CN108445758B - 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法 - Google Patents

一类具有网络随机时变时延的线性参数变化系统的h∞控制方法 Download PDF

Info

Publication number
CN108445758B
CN108445758B CN201810205389.1A CN201810205389A CN108445758B CN 108445758 B CN108445758 B CN 108445758B CN 201810205389 A CN201810205389 A CN 201810205389A CN 108445758 B CN108445758 B CN 108445758B
Authority
CN
China
Prior art keywords
delay
random time
varying
linear parameter
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810205389.1A
Other languages
English (en)
Other versions
CN108445758A (zh
Inventor
潘丰
马涛
方建文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Longyan Yulian Information Technology Co.,Ltd.
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN201810205389.1A priority Critical patent/CN108445758B/zh
Publication of CN108445758A publication Critical patent/CN108445758A/zh
Application granted granted Critical
Publication of CN108445758B publication Critical patent/CN108445758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/047Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators the criterion being a time optimal performance criterion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供一类具有网络随机时变时延的线性参数变化系统的H控制方法,属于网络化系统控制领域。首先建立具有网络随机时变时延的线性参数变化系统的闭环控制模型,再构造恰当的Lyapunov函数,利用Lyapunov稳定性理论和线性矩阵不等式分析方法,得到闭环控制稳定和H控制器存在的充分条件;最后,利用Matlab LMI工具箱进行求解,给出具有网络随机时变时延的线性参数变化系统的H控制器增益矩阵
Figure DDA0001595751930000011
本发明考虑了随机时变时延和扰动情况,更具有实际意义,降低了H控制器设计的保守性。

