CN113031431A - 广义系统下事件触发的网络化t-s模糊h∞控制方法 - Google Patents

广义系统下事件触发的网络化t-s模糊h∞控制方法 Download PDF

Info

Publication number
CN113031431A
CN113031431A CN201911246449.5A CN201911246449A CN113031431A CN 113031431 A CN113031431 A CN 113031431A CN 201911246449 A CN201911246449 A CN 201911246449A CN 113031431 A CN113031431 A CN 113031431A
Authority
CN
China
Prior art keywords
signal
fuzzy
matrix
event
controller
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.)
Granted
Application number
CN201911246449.5A
Other languages
English (en)
Other versions
CN113031431B (zh
Inventor
顾家荣
高大鹏
顾周彤
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201911246449.5A priority Critical patent/CN113031431B/zh
Publication of CN113031431A publication Critical patent/CN113031431A/zh
Application granted granted Critical
Publication of CN113031431B publication Critical patent/CN113031431B/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

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

本发明公开了一种在广义系统下基于事件触发的网络化T‑S模糊H∞控制方法,包括:建立广义系统下用T‑S模糊模型逼近的非线性系统的方程;推导出系统H∞扰动抑制水平为γ的渐进稳定条件并证明其容许性;推导出系统的状态反馈增益矩阵,实现对非线性系统的控制。本发明的控制方法可以使建立在广义系统下待控制系统为非线性系统和外部有干扰的情况下能实现系统的稳定,本发明设计了一个状态反馈控制器从而实现了对系统的控制,相比于以往的研究,在推导系统稳定性条件时,使用的是詹森不等式没有使用自由权矩阵法,避免引入新的参数,同时本发明对系统中的时滞进行了更加细致的讨论,降低了结果的保守性。

