI、REM等AQM算法在大时滞环境下表现出剧烈的队列震荡和频繁的空队列情况,这些现象直接导致了链路利用率的低下和延时抖动的增大.而面向大时滞网络拥塞控制的DC-AQM算法不够恰当的参数配置使得系统输出偏离了控制的目标,出现了很高的分组丢弃概率.为解决大时滞网络拥塞控制的稳定性问题,本文基于内模控制原理,提出一种新的鲁棒AQM控制器IMC-PID来补偿网络时滞对系统稳定性的影响.仿真分析表明,随着网络时滞的增大,IMC-PID在综合性能上胜过其他算法,获得了较高的链路利用率和较低的延时抖动.

时滞神经网络随机抽样控制的状态估计

研究了时滞神经网络随机抽样控制的状态估计问题.首先,给出了随机抽样区间和抽样输入时滞的统一概率结构.基于此结构,构造了一个包含新的锯齿结构项的Lyapunov泛函.然后,运用不等式放缩技术,得到了误差系统随机稳定的保守性更低的标准,并设计出了合适的状态估计器.最后,数值仿真算例验证了所得结果的优势和有效性.

基于速率和队长的大时滞网络AQM算法

针对网络拥塞控制系统在大时滞网络中产生的不利影响,提出一种基于速率和队长的大时滞网络AQM算法。该算法采用缓冲区队列长度和包到达速率作为网络拥塞的判别依据,在结合Smith预估的模糊PID控制方法中加入速率控制项。仿真表明该算法在大时滞和网络动态变化的环境中拥塞响应较快、收敛时间短,并能较好地将队列长度稳定到期望值附近,提高缓冲区的利用率。

Hopfield型时滞神经网络的指数稳定性

研究了Ｈｏｐｆｉｅｌｄ型随机时滞神经网络ｄｘ（ｔ）＝［－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ一τ））］ｄｔ＋ｆ（ｔ．ｘ（ｔ），Ｘ（ｔ—τ））ｄｗ（ｔ）的均方指数稳定性与几乎必然指数稳定性．应用Ｌａｙａｐｕｎｏｖ函数与鞅不等式，建立了这种随机时滞神经网络指数稳定的时滞相关的充分条件．文献中某些关于确定性的时滞神经网络ｘ（ｔ）＝－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ－τ））与神经网络ｘ（ｔ）＝－Ａｘ（ｔ）＋Ｂσ（ｘ（ｔ））的稳定准则是文中的特殊情况．