CN112947063A - 一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 - Google Patents
一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 Download PDFInfo
- Publication number
- CN112947063A CN112947063A CN202110061468.1A CN202110061468A CN112947063A CN 112947063 A CN112947063 A CN 112947063A CN 202110061468 A CN202110061468 A CN 202110061468A CN 112947063 A CN112947063 A CN 112947063A
- Authority
- CN
- China
- Prior art keywords
- matrix
- controller
- ijtn
- fuzzy
- integral
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000006855 networking Effects 0.000 title claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 76
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 239000000126 substance Substances 0.000 claims description 16
- 230000008054 signal transmission Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 238000005562 fading Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 230000003094 perturbing effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
本发明公开了一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,主要涉及控制领域。包括基于Takagi‑Sugeno模糊技术建立系统状态空间模型;建立信道衰减影响下的传输模型;基于可获得的测量输出构造模糊比例‑积分控制器;构造性能指标辅助函数,根据辅助函数通过求解提出的优化算法得到控制器增益的值;最后基于得到的控制器增益,计算得到控制信号。本发明的有益效果在于:结合了模糊控制和比例‑积分控制两种技术,控制效果好,且由于关键变量采用求解线性矩阵不等式的方法,保证了算法的易执行性。
Description
技术领域
本发明涉及控制领域,具体是一种衰减信道网络化系统的非脆弱模糊比例积分控制方法。
背景技术
耗散控制是控制理论的基本研究问题之一,在实际工程中有着重要意义。耗散控制的基本思想是利用可测的信号,采取合适的控制算法,使被控系统在控制算法的作用下满足规定的耗散性能指标。耗散控制理论提供了一种统一的框架来研究H∞控制、无源控制等经典的性能指标。从过去几十年以来,为了满足不同的工业需求,人们提出了许多控制算法来实现耗散控制,并且在实践中取得了满意的效果。
非线性系统在现实中广泛存在,相对于线性系统而言,非线性系统不满足叠加定理,动态行为更加复杂,因此设计针对非线性系统的控制算法一直是一个热点问题。在众多针对非线性系统的控制算法中,模糊控制通常被认为是一种十分有效的算法。在模糊控制框架下,首先将原非线性系统表示成模糊系统,然后很据人类知识、经验和模糊理论来设计对应的模糊控制算法,这种算法物理含义明确、较容易实施。常用的模糊控制算法包括模糊比例控制和模糊比例-积分控制。其中,对于模糊比例-积分控制算法,由于引入了积分项,使得算法对噪声不敏感并可以消除稳态误差,因此更常用于实际工程中。另一方面,在实际中实施控制算法时,由于控制器元件老化、计算误差等因素,所设计控制算法中的控制参数容易发生摄动,继而影响算法的有效性,因此设计非脆弱的控制算法具有重要的现实意义。在非脆弱控制框架下,被控系统可以对控制参数摄动具有一定的鲁棒性。
在现代化的工业生产中,系统中的信息传递通常由通信网络来完成。通信网络的使用减少了排线、降低了成本、增加了传输灵活性。然而实际中通信网络的带宽是有限的,当大量的数据同时在网络中传输时,容易造成数据拥堵,继而造成一些不利影响,比如会产生传输时滞、信道衰减等现象。其中,信道衰减是最为常见的一种网络化诱导现象,这种现象若在设计控制算法中不妥善考虑,会大大影响被控系统的性能。
基于上述情况,为满足实际工业应用需求,亟需一种基于非脆弱模糊比例-积分技术解决一类信道衰减影响下非线性系统的耗散控制方法,即针对含衰减信道网络化非线性系统开发一类非脆弱模糊比例-积分耗散控制方法,用于实时控制系统,保证系统的安全运行。
发明内容
