CN108919647A - 一种具有随机非线性扰动的滑模控制方法 - Google Patents
一种具有随机非线性扰动的滑模控制方法 Download PDFInfo
- Publication number
- CN108919647A CN108919647A CN201810814458.9A CN201810814458A CN108919647A CN 108919647 A CN108919647 A CN 108919647A CN 201810814458 A CN201810814458 A CN 201810814458A CN 108919647 A CN108919647 A CN 108919647A
- Authority
- CN
- China
- Prior art keywords
- sliding
- matrix
- control system
- network control
- mode
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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
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
一种具有随机非线性扰动的滑模控制方法,本发明涉及具有随机非线性扰动的滑模控制方法。为了解决现有滑模控制方法不能同时处理随机切换非线性、状态时滞和不确定性,使外部扰动对系统输出影响大,导致滑模控制精度低的问题。本发明包括:一、建立具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型;二、对步骤一建立的动态模型进行滑模面的设计;三、计算滑模面的滑模动态;四、获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G;五、根据获得的参数矩阵G,构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制。本发明用于网络化控制领域。
Description
技术领域
本发明涉及网络化控制领域,具体涉及不确定概率下具有随机非线性扰动的滑模控制方法。
背景技术
滑模控制是控制领域中一个重要的研究分支,在机器人操纵、航空航天、污水处理系统等领域获得广泛应用。然而,实际的工程系统不可避免地受到各种随机因素的影响,如随机非线性扰动,噪声等。其中,随机非线性扰动是很普遍的,并且通常以一定的概率影响实际系统。由于技术的局限或其他因素,很难获得这种随机非线性扰动的准确发生概率,而很容易知道概率的具体分布区间。此外,系统又往往同时受网络诱导时滞和系统建模不确定性的影响。针对这一更为复杂的情况,目前现有的滑模控制方法不能同时处理随机切换非线性、状态时滞和不确定性,进而影响网络化控制系统的整体性能。因此,要想满足期望的控制要求,需要设计更为先进的滑模控制算法。
发明内容
本发明的目的是为了解决现有滑模控制方法不能同时处理随机切换非线性、状态时滞和不确定性,使外部扰动对系统的被控输出影响大,导致滑模控制精度低的问题,而提出一种具有随机非线性扰动的滑模控制方法。
一种具有随机非线性扰动的滑模控制方法包括以下步骤:
步骤一、建立具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型;
步骤二、对步骤一建立的具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型进行滑模面的设计;
步骤三、根据步骤二设计的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的滑模面,计算滑模面的滑模动态;
步骤四、利用步骤三获得的滑模动态,通过李亚普诺夫稳定性定理,获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G;
步骤五、根据步骤四获得的参数矩阵G,在一定准则下构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制。
本发明的有益效果为:
本发明解决了传统的滑模控制方法不能同时处理不确定发生概率的随机非线性扰动、有界状态时滞和不确定性,进而影响网络化控制系统的整体性能的问题,本发明同时考虑了不确定发生概率的随机非线性扰动、有界状态时滞和不确定性对网络化控制系统H∞性能的影响,通过适当选取李亚普诺夫函数,充分利用了时滞的有效信息,与现有的复杂随机系统的控制方法相比,本发明的滑模控制方法可以同时处理不确定概率的随机非线性扰动、有界状态时滞和范数有界参数不确定性,得到了基于线性矩阵不等式解的滑模控制方法,达到抗参数摄动、随机非线性扰动和时间延迟的目的,本发明适用于复杂随机系统的H∞性能控制。
本发明提高了控制的准确性。具体来说,就是将外界干扰对被控输出的影响指数γ(干扰抑制水平)准确地控制在0.73范围内。
附图说明
图1为本发明方法流程图;
图2是在构造的滑模控制器的作用下网络化控制系统的状态随时间的变化轨迹,图中xi,k(i=1,2,3)是网络化控制系统状态xk的第i个分量;
图3是在构造的滑模控制器的作用下滑模函数sk随时间的变化轨迹,si,k(i=1,2)是sk的第i个分量;