Description

广义系统下事件触发的网络化T-S模糊H∞控制方法
技术领域
本发明属于网络化控制领域,具体涉及一种广义系统下事件触发的网络化T-S模糊H∞控制方法。
背景技术
1974年英国控制理论学家罗森布罗克在研究复杂电网络模型时首次提出了广义系统模型,经过40年多年的发展广义系统理论已经在经济系统,电子网络,机器人系统,电力系统等领域得到了广泛的运用,文献1(S.Xu,and J.Lam,Robust Control andFiltering of Singular Systems.Berlin:Springer-Verlag,2006)研究了广义系统中的鲁棒控制及滤波问题。研究表明,现实中大部分物理系统是非线性的,对非线性特征建模的困难让对于非线性系统的控制比线性系统要困难很多,T-S模糊模型自被提出以来引起国内外学者的广泛重视,各种关于T-S模糊控制模型的稳定性以及性能分析层出不穷,文献2(T.Takagi,M.Sugeno.Fuzzy Identification of Systems and its Applications toModeling and Control[J].IEEE Trans.Systems,Man and Cybernetics,1985,15(1):116-132.)是最早的关于T-S模糊控制的研究,主要用来辨识非线性系统,文献3(K.Tanaka,H.O.Wang.Fuzzy Control Systems Design and Analysis:A Linear Matrix InequalityApproach[M].New York:Wiley,2001.)Tananka和Wang则进一步证明了n维情形下的T-S模糊模型的全局逼近特性,T-S模糊模型的研究从此日趋成熟。事件触发机制也越来越成为网络化控制研究的一个热门的研究对象,由于事件触发机制可以极大地节省网络化传输中宝贵的带宽资源,越来越得到国内外学者的广泛关注,与此同时网络化传输中的其他问题也引起了学者们的注意文献4(Jiang X F,Han Q L,Liu S R,et al.A NewH∞StabilizationCriterion for Networked Control Systems[J].IEEE Transactions on AutomaticControl(S0018-9286),2008,53(4):1025-1032.)针对网络化传输中的时滞问题,以及求解LMI时矩阵中出现的非线性项的处理作了深入的研究,文献5(ZHANG Jin,PENGChen.Event-triggered Fault-tolerant Control for Networked T-S Fuzzy Systems[J].Information and Control|Inf Contrl,2016,45(1):73-78.)对于网络化控制中观测器出现故障的情况下进行稳定性控制。
目前广义系统下基于事件触发的T-S模糊网络化控制,这方面的研究比较少,于此同时在推导系统容许性条件的时候,绝大部分现有的此类研究主要使用自由权矩阵法来对李雅普诺夫泛函求导后的结果进行放缩,这种方法会引入未知参数矩阵,加大了矩阵不等式求解的复杂度。
发明内容
本发明的目的在于提供一种广义系统下事件触发的网络化T-S模糊H∞控制方法,通过使用詹森不等式以及通过对时滞参数进行更加细致的讨论在不引入新的未知参数矩阵的同时,有效地降低了结果的保守性。
实现本发明目的的技术解决方案为:一种广义系统下事件触发的网络化T-S模糊H∞控制方法,包括以下步骤:
步骤1,建立广义系统下用T-S模糊模型逼近的非线性系统的方程;
步骤2,推导出系统H∞扰动抑制水平为γ的渐进稳定条件并证明其容许性;
步骤3,推导出系统的状态反馈增益矩阵Kj,实现对非线性系统的控制。
与现有技术相比,本发明的显著优点为:(1)本发明在处理李雅普诺夫泛函求导后结果的放缩问题时没有使用现有技术通常使用的自由权矩阵法,使用了詹森不等式来进行放缩,避免引入未知变量降低了求解的复杂性,同时对时滞的讨论也更加的细致,降低了结果的保守性;(2)本发明在处理非线性系统的网络化控制问题时,同时将广义系统、T-S模糊控制、事件触发机制结合起来进行研究,更加切合实际问题的研究需要,广义系统是比正常系统更具广泛形式的动力系统,于此同时现实中的大部分系统都是非线性的,T-S模糊控制可以更好地研究非线性系统,事件触发机制则可以降低网络化控制问题中带宽资源有限的问题,因此本技术更加切合实际需求,有很大的现实意义。
附图说明
图1为基于事件触发机制的网络化控制的结构框图。
图2为事件触发机制所传输的信号图。
图3为闭环系统的状态轨迹图。
具体实施方式
一种广义系统下事件触发的网络化T-S模糊H∞控制方法,包括以下步骤:
步骤1,建立广义系统下用T-S模糊模型逼近的非线性系统的方程;
步骤2,推导出系统H∞扰动抑制水平为γ的渐进稳定条件并证明其容许性;
步骤3,推导出系统的状态反馈增益矩阵Kj,实现对非线性系统的控制。
进一步的,步骤1中,建立广义系统下的T-S模糊模型逼近的非线性系统的方程,具体包括以下步骤:
步骤1-1、构建带有时延和事件触发的网络化控制系统;