本发明的目的在于提供一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,它
本发明为实现上述目的,通过以下技术方案实现:
一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,包括以下步骤:
S1.基于Takagi-Sugeno模糊建模技术建立系统状态空间模型,
S2.建立信道衰减影响下信号传输模型,实现非线性系统与控制器之间数据传输;
S3.基于可获得的测量输出构造控制器模糊模态j和估计模态n对应的比例增益和控制器模糊模态j和估计模态n对应的积分增益根据辅助函数、李亚普诺夫稳定性理论和凸优化技术来求取控制器增益的值;其中j=1,2,…,r,
根据步骤S1中系统的状态空间模型,步骤S2中的信号传输模型,以及步骤S3中的控制器增益,构建以下模糊比例-积分控制器:
进一步的,所述步骤S1的建立系统状态空间模型的方法包括使用以下公式:
x(k)表示k时刻非线性系统的状态变量,x(k)为nx维列向量;
y(k)表示k时刻非线性系统的测量输出信号,y(k)为ny维列向量;
z(k)表示k时刻的待控制信号,z(k)为nz维列向量;
u(k)表示k时刻非线性系统的控制信号,u(k)为nu维列向量;
w(k)表示能量有界的噪声,w(k)为nw维列向量;nx、ny、nu、nz、nw为已知的正整数;
r表示模糊规则总数,r为已知的正整数;
ρ(k)表示由能够检测的状态或测量输出组成的向量;φi(ρ(k))为模糊系统的隶属度函数,表示第i个模糊模态在k时刻所占整个非线性系统的权重;
Ai表示系统矩阵,C表示输出矩阵,Bi表示输入矩阵,Ei表示过程噪声矩阵,F表示测量噪声矩阵,Gi表示待控制信号矩阵;其中,Ai、C、Bi、Ei、F、Gi矩阵均为已知的常矩阵。
进一步的,所述步骤S2的建立信道衰减影响下信号传输模型,实现非线性系统与控制器之间数据传输包括:
根据S1建立的系统模型中的输出方程,在信道衰减的影响下,传输后的信号可以表示为:
η(k)为系统状态和控制器积分项增维后的变量;
公式(3)用来分析系统(1)的稳定性,公式(4)用来分析系统(1)的耗散性;
根据辅助函数、李亚普诺夫稳定性理论和凸优化技术,执行下述步骤来求取控制器增益:
“*”表示对称矩阵的对称部分,I表示具有适当维度的单位矩阵,不等号左侧矩阵中的0表示具有适当维度的零矩阵块;
S33.将公式(5)中两个不等式里的矩阵Xt替换成Pt的逆矩阵,将新得到的不等式分别记为H1<0,H2<0,并将在步骤S32里求得的矩阵Pt,Rijtn,λ1,λ2,αijtn带入到公式H1<0,H2<0和公式(6)中,如果这些公式全部成立,并满足:
其中v>0为给定的标量,表示算法的精度;
|a|表示求a的绝对值;
对比现有技术,本发明的有益效果在于:
如上所述,本发明述及了一种受信道衰减影响下非线性系统的非脆弱模糊比例-积分耗散控制方法,该方法同时考虑了网络化通讯中常见的信道衰减现象和控制器参数摄动现象,结合模糊控制和比例-积分控制两种技术,构建了非脆弱模糊比例-积分控制器,该控制器能够有效解决信道衰减影响下非线性系统的非脆弱控制问题,且具有良好的控制效果。此外,由于在关键变量(控制器增益)求解过程中采用凸优化的方法,因此保证了方法的易执行性。
附图说明
图1是本发明所述方法流程图;
图3是开环系统状态x1(k)及x2(k)轨迹图,图中实线为开环系统状态第一个分量x1(k)轨迹,双划线为开环系统状态第二个分量x2(k)轨迹;
图4是闭环系统状态x1(k)及x2(k)轨迹图,图中实线为开环系统状态第一个分量x1(k)轨迹,双划线为开环系统状态第二个分量x2(k)轨迹;
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所限定的范围。
本实施例述及了一种受信道衰减影响下非线性系统的模糊比例-积分非脆弱控制方法,该方法基于模糊比例-积分技术解决一类受信道衰减影响下非线性系统的非脆弱控制问题。
如图1所示,一种受信道衰减影响下非线性系统的模糊比例-积分状态估计方法,步骤如下:
S1.基于Takagi-Sugeno模糊建模技术建立系统状态空间模型,如公式(1)所示:
其中,x(k)表示k时刻非线性系统的状态变量,x(k)为nx维列向量;
u(k)表示k时刻非线性系统的测量输出信号,y(k)为ny维列向量;
z(k)表示k时刻的待控制信号,z(k)为nz维列向量;
u(k)表示k时刻非线性系统的控制信号,u(k)为nu维列向量;
w(k)表示能量有界的噪声,w(k)为nw维列向量;nx、ny、nu、nz、nw为已知的正整数;
e表示模糊规则总数,r为已知的正整数;
ρ(k)表示由能够检测的状态或测量输出组成的向量;φi(ρ(k))为模糊系统的隶属度函数,表示第i个模糊模态在k时刻所占整个非线性系统的权重;
Ai表示系统矩阵,C表示输出矩阵,Bi表示输入矩阵,Ei表示过程噪声矩阵,F表示测量噪声矩阵,Gi表示待控制信号矩阵;其中,Ai、C、Bi、Ei、F、Gi矩阵均为已知的常矩阵;
S2.建立信道衰减影响下信号传输模型,实现非线性系统与控制器之间数据传输;
根据S1建立的系统模型中的输出方程,在信道衰减的影响下,传输后的信号可以表示为:
在工程实践中,由于复杂的环境等因素影响,很难实时得到网络的真实模态,因此常采用模态估计器来估计网络的模态σ(k)。假设模态估计器估计出的模态为θ(k),其取值范围为 为已知的正整数,具有检测概率δef为已知的标量,满足
具体的,根据步骤S1中系统状态空间模型和步骤S2中信号传输模型构造如下辅助函数:
η(k)为系统状态和控制器积分项增维后的变量;
公式(3)用来分析系统(1)的稳定性,公式(4)用来分析系统(1)的耗散性;
根据辅助函数、李亚普诺夫稳定性理论和凸优化技术,执行下述步骤来求取控制器增益:
“*”表示对称矩阵的对称部分,I表示具有适当维度的单位矩阵,不等号左侧矩阵中的0表示具有适当维度的零矩阵块;
S33.将公式(5)中两个不等式里的矩阵Xt替换成Pt的逆矩阵,将新得到的不等式分别记为H1<0,H2<0,并将在步骤S32里求得的矩阵Pt,Rijtn,λ1,λ2,αijtn带入到公式H1<0,H2<0和公式(6)中,如果这些公式全部成立,并满足:
其中υ>0为给定的标量,表示算法的精度;
|a|表示求a的绝对值;
根据步骤S1中系统的状态空间模型,步骤S2中的信号传输模型,以及步骤S3中的控制器增益,充分考虑控制器参数摄动和信道衰减的影响,构建如下模糊比例-积分控制器,如公式(7)所示:
由上述公式(7)不难看出,本发明所设计的模糊比例-积分控制器,充分考虑了信道衰减的影响,应用到了模态估计器估计出的模态,在提高设计自由度的同时更利于实际应用。另一方面,由于在控制算法的设计过程中充分考虑了控制器参数摄动的情况,本发明的控制算法可以在满足的控制器参数摄动的影响下,依然能提供良好的控制效果,其中表示控制器比例增益可能发生的参数摄动,表示控制器可能发生的积分增益参数摄动,NP,NI为已知的矩阵,表示未知的时变矩阵,I表示单位矩阵。因而,所设计的非脆弱控制器具有良好的鲁棒性。
此外,与现有技术中已有的方法相比,本发明还具有如下优势:
与传统的模糊比例型控制方法相比,由于本发明引入了积分环节,因而能够消除稳态误差,提高控制器的鲁棒性,从而使得本发明控制方法更好。
与传统的模态依赖型的控制方法相比,由于本发明考虑到现实中网络模态难以实时获得,仅利用估计出的模态来设计控制器,使得本发明方法的适用性更广。
本发明方法用于实时控制工业系统,且更能满足实际工业的应用需求。
下面结合实验对本发明提出的受信道衰减影响下非线性系统的模糊比例-积分非脆弱控制方法进行说明,以验证本发明所提出方法的有效性。
在实验过程中取实验步长为100,在半实物仿真平台上模拟加入信道衰减和控制器摄动参数,将平台给出的受信道衰减后的输出传输到计算机作为非脆弱模糊比例-积分控制器的输入。
利用本发明所提出的方法生成控制信号,并将控制信号传输到半实物仿真平台系统上来控制该系统。在本实验中,系统状态为2维列向量,测量输出为1维标量。
首先,通过计算机取系统测量输出和受信道衰减影响后的输出的值,利用计算机Matlab软件画图工具得到图2。由图2不难看出:
系统测量输出在受信道衰减的影响下幅值上有明显的衰减,间接体现了信道衰减对系统性能的影响。
用类似的方法通过计算机取开环系统(未加入控制作用)的状态的第一个分量x1(k)和第二个分量x2(k),利用计算机Matlab软件画图工具得到图3。由图3不难看出:
开环系统状态的两个分量都是发散的,即开环系统是不稳定的。
用类似的方法通过计算机取闭环系统(加入控制作用)的状态的第一个分量x1(k)和第二个分量x2(k),利用计算机Matlab软件画图工具得到图4。由图4不难看出:
通过使用本发明所提出的控制算法,尽管存在信道衰减和控制器参数摄动,闭环系统状态的两个分量都能快速地到达平衡点(坐标原点),即闭环系统是稳定的,体现了本发明的有效性。
Claims (4)
1.一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,其特征在于,包括以下步骤:
S1.基于Takagi-Sugeno模糊建模技术建立系统状态空间模型,
S2.建立信道衰减影响下信号传输模型,实现非线性系统与控制器之间数据传输;
S3.基于可获得的测量输出构造控制器模糊模态j和估计模态n对应的比例增益和控制器模糊模态j和估计模态n对应的积分增益根据辅助函数、李亚普诺夫稳定性理论和凸优化技术来求取控制器增益的值;其中j=1,2,…,r,
根据步骤S1中系统的状态空间模型,步骤S2中的信号传输模型,以及步骤S3中的控制器增益,构建以下模糊比例-积分控制器:
2.根据权利要求1所述一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,其特征在于,所述步骤S1的建立系统状态空间模型的方法包括使用以下公式:
x(k)表示k时刻非线性系统的状态变量,x(k)为nx维列向量;
y(k)表示k时刻非线性系统的测量输出信号,y(k)为ny维列向量;
z(k)表示k时刻的待控制信号,z(k)为nz维列向量;
u(k)表示k时刻非线性系统的控制信号,u(k)为nu维列向量;
ω(k)表示能量有界的噪声,ω(k)为nω维列向量;nx、ny、nu、nz、nω为已知的正整数;
r表示模糊规则总数,r为已知的正整数;