图4是构造的滑模控制器uk随时间的变化轨迹,ui,k(i=1,2)是uk的第i个分量;
图5是有界时变时滞τk随时间的变化轨迹;
图6是在构造的滑模控制器的作用下滑模函数的差分信号Δsk随时间的变化轨迹;Δsi,k(i=1,2)是Δsk的第i个分量。
具体实施方式
具体实施方式一:一种具有随机非线性扰动的滑模控制方法包括以下步骤:
步骤一、建立具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型;
步骤二、对步骤一建立的具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型进行滑模面的设计;
步骤三、根据步骤二设计的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的滑模面,计算滑模面的滑模动态;
步骤四、利用步骤三获得的滑模动态,通过李亚普诺夫稳定性定理,获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G;
步骤五、根据步骤四获得的参数矩阵G,在一定准则下构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制。
具体实施方式二:本实施方式与具体实施方式一不同的是:所述步骤一中建立具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型的具体过程为:
建立具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型,其状态空间形式为:
zk=Cxk+E2ωk (2)
xk=φk,k∈[-τM,0]
式中,xk为k时刻的网络化控制系统动态模型的状态变量,xk+1为k+1时刻的网络化控制系统动态模型的状态变量,为k-τk时刻的网络化控制系统的动态模型的状态变量;uk为k时刻的网络化控制系统动态模型的控制输入;zk为k时刻网络化控制系统的被控输出;τk为有界的时变时滞,τM为τk的上界;f(xk)为匹配的范数有界非线性扰动函数;gi(xk)是满足扇形有界条件的非匹配非线性函数,i=1,2;i=1对应系统(1)中的非线性函数g1(xk),i=2对应系统(1)中的非线性函数g2(xk),系统通过变量αk的取值实现在非线性函数g1(xk)和g2(xk)之间的切换。A为网络化控制系统的已知矩阵,Aτ为网络化控制系统的已知时滞矩阵,B为网络化控制系统的输入矩阵,C为网络化控制系统输出矩阵,D1和D2为网络化控制系统的非匹配非线性矩阵,E1和E2为网络化控制系统的外部扰动矩阵,A,Aτ,B,C,D1,D2,E1,E2均为已知的系统矩阵;ΔA=M1F1N1、ΔAτ=M2F2N2为网络化控制系统范数有界参数不确定性矩阵,已知矩阵M1,M2,N1,N2和未知矩阵F1,F2用来刻画范数有界参数不确定性,并且Fi满足I为单位矩阵;αk为不确定概率的伯努利分布随机变量;ωk∈l2[0,+∞)是k时刻的能量有限的外部扰动;φk是网络化控制系统动态模型的初始条件。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是:所述步骤二中针对步骤一建立的具有随机切换非线性和有界状态时滞的不确定网络化控制系统的动态模型进行滑模面的设计的具体过程为:
滑模面的公式:
sk=Gxk-GAxk-1 (3)
式中,xk-1是k-1时刻的网络化控制系统动态模型的状态变量,sk是k时刻的滑模函数,G是待设计的滑模面参数矩阵。为了保证GB的非奇异性和条件选择G=BTP,P是待求解的正定矩阵。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是:所述步骤三中根据步骤二设计的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的滑模面,计算滑模面的滑模动态的具体过程为:
利用sk+1=sk=0、等式(1)和(3)得到滑模动态方程:
式中,(GB)-1是矩阵GB的逆矩阵。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是:所述步骤四中利用步骤三获得的滑模动态,通过李亚普诺夫稳定性定理,获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G的具体过程为:
如果网络化控制系统中的被控输出zk与外部扰动ωk满足:
则网络化控制系统具有H∞性能,其中γ是给定的干扰抑制水平,为数学期望;
李亚普诺夫稳定性理论为:
其中:
Vk=V1k+V2k+V3k
式中,Vk为k时刻的李亚普诺夫函数,ΔVk为Vk的向前差分,Vk+1为k+1时刻的李亚普诺夫函数;为xk的转置,xj为j时刻的网络化控制系统动态模型的状态变量,为xj的转置,xi为i时刻的网络化控制系统动态模型的状态变量,为xi的转置;
首先获得使滑模动态具有H∞性能的判别条件:
其中:
其中为判别条件矩阵,为判别条件矩阵中第1行第1列的分块矩阵,为判别条件矩阵中第1行第2列的分块矩阵,为判别条件矩阵中第1行第3列的分块矩阵,为判别条件矩阵中第2行第2列的分块矩阵,为判别条件矩阵中第2行第3列的分块矩阵,为判别条件矩阵中第3行第3列的分块矩阵,*表示分块矩阵的对称部分,BT是B的转置,P为待求解的对称正定矩阵,为增广矩阵;
