CN113608437A - 具有丢包和多时滞的网络控制系统的最优控制研究方法 - Google Patents
具有丢包和多时滞的网络控制系统的最优控制研究方法 Download PDFInfo
- Publication number
- CN113608437A CN113608437A CN202110798111.1A CN202110798111A CN113608437A CN 113608437 A CN113608437 A CN 113608437A CN 202110798111 A CN202110798111 A CN 202110798111A CN 113608437 A CN113608437 A CN 113608437A
- Authority
- CN
- China
- Prior art keywords
- equation
- formula
- controller
- optimal
- matrix
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000011160 research Methods 0.000 title claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 91
- 238000013461 design Methods 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000003902 lesion Effects 0.000 claims description 6
- 241000084490 Esenbeckia delta Species 0.000 claims description 3
- 206010048669 Terminal state Diseases 0.000 claims description 3
- 230000008094 contradictory effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000005309 stochastic process Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 241000764238 Isis Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction 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
本发明公开了一种具有丢包和多时滞的网络控制系统的最优控制研究方法,属于网络控制领域。本文分析了带有乘性噪声、丢包、输入和量测时滞的离散网络控制系统中的最优输出反馈控制和镇定性问题。对于带有丢包和量测时滞的乘性噪声系统,首次给出了递归的最优估计器。基于该估计器,利用极大值原理求得了最优输出反馈控制器。同时给出了有限时间范围内最优控制问题可解的充分必要条件。最后,基于标准的可观性假设,证明了在均方意义下设计的控制器可以使得系统方程镇定,当且仅当耦合的黎卡提方程有唯一解。
Description
技术领域
本发明属于网络控制领域,具体涉及一种具有丢包和多时滞的网络控制系统的最优控制 研究方法。
背景技术
网络控制系统(NCSs)是一种反馈控制系统,该系统的控制环通过一个共享通信网络形 成闭合回路,且在通信网络中,系统信号(如参考输入、控制输入、设备输出等)可以在所 有的系统组件(如传感器、控制器、执行器等)中进行传输。与传统的控制系统相比,网络控制系统具有布线少、成本低、系统灵活性高和可维护性强等特点,因此在工业控制、过程控制、工程系统、航空航天系统、智能系统等实际应用中得到广泛的发展。