Description

一类具有网络随机时变时延的线性参数变化系统的H∞控制 方法
技术领域
本发明属于网络化系统控制领域,涉及一类具有网络随机时变时延的线性参数变化系统的H控制方法。
背景技术
近年来,增益调度控制尤其是基于线性参数变化(Linear Parameter-Varying,LPV)系统的增益调度控制得到了越来越多的研究。线性参数变化系统是一类参数在不断变化的系统,此类系统的状态矩阵的元素是具有时变参数的确定函数,而与函数相关的时变参数的范围是能够测量的。许多实际的系统都能用上述的模型来描述,如飞行器系统、风能转换系统等,并且有关此类系统的研究也有了许多的成果和研究报道。由于能够描述一类实际动态系统本身存在的非线性和时变特性,线性参数变化系统成为近年来倍受控制理论界关注的一个热点,其理论已经成功地应用在航空、航天、机器人和工业过程控制等领域。
现代网络控制系统的迅速发展有其巨大的优点,比如成本低,安装维护简单,具有较高的可靠性和灵活性以及较强的容错与故障诊断能力,便于远程操作与控制。然而,将LPV系统引入到网络中时,就会出现新的问题,比如数据量化、网络延时和数据丢包等问题,降低了整个系统的性能,甚至引起整个系统的不稳定,在实际的反馈控制系统中,网络时延处处存在,特别是一类可变的时延,因此需要对网络通道中产生的时延进行处理。在工程实际中,对网络诱导时延处理是极其重要的,通信系统、传送系统、化工过程系统、冶金过程系统、环境系统、电力系统等都有可能应用到。时延的存在使得系统的分析和综合变得更加复杂和困难,同时时延的存在也往往是系统不稳定和系统性能变差的根源之一。因此,对具有网络随机时变时延的线性参数变化系统的H控制研究具有重要的理论意义和广泛的应用前景。
发明内容
针对上述现有技术中存在的问题,本发明提供了一类具有网络随机时变时延的线性参数变化系统的H控制方法。该方法考虑线性参数变化控制系统存在时变时延、控制器增益变化的情况,设计了具有网络随机时变时延的线性参数变化系统的H控制器,使得具有网络随机时变时延的线性参数变化控制系统在一定范围内仍能保持系统稳定,并且满足H性能指标。
本发明的技术方案:
一类具有网络随机时变时延的线性参数变化系统的H控制方法,包括以下步骤:
1)建立线性参数变化系统的数学模型
Figure GDA0002210552590000021
x(k)=Φ(k),k∈[-d,0]
其中,
Figure GDA0002210552590000022
为系统的状态向量;
Figure GDA0002210552590000024
为系统的输出向量;
Figure GDA0002210552590000025
为系统的控制输入向量;为系统的扰动输入向量;αi为多胞体的坐标,并且,αi≥0,
Figure GDA0002210552590000027
r为多胞体顶点个数的上限;
Figure GDA0002210552590000028
Figure GDA0002210552590000029
是线性参数变化系统的系统矩阵;
Figure GDA00022105525900000210
Figure GDA00022105525900000211
分别为线性参数变化系统的系统矩阵A(ρ(k))、B1(ρ(k))、 B2(ρ(k))、C(ρ(k))和D(ρ(k))在多胞体各顶点处的值;{Φ(k),k=-d,-d+1,…,0},是一个已知初始条件序列,d为系统的状态变量在零时刻之前的时间下限;参数向量ρ(k)=[ρ1(k) ρ2(k) … ρs(k)]T满足ρi(k)范围可测,且
Figure GDA00022105525900000212
ρi 是ρi(k)的下限,
Figure GDA00022105525900000213
是ρi(k)的上限;
2)设计状态反馈控制器,控制器的输出为控制输入向量u(k),即:
u(k)=(1-δk)K(ρ(k))x(k)+δkK(ρ(k))x(k-d(k)) (2)
其中,1≤dm≤d(k)≤dM
Figure GDA00022105525900000214
为待求的依赖于参数的状态反馈增益矩阵,d(k)表示网络随机时变时延,dm为时延下界,dM为时延上界;δk表示信号在传感器到控制器的网络传输信道上是否有时延发生;当δk=0时,表示不存在随机时延;当δk=1时,表示存在随机时延;
随机时变时延发生概率为:
Figure GDA00022105525900000215
其中,0≤α≤1是已知常数,E{·}表示数学期望,prob{·}表示事件发生概率;
线性参数变化系统(1)和状态反馈控制器(2)构成一类具有网络随机时变时延的线性参数变化系统的闭环控制系统;
3)构造Lyapunov函数
V(k,ρ(k))=V1+V2+V3+V4 (4)
其中,V1=xT(k)P(ρ(k))x(k),
Figure GDA0002210552590000031
τ(k)=x(k+1)-x(k);
Figure GDA0002210552590000034
为已知的正定对称矩阵,j为时延的下界和上界之间的离散值;
4)计算状态反馈增益矩阵K(ρ(k))
具有网络随机时变时延的线性参数变化系统的闭环控制系统稳定和H控制存在的充分条件为:给定通信时延发生概率0≤α≤1,一个γ>0的指标,当存在对称正定矩阵
Figure GDA0002210552590000035
Figure GDA0002210552590000036
矩阵
Figure GDA0002210552590000038
Figure GDA0002210552590000039
使得线性矩阵不等式 (5)成立时,则该具有网络随机时变时延的线性参数变化系统的闭环控制系统是指数均方稳定的,且满足H性能指标,H控制的状态反馈增益矩阵为
Figure GDA00022105525900000310
Figure GDA00022105525900000311
其中,*代表对称位置矩阵的转置,
Figure GDA00022105525900000312
Figure GDA00022105525900000314
Figure GDA00022105525900000315
Figure GDA00022105525900000316
I为单位阵;
5)H控制最优化
计算H控制的状态反馈增益矩阵后,根据
Figure GDA00022105525900000317
求出具有网络随机时变时延的线性参数变化系统的闭环控制系统性能指标γ,H控制下最优扰动抑制比γopt优化的条件为:
Figure GDA0002210552590000041
当式(6)有解时,则得到具有随机时变时延的线性参数变化系统的闭环控制系统在符合 H控制条件下,系统的最优扰动抑制比为γopt,同时状态反馈增益矩阵K(ρ(k))被优化为
Figure GDA0002210552590000042
6)实现H控制
由线性参数变化系统(1)和状态反馈控制器(2)构成一类具有网络随机时变时延的线性参数变化系统的闭环控制系统:
其中,
Figure GDA0002210552590000044
利用Matlab LMI工具箱求解式(6),将参数代入式(7),得到所设计的状态反馈控制器在一定的范围内能够保证具有网络随机时变时延的线性参数变化系统的闭环控制系统是指数均方稳定的,且满足给定的H性能指标。
本发明的有益效果:
1)本发明针对线性参数变化控制系统,同时考虑了系统中的不完整测量因素和不确定因素,包括系统中存在的随机时变时延、外界扰动,通过一系列的推导、转化建立了具有网络随机时变时延的线性参数变化系统的闭环控制模型,给出了状态反馈控制器的设计方法;
2)本发明考虑了信号传输的过程中时延的随机性和时变性,更具有实际意义;
3)本发明适用于一般的H控制,降低了该状态反馈控制器设计方法的保守性;
4)本发明采用的网络随机时变时延随机序列满足Bernoulli分布,比较符合网络诱导时延的特性。
附图说明
图1是一类具有网络随机时变时延的线性参数变化系统的H控制方法的流程图。
图2是具有网络随机时变时延的线性参数变化系统的闭环控制结构图。图中x(k)∈Rn为系统的状态向量,
Figure GDA0002210552590000051
为系统的输出向量,
Figure GDA0002210552590000052
为系统的控制输入向量,
Figure GDA0002210552590000053
为系统的扰动输入向量。
图3是具有网络随机时变时延的线性参数变化系统的开环状态响应图。
图4是α=0.2,d(k)=1时的具有网络随机时变时延的线性参数变化系统的H闭环控制状态响应图。
图5是α=0.5,d(k)=1时的具有网络随机时变时延的线性参数变化系统的H闭环控制状态响应图。