min表示最小化,μ为最小化参数,γ表示给定的干扰抑制水平,τM为时变时滞τk的上界,τm为时变时滞τk的下界,为已知的随机变量αk发生概率信息,∈为未知的随机变量αk发生概率信息上界,ε为正常数,AT,BT,CT, 和分别是矩阵A,Aτ,B,C,D1,D2,N1,N2,E1,E2,F1i和F2i的转置,P和Q均为待求解的对称正定矩阵,为已知矩阵;
为把等式(6)变为线性矩阵不等式,把(6)等价表示为引入不等式μ>0;由舒尔补引理得到:
其中tr表示矩阵的迹,μ为矩阵的上界系数,I为单位矩阵;
在满足不等式(5)和不等式(7)的条件下,最小化μ,获得矩阵P;
通过公式(8)计算滑模面参数矩阵G;
G=BTP (8)
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六:本实施方式与具体实施方式一至五之一不同的是:步骤五中根据步骤四获得的参数矩阵G,在一定准则下构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制的具体过程为:
一定准则指的是如下到达条件:
滑模面的到达条件为:
当sk>0,Δsk=sk+1-sk≤-κUsgn[sk]-κVsk
当sk<0,Δsk=sk+1-sk≥-κUsgn[sk]-κVsk (9)
构造滑模控制器:
其中(9),(10)中矩阵具体形式:
U=diag{μ1,μ2,…,μp},V=diag{ν1,ν2,…,νp},
其中Δsk为sk的向前差分,κ为采样周期,U为Δsk的上下界符号函数系数矩阵,sgn[sk]是sk的符号函数,V为Δsk的上下界滑模函数系数矩阵,为GΔAxk上下界的平均向量,为GΔAxk上下界的半差值向量,为上下界的平均向量,为上下界的半差值向量,为GBf(xk)上下界的平均向量,为GBf(xk)上下界的半差值向量。
其中,sgn[]表示符号函数,κ,μi,νi,(i=1,2,…p)为适当选择的满足到达条件的正常数,并且同时满足0<1-κνi<1(i=1,2,…,p),是向量Δa(k)=GΔAxk第i个分量的上界,是向量Δa(k)=GΔAxk第i个分量的下界,是向量第i个分量的上界,是向量第i个分量下界,是向量Δf(k)=GBf(xk)第i个分量的上界,是向量Δf(k)=GBf(xk)第i个分量的下界。
其它步骤及参数与具体实施方式一至五之一相同。
实施例一:
采用本发明所述方法进行仿真:
在F-404飞行器引擎系统模型中,状态变量xk的第一个分量和第二个分量表示水平位移,第三个分量表示飞行器的高度;网络化控制系统动态模型的控制输入uk的第一个分量表示引擎推力,第二个分量表示飞行路径角度。通过参考相关文献知,由于外部环境产生的多变性,F-404飞行器引擎系统受多种形式的外部扰动影响,如气流、温度等。因此,在对F-404飞行器引擎系统建模时需要考虑建模误差ΔA、ΔAτ,随机发生非线性扰动gi(xk)(i=1,2)及匹配非线性扰动f(xk),能量有限的外部扰动ωk,时间延迟τk等现象;对引擎系统线性化,并通过设置具体的采样周期,获得离散化系统矩阵参数A,sk代表F-404飞行器引擎系统的期望动态,uk代表设计的F-404飞行器引擎系统的控制器,在此控制器的控制下,引擎系统在受多种因素影响时,仍然能够保持期望的干扰抑制水平。系统中所涉及的所有参数的具体选取如下所示。
系统参数:
F1=F2=sin(0.3k),
此外,∈=0.2,τm=3,τM=5,γ=0.73,g1(xk)=0.5(F11+F21)xk+0.5(F21-F11)sin(xk)xk,sin(xk):=diag{sin(x1,k),sin(x2,k),sin(x3,k)},g2(xk)=0.5(F12+F22)xk+0.5(F22-F12)cos(xk)xk,cos(xk):=diag{cos(x1,k),cos(x2,k),cos(x3,k)},f(xk)=[0.49sin(x1,kx3,k)0.13sin(x2,k)]T, F11=F12=diag{0.4,0.5,0.8},F21=F22=diag{0.3,0.2,0.6},xi,k(i=1,2,3)代表xk的第i个分量。
通过最小化μ,,得到可行解和滑模面和控制器的参数矩阵G为
构造的滑模控制器的效果:
图2是在构造的滑模控制器的作用下网络化控制系统的状态轨迹xi,k(i=1,2,3),图3是在构造的滑模控制器的作用下滑模函数si,k(i=1,2)轨迹,图4是构造的滑模控制器ui,k(i=1,2)轨迹,图5是有界时变时滞τk随时间的变化轨迹,图6是在构造的滑模控制器的作用下滑模函数的差分信号Δsi,k(i=1,2)轨迹。
由图2至图6可见,针对具有随机切换非线性和有界状态时滞的不确定网络化控制系统,所发明的滑模控制器设计方法可有效抑制干扰对被控输出的影响,改善闭环系统的整体性能。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (6)
1.一种具有随机非线性扰动的滑模控制方法,其特征在于:所述方法的具体步骤为:
步骤一、建立具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型;