近年来出现了很多关于网络控制系统的热点问题,其中包括网络安全、容错网络控制系 统、分散和分布式网络控制系统、云网络控制系统等。在这些控制系统中经常出现丢包和网 络时滞的情形,这是由于节点故障或信息冲突以及信号采样或接收延迟所导致的。值得注意 的是,如果丢包和时滞超过了一定的期望值,装置或者设备可能会受到损坏,或者性能有所 下降。考虑到控制信号的传输经过一个不可靠的信道时,通过使用随机极大值原理,给出了 控制输入存在时滞时的最优控制器。针对具有量测丢包的网络控制系统,给出了最优估计器 的递推式和最优控制器的显示解。当系统输入不仅存在时滞,也存在从控制器到执行器之间 传输的数据丢包时,通过利用动态规划方法,给出了最优控制器的显式解。针对具有信息不 对称的网络控制系统,通过引入极大值原理,分别给出了有限时间和无限时间内的最优控制 问题可解的充分必要条件。
可以看出,以上的这些研究所讨论的问题都不够完善,对于带有乘性噪声的网络控制系 统,当有丢包和多时滞发生时,特别是系统中存在量测时滞时,很少有文章对此进行研究。 当系统中没有量测时滞时,最优估计器可以直接用量测数据进行设计,并且基于设计的估计 器可以求解最优控制器,分析稳定性问题。但是,上述研究成果有一个共同的缺陷,即没有 考虑系统中有量测时滞的情况,这使得所求得的控制器在实际中的应用有一定的局限性。本 文所讨论的问题如图1所示,当传感器的信号通过一个不可靠的信道进行传输时,会产生量 测丢包和量测时滞,而且在控制器到执行器的信号传输过程中存在输入时滞。由于量测时滞 的存在,量测数据{yk}不能直接用于估计器的设计。而且基于现有的估计器,最优输出反馈 控制器无法求解。换句话说,当系统中同时存在丢包和多时滞时,输出反馈控制和稳定性问 题将会变得更加的复杂。
发明内容
针对现有技术中存在的上述技术问题,本发明提出了一种具有丢包和多时滞的网络控制 系统的最优控制研究方法,设计合理,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
具有丢包和多时滞的网络控制系统的最优控制研究方法,首先给出如下定义:符号表 示n维欧氏空间;上标'表示矩阵的转置;实数矩阵M>0表示矩阵M是正定的;实数矩阵M≥0 表示矩阵M是半正定的;表示指示函数,即当元素时,有否则有是由随机过程X所产生的自然滤波;E[·]是数学期望且是关于的条件期望;P(X)表 示当事件X发生时的概率;I表示单位矩阵;δkl表示克罗内克函数,即当k=l时有δkl=1,否 则有δkl=0;
所述方法具体包括如下步骤:
步骤1:利用带有时滞的量测数据{yk}设计出了最优估计器;
步骤2:利用极大值原理,解出了最优控制器,并给出了有限时间范围内可解的充分必 要条件;且最优控制器的增益为耦合的黎卡提方程的解;
步骤3:通过定义一个李雅普诺夫函数,得出系统在均方意义下是可镇定的,当且仅当 给定的耦合的黎卡提方程有唯一解。
优选地,在步骤2中,具体设计如下:
有限时间的情况
问题描述
考虑下面带有丢包、输入时滞和量测时滞的乘性噪声系统:
yk=ωkxk-θ, (2);
其中,代表状态向量,代表控制器,代表其协方差为的标 量高斯白噪声;代表量测过程,ωk是服从概率为P(ωk=1)=p=1-q∈[0,1]的伯努利分布; A,B,是具有适当维数的常值矩阵,d和θ(>0)分别表示输入时滞和量测时滞;初始值x0表 示均值为μ,协方差为Θ的高斯随机向量,初始控制器ui,i=-d,...,θ-1的值是已知的,而且 {ωk}和x0彼此相互独立;
系统(1)和(2)的性能指标定义为:
为了确保问题的可解性,给出下面的假设:
假设1目标函数(3)中矩阵满足Q≥0,R>0和MN+1≥0;
最优估计
定理1对于系统的状态方程(1)和量测方程(2),最优估计器的递推式为:
其中
除此之外,由系统方程(1)能够直接计算得到
其中,P(xθ=ri|yθ=h)表示在yθ=h发生的情况下xθ取值为ri的条件概率;下面进行讨论:
1)对于量测数据yθ,当出现数据丢包时,也就是说yθ=h=0,此时有 P(xθ=ri,yθ=0)=P(xθ=ri)P(yθ=0),则由(5)能够得到
2)当没有发生丢包时,也即yθ=h≠0,则由(5)能够得到
因此,结合式(6)和(7),估计器的初始值表示为
为了方便起见,令Yk={yθ,...,yk};类比式(5),利用条件期望的定义,可得
分类讨论如下:
1)若yθ=yθ+1...=yk=0,则有
P(xk=ri,yθ=0,yθ+1=0,...,yk=0)=P(xk=ri)P(yθ=0,yθ+1=0,...,yk=0);
因此,根据式(8)可得
E[xk|yθ=hθ,yθ+1=hθ+1,...,yk=hk]=Exk(9);
则根据式(8)可得
3)若k时刻没有数据丢包,即yk=hk≠0,估计器能够表示为
其中yk=ωkxk-θ,且上式第二行利用了状态{xk}的马尔可夫特性;
由式(1)和(11)可得
同理可得
综上所述,由式(9)-(11)可得最优估计器的形式为
同时由系统方程(1)直接计算可得
下面对式(14)作进一步的化简;利用指示函数的特性可知
因此,当yθ=yθ+1...=yk=0时,由式(16),式(14)能够写为
E[xk|yθ,...,yk]=Exk=AE[xk-1|Yk-1]+Buk-d-1 (18);
2)当ij=k-1时,即yk-1≠0,由式(17),式(14)能够写为
上式即为式(4);
最优输出反馈控制
为了得到问题1的解,对系统状态方程(1)和目标函数(3)应用极大值原理得到如下 的共态方程:
λN=MN+1xN+1 (21);
定理2基于假设1,对于系统(1)和(2,问题1有唯一的解,当且仅当矩阵Δk>0, k=d+θ,...,N;且设计的令目标函数(3)最小的最优输出反馈控制器为
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (31);
同时可得式(3)中的最优目标函数为
且状态和共态之间的关系满足下式
对式(27)-(31)两端从i=3到d+1进行累加,得到下面耦合的黎卡提方程
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (37);
上式中的终端值为ΞN+1=ΠN+1=MN+1,且矩阵Δk和Γk能够直接计算得到
下面给出定理2的证明:
证首先给出必要性的证明,即在假设1的前提下,如果问题1有唯一解,式(25)中的矩阵Δk,d+θ≤k≤N是严格正定的;定义新的目标函数为
令式(40)中的k=N,得到
J(N)=E[xN′QxN+uN-d′RuN-d]+xN+1′MN+1xN+1;
将系统的状态方程(1)代入上式,则J(N)能够写成状态xN和控制器uN-d的二次型形式, 且由于控制器解的唯一性,该二次型必然是正定的;令状态xN=0,得到
因此ΔN>0成立;
下面计算最优控制器;由式(1)和(21),平衡方程(23)能够写为
因此,当k=N时的最优控制器为
明显式(41)满足式(24);
接下来说明k=N时的共态方程具有式(33)的形式;利用式(1)、(21)、(22)和(41),得到
为了进一步分析一般情况,并利用数学归纳法,取d+θ≤l≤N,当k≥l+1,假设式(25) 中的矩阵是正定的,且控制器uk-d和共态λk-1的表达式为式(24)和(33);接下来证明该情形 在k=l时也成立;
首先需要证明矩阵Δl的可逆性;由式(1)、(22)和(23),得到
将上式从k=l+1到N进行累加,得到
利用上式以及式(21),并令式(40)中的k=l,则J(l)表示成
将式(33)代入上式,并令xl=0,则J(l)被写成
由于最优控制器解ul-d的唯一性,则式(25)中矩阵Δl是严格正定的,也即Δl>0成立;
下面求解最优控制器;将式(33)代入式(23)得到
则最优控制器的解为
其中矩阵Δl和Γl分别满足式(25)和(26);因此,最优控制器(24)在k=l时也成立;
最后证明状态和共态之间的关系式满足式(33),如下:
显然该式成立;这就完成了必要性的证明;
下面给出充分性的证明,即当式(25)中的矩阵Δk>0,k=d+θ,...,N时,证明问题1有 唯一解;定义
则由式(1)、(25)-(31),能够计算得到VN(k+1,xk+1)如下
令VN(k,xk)和VN(k+1,xk+1)作差,得到
对式(41)两端从k=d+θ到N进行累加,得到
利用上式将目标函数写为