ρ(k)表示由能够检测的状态或测量输出组成的向量;φi(ρ(k))为模糊系统的隶属度函数,表示第i个模糊模态在k时刻所占整个非线性系统的权重;
Ai表示系统矩阵,C表示输出矩阵,Bi表示输入矩阵,Ei表示过程噪声矩阵,F表示测量噪声矩阵,Gi表示待控制信号矩阵;其中,Ai、C、Bi、Ei、F、Gi矩阵均为已知的常矩阵。
3.根据权利要求1所述一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,其特征在于,所述步骤S2的建立信道衰减影响下信号传输模型,实现非线性系统与控制器之间数据传输包括:
根据S1建立的系统模型中的输出方程,在信道衰减的影响下,传输后的信号可以表示为:
4.根据权利要求2和3所述一种衰减信道网络化系统的非脆弱模糊比例积分控制方法,其特征在于,所述构造辅助函数,计算控制器的比例增益和积分增益根据步骤S1中系统状态空间模型和步骤S2中信号传输模型构造如下辅助函数:
η(k)为系统状态和控制器积分项增维后的变量;
公式(3)用来分析系统(1)的稳定性,公式(4)用来分析系统(1)的耗散性;
根据辅助函数、李亚普诺夫稳定性理论和凸优化技术,执行下述步骤来求取控制器增益:
“*”表示对称矩阵的对称部分,I表示具有适当维度的单位矩阵,不等号左侧矩阵中的0表示具有适当维度的零矩阵块;
S33.将公式(5)中两个不等式里的矩阵Xt替换成Pt的逆矩阵,将新得到的不等式分别记为H1<0,H2<0,并将在步骤S32里求得的矩阵Pt,Rijtn,λ1,λ2,αijtn带入到公式H1<0,H2<0和公式(6)中,如果这些公式全部成立,并满足:
其中υ>0为给定的标量,表示算法的精度;
|a|表示求a的绝对值;
S34.如果ι大于给定的步长,则退出;否则,令ι=ι+1,Pt(ι)=Pt,Xt(ι)=Xt,Rijtn(ι)=Rijtn,λ1(ι)=λ1,λ2(ι)=λ2,αijtn(ι)=αijtn,返回执行S32;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061468.1A CN112947063A (zh) | 2021-01-18 | 2021-01-18 | 一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061468.1A CN112947063A (zh) | 2021-01-18 | 2021-01-18 | 一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112947063A true CN112947063A (zh) | 2021-06-11 |
Family
ID=76235462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061468.1A Pending CN112947063A (zh) | 2021-01-18 | 2021-01-18 | 一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947063A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004059400A1 (en) * | 2002-12-27 | 2004-07-15 | Inea D.O.O. | Self-tuning controller for non-linear processes described by set of local linear models |
EP2590349A1 (en) * | 2011-11-03 | 2013-05-08 | NTT DoCoMo, Inc. | A method for scheduling a scalable video coding stream in a wireless mobile network |
CN106527119A (zh) * | 2016-11-03 | 2017-03-22 | 东华大学 | 基于模糊控制的微分先行pid控制系统 |
CN109033585A (zh) * | 2018-07-13 | 2018-12-18 | 河海大学 | 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法 |
CN109471364A (zh) * | 2018-12-28 | 2019-03-15 | 西安交通大学 | 一种带有执行器故障的非线性切换系统的可靠控制方法 |
CN109917658A (zh) * | 2019-04-16 | 2019-06-21 | 上海海洋大学 | 一种多径衰落信道下非线性网络化系统滤波器及设计方法 |
CN109951122A (zh) * | 2019-04-02 | 2019-06-28 | 大连交通大学 | 改进指数趋近律的永磁同步电机模糊滑模控制系统及方法 |
CN112180725A (zh) * | 2020-09-30 | 2021-01-05 | 山东科技大学 | 一种具有冗余时滞通道非线性系统的模糊比例-积分状态估计方法 |