图6是α=0.6,d(k)=1时的具有网络随机时变时延的线性参数变化系统的H闭环控制状态响应图。
图7是α=0.5,d(k)=2时的具有网络随机时变时延的线性参数变化系统的H闭环控制状态响应图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
实施例1
如附图1所示的具有网络随机时变时延的线性参数变化系统的H控制方法,包括以下步骤:
步骤1:建立线性参数变化系统的数学模型为式(1)。
步骤2:设计状态反馈控制器为式(2),时延的随机发生概率满足式(3)。由线性参数变化系统式(1)和状态反馈控制器式(2)构成一类具有网络随机时变时延的线性参数变化系统的闭环控制为式(7)。
步骤3:构造Lyapunov函数为式(4)。
由于,E{V(k+1,ρ(k+1))}-V(k,ρ(k))=E{ΔV1}+E{ΔV2}+E{ΔV3}+E{ΔV4}
有E{ΔV(k,ρ(k))}+E{||z(k)||2}-γ2||w(k)||2<0,再利用Schur补引理可得式(8),
Figure GDA0002210552590000054
其中,*代表对称位置矩阵的转置,
Figure GDA0002210552590000061
Figure GDA0002210552590000062
Figure GDA0002210552590000063
步骤4:计算随机时变时延的线性参数变化系统的H控制的状态反馈增益矩阵K(ρ(k))。
根据Lyapunov稳定性理论,利用
Figure GDA0002210552590000064
对式(8)进行全等变换,可以得到矩阵不等式(5)。
利用Matlab LMI工具箱求解矩阵不等式(5),如矩阵不等式(5)有解,则得到具有网络随机时变时延的线性参数变化系统的闭环控制是指数均方稳定的,且满足H性能指标,H控制的状态反馈增益矩阵为
Figure GDA0002210552590000065
步骤5:H控制最优化。
利用Matlab LMI工具箱求解最优化问题式(6),如式(6)有解,则得到具有随机时变时延的线性参数变化系统的闭环控制在符合H控制条件下,系统的最优扰动抑制比为γopt,同时状态反馈增益矩阵K(ρ(k))被优化为
Figure GDA0002210552590000066
步骤6:实现H控制。
将利用Matlab LMI工具箱求解得到的参数代入式(7),可得所设计的状态反馈控制器在一定的范围内能够保证具有网络随机时变时延的线性参数变化系统的闭环控制是指数均方稳定的,且满足给定的H性能指标。
实施例2:
采用本发明提出的一类具有网络随机时变时延的线性参数变化系统的H控制方法,具体实现方法如下:
某不间断电源网络为线性参数变化系统,其数学模型为式(1),给定其系统参数为:
其中,ρ1(k)和ρ2(k)为可测量的时变参数,其取值范围分别为ρ1(k)∈[-1,1]和ρ2(k)∈[1,2], 1≤d(k)≤3,则参数多面体Θ的顶点为:{θ1234}={[-1,1],[-1,2],[1,1],[1,2]}。
Figure GDA0002210552590000072
α1=α2=α3=α4=1/4。
扰动为:
给定初始状态为x(0)=[1 -0.5]T,利用Matlab LMI工具箱求出状态反馈增益矩阵,用 Matlab仿真出不同概率的随机时延情况下,具有网络随机时变时延的线性参数变化系统在 H控制下的状态响应,如附图3-附图7所示,附图3表明该具有网络随机时变时延的线性参数变化系统在开环状态下是发散的,不稳定的系统。由附图4-附图7的闭环控制状态响应曲线图可以观察出,当时延固定为d(k)=1时,随着时延概率的增大,闭环控制的H性能指标变大,说明其抗干扰性变差,闭环控制的状态响应曲线的稳定性变差,甚至是不稳定。在时延概率α≤0.5时,闭环控制是稳定的;当时延概率α>0.6时,闭环控制逐渐变为发散的。附图5与附图7对比可以观察出,当时延概率固定为α=0.5时,随着时延d(k)的增大,闭环控制的状态响应曲线的稳定性变差。当d(k)>2时,闭环控制逐渐变为不稳定了。
综合以上可以得出,时延概率或者时延大小的值会影响闭环控制的稳定性和性能指标,随着网络时延概率α的增大或者时延d(k)的增大,闭环控制的稳定性和性能指标都会下降。本发明所设计的控制器在一定的范围内可以保证闭环控制稳定且满足给定的性能指标。