网络化控制系统由被控对象即非线性系统、传感器、采样器、事件触发器、控制器、零阶保持器、执行器几部分组成,如图1所示,网络化控制系统的工作原理:首先由传感器以固定采样周期h时间触发接收到来自非线性系统中的状态信号x(t),然后传感器将接收到的信号发送到采样器,其中的采样信号序列可以描述成:S1={x(h),x(2h),x(3h),...,x(kh)}其中k∈N,N代表自然数,x(kh)表示第k个采样信号;采样器将信号序列传送给事件触发器,信号能否被传送到后面的控制器取决于事件触发器,只有满足触发条件的信号才会被传输到控制器,不符合触发条件的信号不予传输;假定在采样器和控制器之间不存在丢包现象,传感器端被成功传送到控制器的采样信号序列可以描述成序列S2={x(t1h),x(t2h),x(t3h),...,x(tkh)},其中tk∈N,x(tkh)表示第k个被成功传输的采样信号序列;显然有
Figure BDA0002307849220000031
控制器会将接收到的状态信号转换为状态反馈信号先发送到零阶保持器中,零阶保持器会生成执行器的输入信号,零阶保持器的保持时间为:
Figure BDA0002307849220000032
k表示自然数,
Figure BDA0002307849220000033
是第k个控制信号到达被控对象也就是非线性系统的时刻,其中
Figure BDA0002307849220000034
表示第k个控制信号的网络诱导延时,若只考虑网络传输延时,可以得到如下表达式:
Figure BDA0002307849220000035
其中ηsc(tk)是第k个触发信号从事件触发器到达控制器的延时,ηca(tk)是第k个控制信号从控制器到达执行器的延时,且网络延时
Figure BDA0002307849220000036
是有上下界的,
Figure BDA0002307849220000037
其中ηm和ηM分别定义时滞的下界和上界,如果所有的采样信号都被传送,有S1=S2,事件触发就变成时间触发,如
Figure BDA0002307849220000038
有一些采样信号未被传送,则说明事件触发器产生了作用;最后由执行器将状态反馈信号传输给被控对象即非线性系统,从而实现了对非线性系统的控制。
步骤1-2、建立广义系统下的T-S模糊控制系统模型:
对象规则i:如果θ1(t)是Mi1且θ2(t)是Mi2且...θp(t)是Mip,则:
Figure BDA0002307849220000041
式中:x(t)∈Rn是状态向量,n表示向量的维数;u(t)∈Rm是控制输入向量,m表示向量的维数;w(t)∈L2[0,∞)是外部扰动输入向量;z(t)∈Rp是控制输出向量,p表示向量的维数;E是奇异矩阵,E的秩小于等于E的维数,
Figure BDA0002307849220000042
是恒定的具有适当维数的矩阵;系统的初始条件为x(t0)=x0;Mij是模糊集合;r是模糊规则数;θ(t)=[θ1(t),θ2(t),...,θp(t),]是前件变量向量,Mijj(t))表示θj(t)在Mij中的隶属度。
运用解模糊原理,系统方程可以写成:
Figure BDA0002307849220000043
Figure BDA0002307849220000044
步骤1-3、设计状态反馈控制器并将其作用到上述非线性系统中:
设计的事件触发机制的触发条件如下:
Figure BDA0002307849220000045
式子中的ek(ikh)=x(ikh)-x(tkh),其中x(ikh)表示当前到达事件触发器的采样信号,ikh则表示最近一次的采样信号到达事件触发器的时间,x(tkh)表示最近一次被传送出去的采样信号,tkh表示最近一次采样信号被传输的时刻,ek(ikh)表示两者之差,ikh=tkh+nh,n和k表示自然数,W是一个正定矩阵,δ∈[0,1]是有界正实数。利用分布补偿原则(简称PDC)我们设计一个状态反馈控制器:
Figure BDA0002307849220000046
假设系统的状态可以直接观测,对于
Figure BDA0002307849220000047
在状态反馈控制器的作用下可以得到如下系统模型:
Figure BDA0002307849220000051
根据已有的分析方法,将零阶保持器的保持间隔t∈Ω分成间隔子集合:
Figure BDA0002307849220000052
有Ω=∪Ωn,其中ikh=tkh+nh,n=0,...,tk+1-tk-1表示当前已传
送的采样时刻tkh到下一个将要传送的采样时刻tk+1h之间的采样时刻点,如果n取tk+1-tk-1
则有
Figure BDA0002307849220000053
否则则有
Figure BDA0002307849220000054
定义η(t)=t-ikh,t∈Ωn,η(t)是一个分段函数满足:0<ηm≤η(t)≤h+ηM,其中
Figure BDA0002307849220000055
ηmM分别代表了最小允许通信
延时、最大允许通信延时。反馈控制器可以用如下方式表示:
Figure BDA0002307849220000056
则闭环系统模型可由如下方法表示:
Figure BDA0002307849220000057
进一步的,步骤2中推导出使得非线性系统稳定的条件:
首先构建Lyapunov-Krasovskii泛函:
Figure BDA0002307849220000058
式中:P,Q1,Q2,Q3,Z1,Z2,S都是正定对称矩阵,
Figure BDA0002307849220000061