-
2021
- 2021-01-18 CN CN202110061468.1A patent/CN112947063A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004059400A1 (en) * | 2002-12-27 | 2004-07-15 | Inea D.O.O. | Self-tuning controller for non-linear processes described by set of local linear models |
EP2590349A1 (en) * | 2011-11-03 | 2013-05-08 | NTT DoCoMo, Inc. | A method for scheduling a scalable video coding stream in a wireless mobile network |
CN106527119A (zh) * | 2016-11-03 | 2017-03-22 | 东华大学 | 基于模糊控制的微分先行pid控制系统 |
CN109033585A (zh) * | 2018-07-13 | 2018-12-18 | 河海大学 | 基于t-s模糊模型的不确定网络控制系统的pid控制器设计方法 |
CN109471364A (zh) * | 2018-12-28 | 2019-03-15 | 西安交通大学 | 一种带有执行器故障的非线性切换系统的可靠控制方法 |
CN109951122A (zh) * | 2019-04-02 | 2019-06-28 | 大连交通大学 | 改进指数趋近律的永磁同步电机模糊滑模控制系统及方法 |
CN109917658A (zh) * | 2019-04-16 | 2019-06-21 | 上海海洋大学 | 一种多径衰落信道下非线性网络化系统滤波器及设计方法 |
CN112180725A (zh) * | 2020-09-30 | 2021-01-05 | 山东科技大学 | 一种具有冗余时滞通道非线性系统的模糊比例-积分状态估计方法 |
Non-Patent Citations (6)
Title |
---|
SUNJIE ZHANG, ZIDONG WANG, DERUI DING, GUOLIANG WEI: "A Gain-Scheduling Approach to Nonfragile H∞ Fuzzy Control Subject to Fading Channels", 《IEEE TRANSACTIONS ON FUZZY SYSTEMS》 * |
YONGHONG CHEN; QINGFEI GAO; JUN CHENG; KAIBO SHI; WENHAI QI: "Static Output Feedback Control for Fuzzy Systems With Stochastic Fading Channel and Actuator Faults", 《IEEE ACCESS》 * |
ZHIMING ZHANG: "Stability analysis and output feedback control for stochastic networked systems with multiple communication delays and nonlinearities using fuzzy control technique", 《APPLIED MATHEMATICS AND COMPUTATION》 * |
付文韬: "基于神经网络的污水处理多变量控制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
刘双: "网络化T-S模糊随机系统的滤波与控制", 《中国优秀博硕士学位论文全文数据库(硕士)中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
牛城波,于建江,裔扬: "基于T-S模糊模型的机械臂系统抗干扰跟踪控制", 《扬州大学学报(自然科学版)》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111090945B (zh) | 一种针对切换系统的执行器和传感器故障估计设计方法 | |
Liu et al. | Expectation–maximization algorithm for bilinear systems by using the Rauch–Tung–Striebel smoother | |
Zhang et al. | Reduced-and full-order observers for delayed genetic regulatory networks | |
CN109088749B (zh) | 一种随机通讯协议下复杂网络的状态估计方法 | |
Hu et al. | Robust distributed state estimation for Markov coupled neural networks under imperfect measurements | |