步骤二、对步骤一建立的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型进行滑模面的设计;
步骤三、根据步骤二设计的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的滑模面,计算滑模面的滑模动态;
步骤四、利用步骤三获得的滑模动态,通过李亚普诺夫稳定性定理,获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G;
步骤五、根据步骤四获得的参数矩阵G,构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制。
2.根据权利要求1所述一种具有随机非线性扰动的滑模控制方法,其特征在于:所述步骤一中建立具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的具体过程为:
建立具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型,其状态空间形式为:
zk=Cxk+E2ωk (2)
xk=φk,k∈[-τM,0]
式中,xk为k时刻的网络化控制系统动态模型的状态变量,xk+1为k+1时刻的网络化控制系统动态模型的状态变量,为k-τk时刻的网络化控制系统的动态模型的状态变量;uk为k时刻的网络化控制系统动态模型的控制输入;zk为k时刻网络化控制系统的被控输出;τk为有界的时变时滞,τM为τk的上界;f(xk)为匹配的范数有界非线性扰动函数;gi(xk)是满足扇形有界条件的非匹配非线性函数,i=1,2;A为网络化控制系统的已知矩阵,Aτ为网络化控制系统的已知时滞矩阵,B为网络化控制系统的输入矩阵,C为网络化控制系统输出矩阵,D1和D2为网络化控制系统的非匹配非线性矩阵,E1和E2为网络化控制系统的外部扰动矩阵,ΔA和ΔAτ为网络化控制系统的范数有界参数不确定性矩阵,αk为不确定概率的伯努利分布随机变量;ωk是k时刻的外部扰动;φk是网络化控制系统动态模型的初始条件。
3.根据权利要求1或2所述一种具有随机非线性扰动的滑模控制方法,其特征在于:所述步骤二中针对步骤一建立的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型进行滑模面的设计的具体过程为:
滑模面的公式:
sk=Gxk-GAxk-1 (3)
式中,xk-1是k-1时刻的网络化控制系统动态模型的状态变量,sk是k时刻的滑模函数,G是待设计的滑模面参数矩阵。
4.根据权利要求3所述一种具有随机非线性扰动的滑模控制方法,其特征在于:所述步骤三中根据步骤二设计的具有随机切换非线性和有界状态时滞的网络化控制系统的动态模型的滑模面,计算滑模面的滑模动态的具体过程为:
利用sk+1=sk=0、等式(1)和(3)得到滑模动态方程:
式中,(GB)-1是矩阵GB的逆矩阵。
5.根据权利要求4所述一种具有随机非线性扰动的滑模控制方法,其特征在于:所述步骤四中利用步骤三获得的滑模动态,通过李亚普诺夫稳定性定理,获得保证滑模动态H∞性能的判别条件,通过对判别条件的求解,得到滑模面参数矩阵G的具体过程为:
如果网络化控制系统中的被控输出zk与外部扰动ωk满足:
则网络化控制系统具有H∞性能,其中γ是给定的干扰抑制水平,为期望;
李亚普诺夫稳定性理论为:
式中,Vk为k时刻的李亚普诺夫函数,ΔVk为Vk的向前差分,Vk+1为k+1时刻的李亚普诺夫函数;
首先获得使滑模动态具有H∞性能的判别条件:
其中为判别条件矩阵,为判别条件矩阵中第1行第1列的分块矩阵,为判别条件矩阵中第1行第2列的分块矩阵,为判别条件矩阵中第1行第3列的分块矩阵,为判别条件矩阵中第2行第2列的分块矩阵,为判别条件矩阵中第2行第3列的分块矩阵,为判别条件矩阵中第3行第3列的分块矩阵,*表示分块矩阵的对称部分,BT是B的转置,P为待求解的对称正定矩阵,为增广矩阵;
把式(6)等价表示为引入不等式μ>0;由舒尔补引理得到:
其中tr表示矩阵的迹,μ为矩阵的上界系数,I为单位矩阵;
在满足不等式(5)和不等式(7)的条件下,最小化μ,获得矩阵P;
通过公式(8)计算滑模面参数矩阵G;
G=BTP (8)。
6.根据权利要求5所述一种具有随机非线性扰动的滑模控制方法,其特征在于:所述步骤五中根据步骤四获得的参数矩阵G,构造滑模控制器,实现对具有随机切换非线性和有界状态时滞的网络化控制系统的滑模控制的具体过程为:
滑模面的到达条件为:
当sk>0,Δsk=sk+1-sk≤-κUsgn[sk]-κVsk
当sk<0,Δsk=sk+1-sk≥-κUsgn[sk]-κVsk (9)
构造滑模控制器:
其中Δsk为sk的向前差分,κ为采样周期,U为Δsk的上下界符号函数系数矩阵,sgn[sk]是sk的符号函数,V为Δsk的上下界滑模函数系数矩阵,为GΔAxk上下界的平均向量,为GΔAxk上下界的半差值向量,为上下界的平均向量,为上下界的半差值向量,为GBf(xk)上下界的平均向量,为为GBf(xk)上下界的半差值向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814458.9A CN108919647A (zh) | 2018-07-23 | 2018-07-23 | 一种具有随机非线性扰动的滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814458.9A CN108919647A (zh) | 2018-07-23 | 2018-07-23 | 一种具有随机非线性扰动的滑模控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108919647A true CN108919647A (zh) | 2018-11-30 |