Claims (1)

1.一类具有网络随机时变时延的线性参数变化系统的H控制方法,其特征在于,包括以下步骤:
1)建立线性参数变化系统的数学模型
Figure FDA0002210552580000011
x(k)=Φ(k),k∈[-d,0]
其中,
Figure FDA0002210552580000013
为系统的状态向量;
Figure FDA0002210552580000014
为系统的输出向量;
Figure FDA0002210552580000015
为系统的控制输入向量;
Figure FDA0002210552580000016
为系统的扰动输入向量;αi为多胞体的坐标,并且,αi≥0,
Figure FDA0002210552580000017
r为多胞体顶点个数的上限;
Figure FDA0002210552580000018
Figure FDA0002210552580000019
是线性参数变化系统的系统矩阵;
Figure FDA00022105525800000110
Figure FDA00022105525800000111
i=1,2,…r分别为线性参数变化系统的系统矩阵A(ρ(k))、B1(ρ(k))、B2(ρ(k))、C(ρ(k))和D(ρ(k))在多胞体各顶点处的值;{Φ(k),k=-d,-d+1,…,0},是一个已知初始条件序列,d为系统的状态变量在零时刻之前的时间下限;参数向量ρ(k)=[ρ1(k) ρ2(k) … ρs(k)]T满足ρi(k)范围可测,且
Figure FDA00022105525800000112
ρi 是ρi(k)的下限,
Figure FDA00022105525800000113
是ρi(k)的上限;
2)设计状态反馈控制器,控制器的输出为控制输入向量u(k),即:
u(k)=(1-δk)K(ρ(k))x(k)+δkK(ρ(k))x(k-d(k)) (2)
其中,1≤dm≤d(k)≤dM
Figure FDA00022105525800000114
为待求的依赖于参数的状态反馈增益矩阵,d(k)表示网络随机时变时延,dm为时延下界,dM为时延上界;δk表示信号在传感器到控制器的网络传输信道上是否有时延发生;当δk=0时,表示不存在随机时延;当δk=1时,表示存在随机时延;
随机时变时延发生概率为:
其中,0≤α≤1是已知常数,E{·}表示数学期望,prob{·}表示事件发生概率;
线性参数变化系统(1)和状态反馈控制器(2)构成一类具有网络随机时变时延的线性参数变化系统的闭环控制系统;
3)构造Lyapunov函数
V(k,ρ(k))=V1+V2+V3+V4 (4)
其中,V1=xT(k)P(ρ(k))x(k),
Figure FDA0002210552580000021
Figure FDA0002210552580000022
τ(k)=x(k+1)-x(k);
Figure FDA0002210552580000023
Figure FDA0002210552580000024
为已知的正定对称矩阵,j为时延的下界和上界之间的离散值;
4)计算状态反馈增益矩阵K(ρ(k))
具有网络随机时变时延的线性参数变化系统的闭环控制系统稳定和H控制存在的充分条件为:给定通信时延发生概率0≤α≤1,一个γ>0的指标,当存在对称正定矩阵
Figure FDA0002210552580000025
Figure FDA0002210552580000026
Figure FDA0002210552580000027
矩阵
Figure FDA0002210552580000028
使得线性矩阵不等式(5)成立时,则该具有网络随机时变时延的线性参数变化系统的闭环控制系统是指数均方稳定的,且满足H性能指标,H控制的状态反馈增益矩阵为
Figure FDA00022105525800000210
其中,*代表对称位置矩阵的转置,
Figure FDA00022105525800000213
Figure FDA00022105525800000214
Ad(ρ)=αB1(ρ(k))K(ρ(k)),
Figure FDA00022105525800000215
Figure FDA00022105525800000216
Figure FDA00022105525800000217
I为单位阵;
5)H控制最优化
计算H控制的状态反馈增益矩阵后,根据
Figure FDA0002210552580000031
求出具有网络随机时变时延的线性参数变化系统的闭环控制系统性能指标γ,H控制下最优扰动抑制比γopt优化的条件为:
Figure FDA0002210552580000032
当式(6)有解时,则得到具有随机时变时延的线性参数变化系统的闭环控制系统在符合H控制条件下,系统的最优扰动抑制比为γopt,同时状态反馈增益矩阵K(ρ(k))被优化为
Figure FDA0002210552580000033
6)实现H控制
由线性参数变化系统(1)和状态反馈控制器(2)构成一类具有网络随机时变时延的线性参数变化系统的闭环控制系统:
Figure FDA0002210552580000034
其中,
Figure FDA0002210552580000035
利用Matlab LMI工具箱求解式(6),将参数代入式(7),得到所设计的状态反馈控制器能够保证具有网络随机时变时延的线性参数变化系统的闭环控制系统是指数均方稳定的,且满足给定的H性能指标。
CN201810205389.1A 2018-03-13 2018-03-13 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法 Active CN108445758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810205389.1A CN108445758B (zh) 2018-03-13 2018-03-13 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810205389.1A CN108445758B (zh) 2018-03-13 2018-03-13 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法