Dai et al. | Asynchronous dissipative filtering for Markov jump discrete-time systems subject to randomly occurring distributed delays | |
Lass et al. | POD Galerkin schemes for nonlinear elliptic-parabolic systems | |
Li et al. | Event‐triggered UKF for nonlinear dynamic systems with packet dropout | |
Zhang et al. | Event‐triggered iterative learning control for multi‐agent systems with quantization | |
Li et al. | Robust bipartite tracking consensus of multi-agent systems via neural network combined with extended high-gain observer | |
CN111025914B (zh) | 基于通信受限的神经网络系统远程状态估计方法及装置 | |
Razmjooei et al. | Non-linear finite-time tracking control of uncertain robotic manipulators using time-varying disturbance observer-based sliding mode method | |
Liu et al. | Unbiased recursive least squares identification methods for a class of nonlinear systems with irregularly missing data | |
WO2019160138A1 (ja) | 因果推定装置、因果推定方法、及びプログラム | |
Min et al. | Adaptive tracking control for stochastic nonlinear systems with full-state constraints and unknown covariance noise | |
CN113792858A (zh) | 耦合神经网络有界同步及其分布式控制方法 | |
Fry et al. | Robustness analysis of uncertain time‐varying systems using integral quadratic constraints with time‐varying multipliers | |
Pakzad et al. | Exact method for the stability analysis of time delayed linear‐time invariant fractional‐order systems | |
Zheng et al. | Prescribed finite-time consensus with severe unknown nonlinearities and mismatched disturbances | |
Zhang et al. | Stability analysis and output feedback control for stochastic networked systems with multiple communication delays and nonlinearities using fuzzy control technique | |
CN111638648A (zh) | 一种具有比例延迟复杂动态网络的分布式脉冲准同步方法 | |
Rabaoui et al. | Descriptor observer‐based sensor and actuator fault tolerant tracking control design for linear parameter varying systems | |
Yoshimura | Adaptive fuzzy dynamic surface control for a class of stochastic MIMO discrete-time nonlinear pure-feedback systems with full state constraints | |
CN112947063A (zh) | 一种衰减信道网络化系统的非脆弱模糊比例积分控制方法 | |
CN113820954B (zh) | 一种广义噪声下复杂非线性系统的容错控制方法 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231124 |