滞后型脉冲泛函微分方程有界性的Lyapunov逆定理

本文通过建立滞后型脉冲泛函微分方程饱和解的存在唯一性定理,在广义常微分方程与滞后型脉冲泛函微分方程等价的基础上,研究了滞后型脉冲泛函微分方程关于一致有界性的Lyapunov逆定理.

基于Lyapunov-krasovskii泛函的线性时滞系统低保守性研究

针对带有线性的时滞系统稳定性与低保守性是该领域研究的主要问题。由此提出基于Lyapunov-krasovskii泛函的线性时滞系统低保守性研究方法。对Lyapunov-krasovskii泛函进行构造,将自由权矩阵的牛顿-莱布尼兹的公式引入到Lyapunov-krasovskii泛函分析中,对泛函导数的交叉项进行界定,基于Lyapunov的稳定性的定理,得出线性矩阵时滞相关的稳定性准则,并由数值的算例表明,该稳定性的准则能使时滞系统得到更大时滞的上界,具有较好的稳定性,与当前存在的结果相对比具有更低的保守性。

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。

基于增广Lyapunov泛函的Lurie时滞系统的绝对稳定性

对Lurie时滞系统的绝对稳定性问题进行了研究.利用增广的Lyapunov泛函结合自由权矩阵方法,得到了系统基于线性矩阵不等式(LMI)的时滞相关绝对稳定条件.数值实例表明本文方法所得结果要优于现有文献中的结果.

基于双边闭环Lyapunov泛函的采样控制系统稳定新判据

本文研究采样控制系统的稳定性问题.通过对采样区间进行分割处理,然后,充分利用分割后的状态信息,构造了新的双边闭环型Lyapunov泛函.在界定泛函导数的过程中,通过引入新建立的系统状态方程并应用自由矩阵积分不等式方法,获得了改进的采样控制系统稳定判据.由于这样的处理方式可以捕捉到更多采样控制系统的状态信息,因而可以有效地降低稳定性分析的保守性.最后通过两个经典的数值例子对得到的稳定判据进行验证.实验结果表明,相比现有的其他方法,本文方法所得到的结论具有更小的保守性.

基于一种新Lyapunov泛函方法的时滞复杂动态网络同步采样控制

本文针对时滞复杂动态网络同步采样控制问题进行研究。首先,构建时滞复杂动态网络模型和1个相关假设;其次,针对时滞复杂动态网络模型,基于Lyapunov-Krasovskii(L-K)稳定性分析理论和采样控制原理,建立新的Lyapunov泛函,这种Lyapunov泛函引入数据采样区间相关矩阵和优化双闭环泛函,从而能够更加充分利用系统的状态信息;最后,运用积分不等式方法构造Lyapunov泛函的导数,获得1个时滞复杂动态网络稳定的新判据并设计了1个保证时滞复杂动态网络同步的数据采样控制器。仿真研究结果表明:所给出的时滞复杂动态网络同步的充分条件是少保守性,且数据采样控制器是可行的。

基于模糊Lyapunov-Krasovskii函数的离散时滞T-S模糊模型的非二次镇定条件

研究了离散时滞T-S模糊模型基于模糊Lyapunov-Krasovskii函数的稳定性分析及控制器设计问题.首先,构造出离散型模糊Lyapunov-Krasovskii函数,此函数是系数与T-S模糊模型的模糊规则权重相对应的复合型Lyapunov-Krasovskii函数.然后,基于一系列线性矩阵不等式,得到了开环系统稳定的充分条件,进而又基于非二次PDC控制律,设计出了模糊控制器.最后,仿真实例验证了该方法的有效性和优越性.

时滞系统稳定性分析——齐次多项式Lyapunov泛函方法

研究时变时滞线性系统的稳定性.二次Lyapunov泛函是分析这类系统稳定性的有力工具,但往往难以给出低保守性稳定性条件.为克服这个困难提出了齐次多项式Lyapunov泛函方法,建立了时滞系统的渐近稳定条件.传统的二次Lyapunov泛函是所用泛函的特例.数值例子表明所用方法有效,特别是时滞导数上界较大时,本方法效果显著,具有十分明显的低保守性优势.

随机泛函微分方程的Lyapunov指数分析

提出对随机泛函微分方程的Lyapunov指数分析。首先,提取随机泛函微分方程的Lyapunov指数函数,结合LMIs形式得到随机泛函微分方程的鲁棒指数原则,构建数值算例,以此验证鲁棒指数原则;其次,提出时滞分解方法,通过分析不同参数下的Lyapunov指数的时滞上界值,确定Lyapunov指数的性能,实现随机泛函微分方程的Lyapunov指数分析。实验证明,通过对随机泛函微分方程稳定性的描述有效地完成了Lyapunov指数分析,所提出的时滞分解法在不同参数下对随机泛函微分方程的Ly-apunov收敛效果较好。