Publications (2)

Publication Number Publication Date
CN108445758A CN108445758A (zh) 2018-08-24
CN108445758B true CN108445758B (zh) 2020-01-07

Family

ID=63195042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810205389.1A Active CN108445758B (zh) 2018-03-13 2018-03-13 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法

Country Status (1)

Country Link
CN (1) CN108445758B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110634198B (zh) * 2019-09-24 2020-12-01 江南大学 一种基于正多胞体滤波的工业系统分层故障诊断方法
CN111123696B (zh) * 2020-01-13 2022-10-28 杭州电子科技大学 基于冗余信道的网络化工业控制系统状态估计方法
CN114137831B (zh) * 2021-10-13 2022-06-14 清华大学 一种智能网联汽车队列系统中纵向控制方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103306894A (zh) * 2012-12-05 2013-09-18 辽宁省电力有限公司电力科学研究院 基于线性变参数增益调度的风力发电机组h∞控制器
US8725677B1 (en) * 2011-03-31 2014-05-13 Rockwell Collins, Inc. State change detection using multi-dimensional phase space
CN106773668A (zh) * 2016-11-22 2017-05-31 西北工业大学 一种用于变时延双边遥操作系统的稳定控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101976850B (zh) * 2010-10-11 2012-09-26 江西省电力科学研究院 针对四桥臂光伏逆变器中线臂控制模型的直流侧控制方法
CN106325075B (zh) * 2016-10-26 2019-01-29 江南大学 一类时滞线性参数变化离散系统的h∞控制方法
CN107272416A (zh) * 2017-07-26 2017-10-20 江南大学 一类线性参数变化系统动态量化h∞控制方法
CN107450326B (zh) * 2017-08-09 2020-03-10 清华大学深圳研究生院 反步有限时间双边遥操作控制方法及计算机可读存储介质
CN107579541A (zh) * 2017-08-31 2018-01-12 南京理工大学 一种基于模式分析的光伏电站对多机系统低频振荡的抑制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8725677B1 (en) * 2011-03-31 2014-05-13 Rockwell Collins, Inc. State change detection using multi-dimensional phase space
CN103306894A (zh) * 2012-12-05 2013-09-18 辽宁省电力有限公司电力科学研究院 基于线性变参数增益调度的风力发电机组h∞控制器
CN106773668A (zh) * 2016-11-22 2017-05-31 西北工业大学 一种用于变时延双边遥操作系统的稳定控制方法

Also Published As

Publication number Publication date
CN108445758A (zh) 2018-08-24

Similar Documents

Publication Publication Date Title
Wu et al. Fuzzy $\mathcal {H} _ {\infty} $ Output Feedback Control for Nonlinear NCSs With Quantization and Stochastic Communication Protocol
CN108445758B (zh) 一类具有网络随机时变时延的线性参数变化系统的h∞控制方法
Weng et al. Data-driven robust output tracking control for gas collector pressure system of coke ovens
CN108427288B (zh) 一类具有时变时延的网络化线性参数变化系统的h∞容错控制方法
CN106325075B (zh) 一类时滞线性参数变化离散系统的h∞控制方法
Zou et al. Practical predefined-time output-feedback consensus tracking control for multiagent systems
Li et al. Robust bipartite tracking consensus of multi-agent systems via neural network combined with extended high-gain observer
Xue et al. Global practical tracking for stochastic time-delay nonlinear systems with SISS-like inverse dynamics
CN107272416A (zh) 一类线性参数变化系统动态量化h∞控制方法
Gan et al. Anti-synchronization for periodic BAM neural networks with Markov scheduling protocol
Ning et al. Quantization-uncertainty-dependent analysis and control of linear systems with multi-input–multi-output quantization
Chu et al. Robust event triggered control for lateral dynamics of intelligent vehicle with designable inter-event times
Ji et al. Event-generator-based H∞ control of fuzzy distributed parameter systems
Ye et al. Finite-Time Control for Multiple Time-Delayed Fuzzy Large-Scale Systems Against State and Input Constraints
Lin et al. Finite‐time stabilisation of switched linear input‐delay systems via saturating actuators
Kong et al. Fixed-time and predefined-time synchronization of discontinuous neutral-type competitive networks via non-chattering adaptive control strategy
Lu et al. The design of robust controller for networked control system with time delay
Xiang et al. Genetic-algorithm-optimization-based predictive functional control for chemical industry processes against partial actuator faults
Tian et al. A self-tuning fuzzy controller for networked control system
Liu et al. Adaptive control of TS fuzzy systems with Markov switching parameters through observer-based sliding mode approach
Liu et al. Smooth sliding mode control and its application in ship boiler drum water level
Zhang Fuzzy adaptive control of uncertain mimo chaotic systems with unknown control direction
Wang et al. Design of prediction-based controller for networked control systems with packet dropouts and time-delay
CN114114909B (zh) 基于粒子群算法优化的间歇过程2d输出反馈预测控制方法
CN114967457A (zh) 奇异摄动系统的基于模型的事件触发控制稳定性方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20201223

Address after: No.11 Huanyuan Road, Gaopi Town, Yongding District, Longyan City, Fujian Province

Patentee after: Longyan Yulian Information Technology Co.,Ltd.

Address before: 1800 No. 214122 Jiangsu city of Wuxi Province Li Lake Avenue

Patentee before: Jiangnan University

TR01 Transfer of patent right