对Lyapunov-Krasovskii泛函求导,运用詹森不等式进行放缩,再结合事件触发机制的触发条件,运用舒尔补引理可以得到如下H∞稳定性判据同时系统是容许的:
对于给定的参数ηmM,γ,δ和反馈增益Kj,事件触发矩阵W,在事件触发条件下如果存在合适维数的正定对称矩阵P,Q1,Q2,Q3,Z1,Z2,S,满足下面的矩阵不等式:
ETP=PTE≥0
Figure BDA0002307849220000062
则称闭环系统是容许的并且H∞扰动抑制水平为γ,其中
Figure BDA0002307849220000063
Figure BDA0002307849220000064
Figure BDA0002307849220000071
Figure BDA0002307849220000072
Figure BDA0002307849220000073
Figure BDA0002307849220000074
Figure BDA0002307849220000075
Figure BDA0002307849220000076
Figure BDA0002307849220000077
进一步的,求出系统的状态反馈增益矩阵Kj
定义:
Figure BDA0002307849220000078
Figure BDA0002307849220000079
Figure BDA00023078492200000710
左乘diag{X,X,X,X,X,I,I,I,I,I}右乘其转置,可以得到:
Figure BDA00023078492200000711
其中:
Figure BDA0002307849220000081
Figure BDA0002307849220000082
Figure BDA0002307849220000083
Figure BDA0002307849220000084
Figure BDA0002307849220000085
Figure BDA0002307849220000086
Figure BDA0002307849220000087
Figure BDA0002307849220000088
Figure BDA0002307849220000089
其中
Figure BDA0002307849220000091
Figure BDA0002307849220000092
对矩阵中的非线性项进行处理,再使用matlab通过给定的矩阵和参数计算出Kj的值。
本发明的控制方法可以使建立在广义系统下待控制系统为非线性系统和外部有干扰的情况下能实现系统的稳定,本发明设计了一个状态反馈控制器从而实现了对系统的控制,相比于以往的研究,在推导系统稳定性条件时,使用的是詹森不等式没有使用自由权矩阵法,避免引入新的参数,同时本发明对系统中的时滞进行了更加细致的讨论,降低了结果的保守性。在网络化传输的过程中有很大的应用价值,是一种稳定可靠的控制方法。
下面结合实施例对本发明进行详细说明。
实施例
一种广义系统下基于事件触发的网络化T-S模糊H∞控制方法,包括以下步骤:
步骤1、建立广义系统下的T-S模糊系统模型
对象规则i:如果θ1(t)是Mi1且θ2(t)是Mi2且...θp(t)是Mip,则:
Figure BDA0002307849220000093
式中:x(t)∈Rn是状态向量,n表示向量的维数;u(t)∈Rm是控制输入向量,m表示向量的维数;w(t)∈L2[0,∞)是外部扰动输入向量;z(t)∈Rp是控制输出向量,p表示向量的维数;E是奇异矩阵,E的秩小于等于E的维数,Ai,Bi,Bwi,Ci,Di是恒定的具有适当维数的矩阵;系统的初始条件为x(t0)=x0;Mij是模糊集合;r是模糊规则数;θ(t)=[θ1(t),θ2(t),...,θp(t),]是前件变量向量,Mijj(t))表示θj(t)在Mij中的隶属度。
运用解模糊原理,系统方程可以写成:
Figure BDA0002307849220000101
其中
Figure BDA0002307849220000102
在事件触发机制下的闭环系统为:
Figure BDA0002307849220000103
式子中ek(ikh)=x(ikh)-x(tkh),其中x(ikh)表示当前采样信号,x(tkh)表示最近一次被传送出去的采样信号,ek(ikh)表示两者之差,ikh=tkh+nh,n∈N,k∈N。W是给定的正定对称矩阵,δ∈[0,1]是有界正实数。
步骤2、推导广义T-S模糊系统模型的容许性条件:
步骤2-1、构建系统方程的Lyapunov-Krasovskii泛函:
Figure BDA0002307849220000104
式中:
Figure BDA0002307849220000105
步骤2-2、对Lyapunov-Krasovskii泛函求导:
Figure BDA0002307849220000106
步骤2-3、推导系统的容许性条件:
在触发条件中,ikh∈[tkh,tk+1h),有
ek T(ikh)Wek(ikh)≤δ[x(ikh)-x(tkh)]TW[x(ikh)-x(tkh)],
应用詹森不等式以及文献6(A New H∞Stabilization Criterion forNetworked Control Systems)中的方法可以得到:
Figure BDA0002307849220000111
Figure BDA0002307849220000112
Figure BDA0002307849220000113
