具LTI保持的采样控制系统鲁棒稳定性分析

来源 :控制工程 | 被引量 : 0次 | 上传用户:johnwangjohn
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
将美国密歇根大学的学者Bernstein教授和Hollot教授[1]提出的利用指数矩阵形式检测鲁棒稳定性的方法,推广到具有线性时不变(LTI)保持函数的采样控制系统中。直接使用了连续时间模型的原有数据,避免判断条件过于保守。构造了此类系统的标准Lyapunov函数的一个上限。此上限完全不依赖于系统原来的不确定参数,而只依赖于一个为了避免此上限过于保守而专门引入的一个自由标量参数。给出了一个可靠的数值计算的算法。并且将计算方法进行改进以进一步适用于具有任意广义采样保持函数(GSHF)的采样控制系统。 The method of exponential matrix detection of robust stability proposed by Professor Bernstein and Hollot [1] of the University of Michigan is extended to the sampling control system with linear time-invariant (LTI) preserving function. The direct use of the continuous data model of the original data, to avoid judging conditions are too conservative. An upper bound on the standard Lyapunov function that constructed such a system. This upper bound does not depend on the original uncertain parameters of the system, but only on a free scalar parameter specially introduced to avoid the upper bound being too conservative. A reliable numerical calculation algorithm is given. And the calculation method is improved to further apply to the sampling control system with arbitrary generalized sample and hold function (GSHF).
其他文献
总结了武器目标分配(Weapon Target Assignment,WTA)问题的研究现状,分析了资源损失最小化和目标威胁最大化两类静态分配模型的局限性,为了达到目标动态分配的目的以解决当前
词义排歧方法的研究在自然语言处理领域具有重要的理论和实践意义.研究了一种基于知网的语义剪枝算法,来解决自然语言处理过程中的词义排歧问题.其目的是通过语义剪枝系统尽
网络遥操作系统的随机时延给控制器设计带来巨大挑战,严重时破坏系统的稳定性。首先对遥操作无源理论及其波变量控制方法做了简单综述,然后提出直接无源散射变换方法,它将无
为了解决飞机前视地形防撞问题,针对机载防撞雷达系统的缺点及局限性,提出了一种以虚拟雷达替代机载防撞雷达系统的基于交互多模型的飞机地形规避策略。该方法根据飞机机动运
针对表面式永磁同步电机(SPMSM)驱动系统的非线性特点,着眼于调速系统的高性能要求,基于互联和阻尼配置的能量成形方法和端口受控耗散哈密顿(PCHD)系统原理,研究了SPMSM系统
针对一类只有输出信号可测且非线性项含不可测状态的不确定系统,基于输入信号置换思想构建了神经网络状态观测器,结合动态面理论设计了输出反馈自适应控制方案。通过理论分析确定了控制律参数选取范围,保证了闭环控制系统所有信号半全局一致终结有界;利用遗传算法提出一种参数寻优策略,选取了最优的输入初始值和控制律参数,解决了控制冲击问题,提高了跟踪精度。
针对差分进化算法DE传统变异策略不能有效平衡全局搜索和局部搜索,并且算子固定,导致算法早收敛、搜索效率较低.基于DE变异策略性能,提出一种混合变异策略,力图平衡算法探索
在传统电力系统无功优化(Reactive Power Optimization,RPO)模型中引入电压水平指标,建立了以网损最小,电压水平最好为目标的多目标差分进化算法(Differential EvolutionAlgo
在支持向量机多分类方法基础上,提出了一种改进的有向无环图支持向量机(Directed Acyclic Graph Support Vector Machine,DAGSVM)手势识别方法。首先根据Kinect采集到的场景深度信息将前景和背景分开,分割得到手,然后提取其特征向量,利用特征向量训练多个SVM两分类器,采用DAG拓扑结构构成DAGSVM多分类器,并对其结构排序进行改进。实验证明,与其他支
基于线性矩阵不等式技术,采用状态反馈控制,考虑同时带有网络诱导随机丢包和量化的H∞控制问题。考虑信号经网络从传感器到控制器和从控制器到执行器的传输中存在通信诱导随