在上式中,x0,ui,i=-d,...,θ-1已经初始化,对于0≤k≤d+θ-1,xk能够由初始值进行求 解,且矩阵Δk是严格正定的;因此,令目标函数取到最小值,最优控制器的唯一性即可得证, 且满足式(24)。
优选地,在步骤3中,具体设计如下:
无限时间的情况
问题描述
为了分析系统的镇定性,求解系统(1)和(2)在无限时间时的镇定问题;当N→+∞时 考虑如下的性能指标:
首先给出下面几个重要的定义:
定义1对于给定的初始值x0,u-d,...,uθ-1,且控制器uk-d=0,k≥d+θ,如果有
则称方程(1)为渐进均方稳定的;
定义3对于下面的随机系统
问题2的解
下面给出几个重要引理:
其中m≥d+θ;由式(3)和(32)能够类比得到式(45)的最优解为
对式(46)分析如下:
则由式(46)-(49);得到
由于状态xd+θ是随机变量,因此,得到
Ξd+θ(m)≥0;
引理2基于假设1和2,存在一个常数N0>0,使得当N>N0时,有Ξd+θ(N)>0;
则系统方程(1)能够写成
基于定义3和假设2,得到xd+θ=0,矛盾;因此假设不成立,则有N0>0,使得当N>N0时,有Ξd+θ(N)>0成立;
利用上述矩阵可将系统方程(1)转变为一个新的状态方程为
且控制器uk能够写为
将式(53)代入式(52)得到
定理3系统方程在均方意义下是可镇定的,当且仅当推论中耦合的黎卡提方程有唯一解, 且有Π≥Ξ>0,M1≥0,Ψ,Φ≤0和Mj≤0,j=2,...,d+1:
Ψ=-(A′)dΓ′Δ-1ΓAd+qA′ΨA (58);
Φ=(1-q)A′ΨA+A′ΦA (59);
其中Δ和Γ为
使系统镇定的控制器为
式(44)对应的最优目标函数为
其中
下面给出定理3的证明:
必要性:即若系统方程(1)是均方可镇定的,则式(34)-(39)中耦合的黎卡提方程有唯一解,且Π≥Ξ>0,Ψ,Φ≤0;
首先给出矩阵Ξd+θ(N),Πd+θ(N),Ψd+θ(N)和Φd+θ(N)关于N的单调性证明;回顾式(32)和(42), 最优目标函数能够写为
3)对于给定的xd+θ,由式(46),令m=N,可有H*(N)≤H*(N+1),则可得
也即Ξd+θ(N)≤Ξd+θ(N+1)成立;
其中c和c1是常数;因此,得到
再由式(50),可知
上式表明矩阵Ξd+θ(N)是有界的;
类比式(65)进行如下讨论:
Ξd+θ(N)=Ξ0(N-d-θ),Πd+θ(N)=Π0(N-d-θ);
Φd+θ(N)=Φ0(N-d-θ);
因此,存在矩阵Ξ,Π,M1,Ψ和Φ,满足
同时,在式(25),(26),(28)和(29)两端取极限也可得到收敛值为
因此,当时间变量N→+∞,式(56)-(61)是成立的;且利用引理1和2直接得到,Π≥Ξ>0, M1≥0,Ψ<0,Φ<0和Mj≤0,j=2,...,d+1;
最后证明式(56)-(59)的解是唯一的;现假设存在另外一组解H,F,P和K也满足式(56)-(59);当有x0=Ex0时,对式(66)两端取极限,得到
J*(N)=E(x′0Πx0)=E(x′0Fx0);
则有Π=F;而且若有Ex0=0,可得
J*(N)=E{x′0[Π0(N)-qΨ0(N)-qΦ0(N)]x0}
=E{x′0[F0(N)-qP0(N)-qK0(N)]x0};
由式(30)和(31),看出Φk(N)依赖于Ψk(N),也即若Ψ0(N)≠P0(N),则有Φ0(N)≠K0(N),这 与上述方程式矛盾;故在该方程两侧取极限得到Ψ=P,Φ=K;同时,对于给定的xd+θ,在式 (51)两端取极限,直接得到E(x′d+θΞxd+θ)=E(x′d+θHxd+θ),则有Ξ=H;综上可知式(56)-(61) 的解是唯一的;
充分性:若式(56)-(61)中耦合的黎卡提方程有唯一解,则控制器(62)能够使得系统方程(1)镇定;
首先,令
同时经计算也能够得到
则对k≥d+θ,有
上式表明函数V(k,xk)是有界的,由单调有界原理可知函数V(k,xk)是收敛的;
因此,通过式(69)得到
再由式(50)可得
在式(71)两端取极限并利用式(70),可得
接下来证明控制器(62)可使目标函数(44)最小为(63);对式(68)两端从k=0到N进行累加,得到
其中V(0,x0)和V(N+1,xN+1)已在式(67)中给出定义;利用射影定理可有