(1)当
Figure BDA0002307849220000114
可以得到
Figure BDA0002307849220000115
定义:
Figure BDA0002307849220000119
结合舒尔补引理可以推得:
Figure BDA0002307849220000116
式中:
Figure BDA0002307849220000117
其中:
Figure BDA0002307849220000118
Figure BDA0002307849220000121
Figure BDA0002307849220000122
Figure BDA0002307849220000123
Figure BDA0002307849220000124
Figure BDA0002307849220000125
(2)当
Figure BDA0002307849220000126
可以得到
Figure BDA0002307849220000127
此时
Figure BDA0002307849220000128
Figure BDA0002307849220000129
Figure BDA00023078492200001210
Figure BDA00023078492200001211
Figure BDA00023078492200001212
Figure BDA00023078492200001213
由舒尔补引理可知,上式中的Lyapunov-Krasovskii泛函保证了
Figure BDA00023078492200001214
同时易证明在w(t)≡0的情况下系统是渐近稳定的,且在零初始条件下||z(t)||2≤γ||w(t)||2
已知Rank(E)=r<n,一定存在可逆矩阵M和N∈Rn*n使得:
Figure BDA0002307849220000131
Figure BDA0002307849220000132
由上面的推导可以得到
Figure BDA0002307849220000133
结合上面的式子可以得到:
Figure BDA0002307849220000134
由于Qi>0(i=1,2,3),可以
推得:
Figure BDA0002307849220000135
由此可得Ai.22是非奇异的,即det(sE-Ai)不恒等于零与此同时
deg(det(sE-Ai))=r=rank(E),由此可以由定义推出系统是正定的,无脉冲的,再结合上面已
经证明的稳定性可以得到系统是容许的。
步骤3、求出系统的状态反馈增益矩阵K;
步骤3-1、定义X=P-1,对矩阵
Figure BDA0002307849220000136
Figure BDA0002307849220000137
的两边分别相应地左乘和右乘diag{X,X,X,X,X,I,I,I,I,I}及其转置,得到下面的矩阵:
Figure BDA0002307849220000138
其中:
Figure BDA0002307849220000141
Figure BDA0002307849220000142
Figure BDA0002307849220000143
Figure BDA0002307849220000144
Figure BDA0002307849220000145
Figure BDA0002307849220000146
Figure BDA0002307849220000147
Figure BDA0002307849220000148
Figure BDA0002307849220000149
其中X=P-1
Figure BDA0002307849220000151
Figure BDA0002307849220000152
步骤3-2、消除矩阵中的非线性项:
Figure BDA0002307849220000153
中存在非线性项:
Figure BDA0002307849220000154
无法直接用matlab LMI工具箱求解,需要对矩阵不等式进行线性化处理,利用不等式变换法可得
Figure BDA0002307849220000155
进而对非线性项进行处理。
步骤3-3、运用matlab LMI工具箱进行计算得到反馈增益矩阵K。
下面选取质点弹簧系统作为实例,建立系统模型:
Figure BDA0002307849220000156
式中x1∈[-1,1],选取w=0.2sin(2πt)exp(-t)作为外部干扰
建立模糊规则:
对象规则i:如果xi是λi,则:
Figure BDA0002307849220000157
式中
Figure BDA0002307849220000158
Figure BDA0002307849220000159
初始值选择x(0)=[-1 1]。
选取参数δ=0.05,μm=0.01μM=0.05,γ=20,采样周期选择h=0.1s,使用matlab进行仿真得到状态反馈增益矩阵为:K1=[-0.0069 6.971];K2=[-0.1099 0.0338]
最后,对仿真结果作出总结,如图2所示只有符合传输条件的采样信号才会被传输,采样器中传输了60个状态信号,但通过事件触发器传输到控制器中的信号只有31个节约了48.33%的带宽资源,由此可见本发明有效地节约了网络化传输过程中的带宽资源,如图3所示,闭环系统是渐进稳定的,从而说明了本发明所提出的方法的有效性。