基于优化泛函的多时滞广域电力系统稳定性分析

针对大规模互联电力系统中时滞现象对系统稳定运行造成的不可忽略的影响,研究多个时滞影响下广域电力系统的稳定性问题。首先,建立多时滞电力系统模型。其次,构造一种新的包含多时滞积分项相互耦合的增广型Lyapunov-Krasovskii(L-K)泛函,并采用一种新方法,将构造的泛函作为整体判断其正定性,放松了对泛函矩阵正定性的限制。然后,利用基于辅助函数的积分不等式对泛函导数进行估计,得到了具有较小保守性的多时滞电力系统稳定性判据。最后,通过对典型二阶时滞系统、单机无穷大系统以及WSCC 3机9节点系统进行仿真分析,验证了所提方法的优越性。

基于增广Lyapunov泛函的不确定时滞系统的时滞相关鲁棒H_∞控制

研究了一类不确定时滞系统的鲁棒H∞控制问题.利用增广Lyapunov泛函并结合自由权矩阵方法,得到使得闭环系统鲁棒渐近稳定且具有给定的H∞性能的时滞相关充分条件.基于相应的线性矩阵不等式的可行解,给出了不确定时滞系统的状态反馈鲁棒H∞控制律.仿真实例表明了本文方法的有效性.

基于时间相关Lyapunov泛函方法的采样数据系统稳定判据

采用时间相关连续Lyapunov-Krasovskii泛函方法,对线性采样数据控制系统的稳定性问题进行了研究。基于现有的一种自由矩阵积分不等式(见文献[1]),提出了一种新的适用于采样数据系统的自由矩阵积分不等式,利用该不等式处理一次积分项,得到一个确保采样数据系统稳定的充分条件。4个数值实例证明了所提方法的有效性和优越性。

改进Lyapunov泛函下变时滞系统稳定性分析

针对具有区间变时滞的线性系统,提出一种新的稳定性判据.基于改进Lyapunov泛函,采用Jensen积分不等式和倒数凸组合技术,对Lyapunov泛函导数中的积分项进行界定,获得更紧的时滞上界,从而得到保守性更低的稳定性判据.通过数值实例验证所提出的稳定性判据有效.

用新的Lyapunov泛函处理带有离散时滞和分布时滞的神经网络的被动性

研究带有离散时滞和分布时滞的神经网络的被动性,通过构造新的Lyapunov泛函,建立了判定系统是被动的新标准.采用Lyapunov稳定理论、线性矩阵不等式及自由权矩阵等方法,通过实例很好地说明了所研究的结论是正确有效的,且在一定程度上降低了保守性.

基于改进Lyapunov泛函的时变时滞系统稳定性分析

研究一类时变时滞系统的稳定性问题。首先,运用Lyapunov稳定性理论,构造合适的增广型Lyapunov-Krasovskii(L-K)泛函,该泛函包含时滞乘积项和增广矩阵;其次,采用Auxiliary-function-based不等式和改进的倒数凸组合方法来界定泛函导数中的积分交叉项,并通过Schur补引理,给出一个低保守性的稳定性准则;最后,对具有参数不确定性的时滞系统进行鲁棒H_(∞)稳定性分析,并通过数值算例验证了所得准则的有效性。

基于模糊Lyapunov-Krasovskii函数的T-S模糊系统的H_∞控制

研究了离散时滞T-S模糊系统基于模糊Lyapunov-Krasovskii函数的H∞控制问题.通过构造离散型模糊Lyapunov-Krasovskii函数,首先给出了一个使得T-S模糊系统渐近稳定的充分条件,然后给出了相应的H∞控制器的设计方法,该设计方法保证了模糊闭环系统内部渐近稳定并满足从干扰输入到控制输出的H∞范数界约束,且具有较少的保守性.最后通过仿真实例,验证了该方法的有效性.

基于改进的Lyapunov泛函的时变时滞系统稳定判据

针对时变时滞系统的延迟依赖稳定性问题进行了研究。选取一个合适的Lyapunov泛函,把Lyapunov函数中某些积分项进行修改并增加一个积分项;通过将基于自由矩阵积分不等式得到的部分矩阵的松弛条件,与二阶Bessel-Legendre积分不等式相结合来得到改进的结果。数值实例验证了此方法的保守性和优越性。

变分Lyapunov方法与脉冲泛函微分系统的一致稳定性

研究了一类具有界滞量的脉冲泛函微分系统,通过用变分Lyapunov函数结合Razumikhin技巧建立了一个变分比较原理。得到了脉冲泛函微分系统关于两个测度的一致稳定与一致渐近稳定的比较结果,并给出相关例子。

测度泛函微分方程的Lyapunov稳定性

利用广义常微分方程与测度泛函微分方程的等价关系,定义了测度泛函微分方程的稳定,渐进稳定及指数稳定的概念,并借助此概念及Lyapunov泛函证明了测度泛函微分方程稳定性的相关定理。

A new approach to stability analysis of neural networks with time-varying delay via novel Lyapunov-Krasovskii functional

In this paper, new delay-dependent stability criteria for asymptotic stability of neural networks with time-varying delays are derived. The stability conditions are represented in terms of linear matrix inequalities （LMIs） by constructing new Lyapunov-Krasovskii functional. The proposed functional has an augmented quadratic form with states as well as the nonlinear function to consider the sector and the slope constraints. The less conservativeness of the proposed stability criteria can be guaranteed by using convex properties of the nonlinear function which satisfies the sector and slope bound. Numerical examples are presented to show the effectiveness of the proposed method.