通过以上的分析,控制器(62)可以使得目标函数(44)最小,且最优目标函数为式(63)。
本发明所带来的有益技术效果:
本文分析了带有乘性噪声、丢包、输入和量测时滞的离散网络控制系统中的最优输出反 馈控制和镇定性问题。对于带有丢包和量测时滞的乘性噪声系统,首次给出了递归的最优估 计器。基于该估计器,利用极大值原理求得了最优输出反馈控制器。同时给出了有限时间范 围内最优控制问题可解的充分必要条件。最后,基于标准的可观性假设,证明了在均方意义 下设计的控制器可以使得系统方程镇定,当且仅当耦合的黎卡提方程有唯一解。
附图说明
图1为带有丢包和多时滞的网络控制系统图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
具有丢包和多时滞的网络控制系统的最优控制研究方法,首先给出如下定义:符号表 示n维欧氏空间;上标'表示矩阵的转置;实数矩阵M>0表示矩阵M是正定的;实数矩阵M≥0 表示矩阵M是半正定的;表示指示函数,即当元素时,有否则有是由随机过程X所产生的自然滤波;E[·]是数学期望且是关于的条件期望;P(X)表 示当事件X发生时的概率;I表示单位矩阵;δkl表示克罗内克函数,即当k=l时有δkl=1,否 则有δkl=0;
所述方法具体包括如下步骤:
步骤1:利用带有时滞的量测数据{yk}设计出了最优估计器;
步骤2:利用极大值原理,解出了最优控制器,并给出了有限时间范围内可解的充分必 要条件;且最优控制器的增益为耦合的黎卡提方程的解;
步骤3:通过定义一个李雅普诺夫函数,得出系统在均方意义下是可镇定的,当且仅当 给定的耦合的黎卡提方程有唯一解。
在步骤2中,具体设计如下:
有限时间的情况
问题描述
考虑下面带有丢包、输入时滞和量测时滞的乘性噪声系统:
yk=ωkxk-θ, (2);
其中,代表状态向量,代表控制器,代表其协方差为的标 量高斯白噪声;代表量测过程,ωk是服从概率为P(ωk=1)=p=1-q∈[0,1]的伯努利分布; A,B,是具有适当维数的常值矩阵,d和θ(>0)分别表示输入时滞和量测时滞;初始值x0表 示均值为μ,协方差为Θ的高斯随机向量,初始控制器ui,i=-d,...,θ-1的值是已知的,而且 {ωk}和x0彼此相互独立;
系统(1)和(2)的性能指标定义为:
为了确保问题的可解性,给出下面的假设:
假设1目标函数(3)中矩阵满足Q≥0,R>0和MN+1≥0;
最优估计
定理1对于系统的状态方程(1)和量测方程(2),最优估计器的递推式为:
其中
除此之外,由系统方程(1)能够直接计算得到
其中,P(xθ=ri|yθ=h)表示在yθ=h发生的情况下xθ取值为ri的条件概率;下面进行讨论:
1)对于量测数据yθ,当出现数据丢包时,也就是说yθ=h=0,此时有 P(xθ=ri,yθ=0)=P(xθ=ri)P(yθ=0),则由(5)能够得到
2)当没有发生丢包时,也即yθ=h≠0,则由(5)能够得到
因此,结合式(6)和(7),估计器的初始值表示为
为了方便起见,令Yk={yθ,...,yk};类比式(5),利用条件期望的定义,可得
分类讨论如下:
1)若yθ=yθ+1...=yk=0,则有
P(xk=ri,yθ=0,yθ+1=0,...,yk=0)=P(xk=ri)P(yθ=0,yθ+1=0,...,yk=0);
因此,根据式(8)可得
E[xk|yθ=hθ,yθ+1=hθ+1,...,yk=hk]=Exk (9);
则根据式(8)可得
3)若k时刻没有数据丢包,即yk=hk≠0,估计器能够表示为
其中yk=ωkxk-θ,且上式第二行利用了状态{xk}的马尔可夫特性;
由式(1)和(11)可得
同理可得
综上所述,由式(9)-(11)可得最优估计器的形式为
同时由系统方程(1)直接计算可得
下面对式(14)作进一步的化简;利用指示函数的特性可知
因此,当yθ=yθ+1...=yk=0时,由式(16),式(14)能够写为
E[xk|yθ,...,yk]=Exk=AE[xk-1|Yk-1]+Buk-d-1 (18);
2)当ij=k-1时,即yk-1≠0,由式(17),式(14)能够写为