Claims (4)

1.一种广义系统下事件触发的网络化T-S模糊H∞控制方法,其特征在于,包括以下步骤:
步骤1,建立广义系统下用T-S模糊模型逼近的非线性系统的方程;
步骤2,推导出系统H∞扰动抑制水平为γ的渐进稳定条件并证明其容许性;
步骤3,推导出系统的状态反馈增益矩阵,实现对非线性系统的控制。
2.根据权利要求1所述的广义系统下事件触发的网络化T-S模糊H∞控制方法,其特征在于,步骤1中,建立广义系统下的T-S模糊模型逼近的非线性系统的方程,具体包括以下步骤:
步骤1-1、构建带有时延和事件触发的网络化控制系统;
网络化控制系统由非线性系统、传感器、采样器、事件触发器、控制器、零阶保持器、执行器组成,网络化控制系统的工作原理:首先由传感器以固定采样周期h时间触发接收到来自非线性系统中的状态信号x(t),然后传感器将接收到的信号发送到采样器,其中的采样信号序列可描述成:S1={x(h),x(2h),x(3h),...,x(kh)},其中k∈N,N代表自然数,x(kh)表示第k个采样信号;采样器将信号序列传送给事件触发器,信号能否被传送到后面的控制器取决于事件触发器,只有满足触发条件的信号才会被传输到控制器,不符合触发条件的信号不予传输;假定在采样器和控制器之间不存在丢包现象,传感器端被成功传送到控制器的采样信号序列可描述成序列S2={x(t1h),x(t2h),x(t3h),...,x(tkh)},其中tk∈N,x(tkh)表示第k个被成功传输的采样信号序列;显然有
Figure FDA0002307849210000011
控制器会将接收到的状态信号转换为状态反馈信号先发送到零阶保持器中,零阶保持器会生成执行器的输入信号,零阶保持器的保持时间为:
Figure FDA0002307849210000012
k表示自然数,
Figure FDA0002307849210000013
是第k个控制信号到达被控对象也就是非线性系统的时刻,其中
Figure FDA0002307849210000014
表示第k个控制信号的网络诱导延时,若只考虑网络传输延时,可得到如下表达式:
Figure FDA0002307849210000015
其中ηsc(tk)是第k个触发信号从事件触发器到达控制器的延时,ηca(tk)是第k个控制信号从控制器到达执行器的延时,且网络延时
Figure FDA0002307849210000016
是有上下界的,
Figure FDA0002307849210000017
其中ηm和ηM分别定义时滞的下界和上界,如果所有的采样信号都被传送,有S1=S2,事件触发就变成时间触发,如
Figure FDA0002307849210000021
有一些采样信号未被传送,则说明事件触发器产生了作用;最后由执行器将状态反馈信号传输给被控对象即非线性系统,从而实现对非线性系统的控制;
步骤1-2、建立广义系统下的T-S模糊控制系统模型:
对象规则i:如果θ1(t)是Mi1且θ2(t)是Mi2且...θp(t)是Mip,则:
Figure FDA0002307849210000022
式中:x(t)∈Rn是状态向量,n表示向量的维数;u(t)∈Rm是控制输入向量,m表示向量的维数;w(t)∈L2[0,∞)是外部扰动输入向量;z(t)∈Rp是控制输出向量,p表示向量的维数;E是奇异矩阵,E的秩小于等于E的维数,Ai,Bi,
Figure FDA0002307849210000023
Ci,Di是恒定的具有适当维数的矩阵;系统的初始条件为x(t0)=x0;Mij是模糊集合;r是模糊规则数;θ(t)=[θ1(t),θ2(t),...,θp(t),]是前件变量向量,Mijj(t))表示θj(t)在Mij中的隶属度;
运用解模糊原理,系统方程可写成:
Figure FDA0002307849210000024
Figure FDA0002307849210000025
步骤1-3、设计状态反馈控制器并将其作用到上述非线性系统中:
设计的事件触发机制的触发条件如下:
Figure FDA0002307849210000026
式子中的ek(ikh)=x(ikh)-x(tkh),其中x(ikh)表示当前到达事件触发器的采样信号,ikh则表示最近一次的采样信号到达事件触发器的时间,x(tkh)表示最近一次被传送出去的采样信号,tkh表示最近一次采样信号被传输的时刻,ek(ikh)表示两者之差,ikh=tkh+nh,n和k表示自然数,W是一个正定矩阵,δ∈[0,1]是有界正实数;利用分布补偿原则设计一个状态反馈控制器:
Figure FDA0002307849210000031
假设系统的状态可以直接观测,对于
Figure FDA0002307849210000032
在状态反馈控制器的作用下可以得到如下系统模型:
Figure FDA0002307849210000033