Family
ID=64417144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810814458.9A Pending CN108919647A (zh) | 2018-07-23 | 2018-07-23 | 一种具有随机非线性扰动的滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108919647A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375517A (zh) * | 2018-12-12 | 2019-02-22 | 哈尔滨理工大学 | 不确定发生概率情形下网络化控制系统的滑模控制方法 |
CN109521676A (zh) * | 2018-12-24 | 2019-03-26 | 哈尔滨理工大学 | 一种概率分布时滞系统的自适应滑模容错控制方法 |
CN111258223A (zh) * | 2020-03-12 | 2020-06-09 | 电子科技大学 | 一种基于滑模的切换网络化控制系统安全控制方法 |
CN111563325A (zh) * | 2020-04-29 | 2020-08-21 | 东南大学 | 一种随机银纳米线网络的线性和非线性电学性质仿真方法 |
CN112034874A (zh) * | 2020-09-10 | 2020-12-04 | 中国人民解放军海军航空大学 | 一种基于非线性滑模的飞行器姿态稳定跟踪控制方法 |
CN112180727A (zh) * | 2020-10-01 | 2021-01-05 | 天水师范学院 | 一种大时滞非线性系统的多率采样控制方法、系统及应用 |
CN112327615A (zh) * | 2020-09-29 | 2021-02-05 | 北京工业大学 | 基于无抖振模糊滑模的污水处理脱氮过程控制方法 |
CN113031665A (zh) * | 2021-03-12 | 2021-06-25 | 杭州电子科技大学 | 一种基于滑模控制的城市河道水位时变控制器设计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8396097B1 (en) * | 2007-06-25 | 2013-03-12 | L-3 Communications Corp | IIR sliding window integrator and search engine delay component for reducing the preamble size of a discovery burst |
CN103439975A (zh) * | 2013-09-09 | 2013-12-11 | 北京理工大学 | 一种分布式指数时变滑模姿态协同跟踪控制方法 |
CN103676646A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨理工大学 | 一种具有随机发生的不确定性和分布式传感器时滞的网络化控制系统的状态估计方法 |
CN104967135A (zh) * | 2015-07-08 | 2015-10-07 | 上海电力学院 | 含风电的多域时滞互联电力系统滑模负荷频率控制方法 |
CN105388758A (zh) * | 2015-11-10 | 2016-03-09 | 南京航空航天大学 | 一种基于Delta算子的液位控制系统的自适应滑模控制方法 |
-
2018
- 2018-07-23 CN CN201810814458.9A patent/CN108919647A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8396097B1 (en) * | 2007-06-25 | 2013-03-12 | L-3 Communications Corp | IIR sliding window integrator and search engine delay component for reducing the preamble size of a discovery burst |
CN103439975A (zh) * | 2013-09-09 | 2013-12-11 | 北京理工大学 | 一种分布式指数时变滑模姿态协同跟踪控制方法 |
CN103676646A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨理工大学 | 一种具有随机发生的不确定性和分布式传感器时滞的网络化控制系统的状态估计方法 |