将零阶保持器的保持间隔t∈Ω分成间隔子集合:
Figure FDA0002307849210000034
有Ω=∪Ωn,其中ikh=tkh+nh,n=0,...,tk+1=tk=1表示当前已传送的采样时刻tkh到下一个将要传送的采样时刻tk+1h之间的采样时刻点,如果n取tk+1-tk=1,则有
Figure FDA0002307849210000035
否则则有
Figure FDA0002307849210000036
定义η(t)=t-ikh,t∈Ωn,η(t)是一个分段函数满足:0<ηm≤η(t)≤h+ηM,其中
Figure FDA0002307849210000037
ηmM分别代表了最小允许通信延时、最大允许通信延时;反馈控制器可用如下方式表示:
Figure FDA0002307849210000038
则闭环系统模型可由如下方法表示:
Figure FDA0002307849210000039
3.根据权利要求1所述的广义系统下事件触发的网络化T-S模糊H∞控制方法,其特征在于,步骤2中推导出使得非线性系统稳定的条件:
首先构建Lyapunov-Krasovskii泛函:
Figure FDA0002307849210000041
式中:P,Q1,Q2,Q3,Z1,Z2,S均为正定对称矩阵;
对Lyapunov-Krasovskii泛函求导,运用詹森不等式进行放缩,再结合事件触发机制的触发条件,运用舒尔补引理可得到如下H∞稳定性判据同时系统是容许的:
对于给定的参数ηmM,γ,δ和反馈增益Kj,事件触发矩阵W,在事件触发条件下如果存在合适维数的正定对称矩阵P,Q1,Q2,Q3,Z1,Z2,S,满足下面的矩阵不等式:
ETP=PTE≥0
Figure FDA0002307849210000042
则称闭环系统是容许的并且H∞扰动抑制水平为γ,其中
Figure FDA0002307849210000043
Figure FDA0002307849210000044
Figure FDA0002307849210000051
Figure FDA0002307849210000052
Figure FDA0002307849210000053
Figure FDA0002307849210000054
Figure FDA0002307849210000055
Figure FDA0002307849210000056
Figure FDA0002307849210000057
4.根据权利要求1所述的广义系统下事件触发的网络化T-S模糊H∞控制方法,其特征在于,系统的状态反馈增益矩阵Kj的求解方法为:
定义:X=P-1
Figure FDA0002307849210000058
Figure FDA0002307849210000059
Y=KX
Figure FDA00023078492100000510
Figure FDA00023078492100000511
左乘diag{X,X,X,X,X,I,I,I,I,I}右乘其转置,可以得到:
Figure FDA00023078492100000512
其中:
Figure FDA0002307849210000061
Figure FDA0002307849210000062
Figure FDA0002307849210000063
Figure FDA0002307849210000064
Figure FDA0002307849210000065
Figure FDA0002307849210000066
Figure FDA0002307849210000067
Figure FDA0002307849210000068
Figure FDA0002307849210000069
其中X=P-1
Figure FDA0002307849210000071
Figure FDA0002307849210000072
Y=KX;
对矩阵中的非线性项进行处理,再使用matlab通过给定的矩阵和参数计算出Kj的值。
CN201911246449.5A 2019-12-09 2019-12-09 广义系统下事件触发的网络化t-s模糊h∞控制方法 Active CN113031431B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911246449.5A CN113031431B (zh) 2019-12-09 2019-12-09 广义系统下事件触发的网络化t-s模糊h∞控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911246449.5A CN113031431B (zh) 2019-12-09 2019-12-09 广义系统下事件触发的网络化t-s模糊h∞控制方法

Publications (2)

Publication Number Publication Date
CN113031431A true CN113031431A (zh) 2021-06-25
CN113031431B CN113031431B (zh) 2024-10-18

Family

ID=76450788

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911246449.5A Active CN113031431B (zh) 2019-12-09 2019-12-09 广义系统下事件触发的网络化t-s模糊h∞控制方法

Country Status (1)

Country Link
CN (1) CN113031431B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113400883A (zh) * 2021-07-29 2021-09-17 安徽工业大学 一种车辆主动悬挂系统的耗散性能控制方法及装置
CN114859847A (zh) * 2022-03-11 2022-08-05 四川大学 一种适用于互联非线性系统的可靠优化控制系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988710A (zh) * 2018-07-18 2018-12-11 南京邮电大学 考虑长时延的网络化h∞模型参考直流电机调速方法和系统
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
CN110198236A (zh) * 2019-05-24 2019-09-03 浙江工业大学 一种基于动态事件触发机制的网络化系统鲁棒控制方法
CN110262245A (zh) * 2019-07-02 2019-09-20 南京理工大学 基于事件触发机制的多智能体系统的控制器设计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108988710A (zh) * 2018-07-18 2018-12-11 南京邮电大学 考虑长时延的网络化h∞模型参考直流电机调速方法和系统
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
CN110198236A (zh) * 2019-05-24 2019-09-03 浙江工业大学 一种基于动态事件触发机制的网络化系统鲁棒控制方法
CN110262245A (zh) * 2019-07-02 2019-09-20 南京理工大学 基于事件触发机制的多智能体系统的控制器设计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GUANG-TAO RAN 等: "Event-Triggered Dynamic Output Feedback Control for Networked T-S Fuzzy Systems With Asynchronous Premise Variables", IEEE ACCESS, 5 December 2018 (2018-12-05), pages 78741 - 78748 *
曹慧超 等: "离散事件触发非线性网络化控制系统鲁棒容错控制", 吉林大学学报(工学版), 30 November 2015 (2015-11-30) *
王艳芹 等: "模糊神经网络事件触发非脆弱H_∞状态估计", 系统仿真学报, 30 June 2018 (2018-06-30) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113400883A (zh) * 2021-07-29 2021-09-17 安徽工业大学 一种车辆主动悬挂系统的耗散性能控制方法及装置
CN113400883B (zh) * 2021-07-29 2022-09-27 安徽工业大学 一种车辆主动悬挂系统的耗散性能控制方法及装置
CN114859847A (zh) * 2022-03-11 2022-08-05 四川大学 一种适用于互联非线性系统的可靠优化控制系统及方法

Also Published As

Publication number Publication date
CN113031431B (zh) 2024-10-18

Similar Documents

Publication Publication Date Title
Zhang et al. Event-triggered nonsynchronized $\mathcal {H} _ {\infty} $ filtering for discrete-time T–S fuzzy systems based on piecewise lyapunov functions
Sahoo et al. Neural network-based event-triggered state feedback control of nonlinear continuous-time systems
CN109062041A (zh) 基于事件触发的t-s模糊网络系统的控制方法
Zhong et al. Event-triggered reinforcement learning approach for unknown nonlinear continuous-time system
Sun et al. Output-based dynamic event-triggered mechanisms for disturbance rejection control of networked nonlinear systems
Hua et al. Neural network observer-based networked control for a class of nonlinear systems
CN107463095B (zh) 一种具有时变采样周期的输出反馈控制器设计方法
Li et al. Combination event-triggered adaptive networked synchronization communication for nonlinear uncertain fractional-order chaotic systems
CN108762067A (zh) 一种忆阻神经网络的网络化同步控制设备和获取方法
Gu et al. Segment-weighted information-based event-triggered mechanism for networked control systems
CN113031431A (zh) 广义系统下事件触发的网络化t-s模糊h∞控制方法
Fei et al. A discontinuous Lyapunov function approach for hybrid event-triggered control of T–S fuzzy systems
CN114114928A (zh) 一种压电微定位平台的固定时间自适应事件触发控制方法
Liu et al. Decentralized event-triggered output feedback control for a class of interconnected large-scale systems
Xu et al. Distributed event-triggered output-feedback control for sampled-data consensus of multi-agent systems
CN114706310A (zh) 一种带输入死区的单连杆式机器人固定时间稳定控制方法
CN114063457A (zh) 一种机械臂系统的事件触发容错控制方法
CN113625781A (zh) 基于事件的欧拉-拉格朗日系统跟踪控制方法
CN113411312A (zh) 非线性复杂网络系统基于随机通信协议的状态估计方法
Chen et al. Optimized event-triggered and self-triggered control for linear systems
CN112731801A (zh) 一种对称死区非线性的自适应动态面输出反馈控制方法
CN113515066A (zh) 一种非线性多智能体系统动态事件触发控制方法
Yue et al. Adaptive event-triggered saturation-tolerant control for multi-agent systems based on finite-time fuzzy learning
Jiang et al. Event-triggered robust H∞ control for linear systems with disturbance
CN113997317B (zh) 基于事件触发机制的三连杆机械手执行器故障检测方法

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