CN104967135A (zh) * | 2015-07-08 | 2015-10-07 | 上海电力学院 | 含风电的多域时滞互联电力系统滑模负荷频率控制方法 |
CN105388758A (zh) * | 2015-11-10 | 2016-03-09 | 南京航空航天大学 | 一种基于Delta算子的液位控制系统的自适应滑模控制方法 |
Non-Patent Citations (4)
Title |
---|
ADRIANE.ONYEKA: "Sliding Mode Control of Time-Delay Systems with Delayed Nonlinear Uncertainties", 《SCIENCEDIRECT》 * |
刘金琨: "滑模变结构控制理论及其算法研究与进展", 《控制理论与应用》 * |
张盼盼: "Robust H∞ control for delayed systems with randomly varying nonlinearities under uncertain occurrence probability via sliding mode method", 《SYSTEMS SCIENCE & CONTROL ENGINEERING》 * |
董小闵: "具有非线性时滞的汽车磁流变悬架系统自适应模糊滑模控制", 《振动与冲击》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109375517A (zh) * | 2018-12-12 | 2019-02-22 | 哈尔滨理工大学 | 不确定发生概率情形下网络化控制系统的滑模控制方法 |
CN109521676A (zh) * | 2018-12-24 | 2019-03-26 | 哈尔滨理工大学 | 一种概率分布时滞系统的自适应滑模容错控制方法 |
CN109521676B (zh) * | 2018-12-24 | 2021-11-30 | 哈尔滨理工大学 | 一种概率分布时滞系统的自适应滑模容错控制方法 |
CN111258223A (zh) * | 2020-03-12 | 2020-06-09 | 电子科技大学 | 一种基于滑模的切换网络化控制系统安全控制方法 |
CN111563325A (zh) * | 2020-04-29 | 2020-08-21 | 东南大学 | 一种随机银纳米线网络的线性和非线性电学性质仿真方法 |
CN112034874A (zh) * | 2020-09-10 | 2020-12-04 | 中国人民解放军海军航空大学 | 一种基于非线性滑模的飞行器姿态稳定跟踪控制方法 |
CN112327615A (zh) * | 2020-09-29 | 2021-02-05 | 北京工业大学 | 基于无抖振模糊滑模的污水处理脱氮过程控制方法 |
CN112327615B (zh) * | 2020-09-29 | 2022-03-15 | 北京工业大学 | 基于无抖振模糊滑模的污水处理脱氮过程控制方法 |
CN112180727A (zh) * | 2020-10-01 | 2021-01-05 | 天水师范学院 | 一种大时滞非线性系统的多率采样控制方法、系统及应用 |
CN112180727B (zh) * | 2020-10-01 | 2023-03-14 | 天水师范学院 | 一种大时滞非线性系统的多率采样控制方法、系统及应用 |
CN113031665A (zh) * | 2021-03-12 | 2021-06-25 | 杭州电子科技大学 | 一种基于滑模控制的城市河道水位时变控制器设计方法 |
CN113031665B (zh) * | 2021-03-12 | 2022-04-01 | 杭州电子科技大学 | 一种基于滑模控制的城市河道水位时变控制器设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108919647A (zh) | 一种具有随机非线性扰动的滑模控制方法 | |
Jin et al. | A noise-suppressing neural algorithm for solving the time-varying system of linear equations: A control-based approach | |
Wang et al. | Adaptive intelligent control of nonaffine nonlinear time-delay systems with dynamic uncertainties | |
Chu et al. | Fuzzy adaptive disturbance-observer-based robust tracking control of electrically driven free-floating space manipulator | |
Cai et al. | Adaptive neural network control for missile systems with unknown hysteresis input | |
Zhang et al. | Singularity-conquering ZG controller for output tracking of a class of nonlinear systems | |
CN105353610A (zh) | 基于kp模型的磁控形状记忆合金执行器建模方法 | |
Bartczuk et al. | Hybrid state variables-fuzzy logic modelling of nonlinear objects | |
Chang et al. | Passive fuzzy controller design via observer feedback for stochastic Takagi-Sugeno fuzzy models with multiplicative noises | |
Abadi et al. | Chattering-free adaptive finite-time sliding mode control for trajectory tracking of MEMS gyroscope | |
Liu et al. | Immersion and invariance based composite adaptive control of nonlinear high-order systems | |
Niu et al. | Almost-global formation tracking control for multiple vehicles with disturbance rejection | |
Wang et al. | Backstepping-based robust H∞ tracking controller design for ball and plate system | |
Fu et al. | Neural network-based adaptive fast terminal sliding mode control for a class of SISO uncertain nonlinear systems | |
He et al. | Stabilization analysis for a class of nonlinear systems based on characteristic model | |
Ma et al. | Adaptive finite-time tracking control for a robotic manipulator with unknown deadzone | |
Wu et al. | Design method of active disturbance rejection variable structure control system | |
Tsukamoto et al. | Neural stochastic contraction metrics for robust control and estimation | |
Zhao et al. | Adaptive sliding mode output synchronization tracking for hyper-chaotic Lü system based on adaptive PWL filters | |
Khettab et al. | Enhanced fuzzy adaptive control of uncertain fractional chaotic systems using a fractional sliding mode approach | |
Zhang et al. | Tracking control of delayed networked systems via a pinning impulsive strategy | |
Zhang et al. | Exponential tracking control of nonlinear systems with actuator nonlinearity | |
Mortezaee et al. | Solving infinite horizon optimal control problems of nonlinear interconnected large-scale dynamic systems via a Haar wavelet collocation scheme | |
Jia et al. | Machine Learning-based Robust Adaptive Control for FFSGR with Actuator Deadzone | |
Lee et al. | Robust Adaptive Backstepping Controller for a Class of Nonlinear Cascade Systems via Fuzzy Neural Networks |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181130 |
|
WD01 | Invention patent application deemed withdrawn after publication |