上式即为式(4);
最优输出反馈控制
为了得到问题1的解,对系统状态方程(1)和目标函数(3)应用极大值原理得到如下 的共态方程:
λN=MN+1xN+1 (21);
定理2基于假设1,对于系统(1)和(2,问题1有唯一的解,当且仅当矩阵Δk>0, k=d+θ,...,N;且设计的令目标函数(3)最小的最优输出反馈控制器为
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (31);
同时可得式(3)中的最优目标函数为
且状态和共态之间的关系满足下式
对式(27)-(31)两端从i=3到d+1进行累加,得到下面耦合的黎卡提方程
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (37);
上式中的终端值为ΞN+1=ΠN+1=MN+1,且矩阵Δk和Γk能够直接计算得到
下面给出定理2的证明:
证首先给出必要性的证明,即在假设1的前提下,如果问题1有唯一解,式(25)中的矩阵Δk,d+θ≤k≤N是严格正定的;定义新的目标函数为
令式(40)中的k=N,得到
J(N)=E[xN′QxN+uN-d′RuN-d]+xN+1′MN+1xN+1;
将系统的状态方程(1)代入上式,则J(N)能够写成状态xN和控制器uN-d的二次型形式, 且由于控制器解的唯一性,该二次型必然是正定的;令状态xN=0,得到
因此ΔN>0成立;
下面计算最优控制器;由式(1)和(21),平衡方程(23)能够写为
因此,当k=N时的最优控制器为
明显式(41)满足式(24);
接下来说明k=N时的共态方程具有式(33)的形式;利用式(1)、(21)、(22)和(41),得到
为了进一步分析一般情况,并利用数学归纳法,取d+θ≤l≤N,当k≥l+1,假设式(25) 中的矩阵是正定的,且控制器uk-d和共态λk-1的表达式为式(24)和(33);接下来证明该情形 在k=l时也成立;
首先需要证明矩阵Δl的可逆性;由式(1)、(22)和(23),得到
将上式从k=l+1到N进行累加,得到
利用上式以及式(21),并令式(40)中的k=l,则J(l)表示成
将式(33)代入上式,并令xl=0,则J(l)被写成
由于最优控制器解ul-d的唯一性,则式(25)中矩阵Δl是严格正定的,也即Δl>0成立;
下面求解最优控制器;将式(33)代入式(23)得到
则最优控制器的解为
其中矩阵Δl和Γl分别满足式(25)和(26);因此,最优控制器(24)在k=l时也成立;
最后证明状态和共态之间的关系式满足式(33),如下:
显然该式成立;这就完成了必要性的证明;
下面给出充分性的证明,即当式(25)中的矩阵Δk>0,k=d+θ,...,N时,证明问题1有 唯一解;定义
则由式(1)、(25)-(31),能够计算得到VN(k+1,xk+1)如下
令VN(k,xk)和VN(k+1,xk+1)作差,得到
对式(41)两端从k=d+θ到N进行累加,得到
利用上式将目标函数写为
在上式中,x0,ui,i=-d,...,θ-1已经初始化,对于0≤k≤d+θ-1,xk能够由初始值进行求 解,且矩阵Δk是严格正定的;因此,令目标函数取到最小值,最优控制器的唯一性即可得证, 且满足式(24)。
在步骤3中,具体设计如下:
无限时间的情况
问题描述
为了分析系统的镇定性,求解系统(1)和(2)在无限时间时的镇定问题;当N→+∞时 考虑如下的性能指标:
首先给出下面几个重要的定义:
定义1对于给定的初始值x0,u-d,...,uθ-1,且控制器uk-d=0,k≥d+θ,如果有
则称方程(1)为渐进均方稳定的;
定义3对于下面的随机系统
问题2的解
下面给出几个重要引理:
其中m≥d+θ;由式(3)和(32)能够类比得到式(45)的最优解为
对式(46)分析如下:
则由式(46)-(49);得到
由于状态xd+θ是随机变量,因此,得到
Ξd+θ(m)≥0;
引理2基于假设1和2,存在一个常数N0>0,使得当N>N0时,有Ξd+θ(N)>0;
则系统方程(1)能够写成
基于定义3和假设2,得到xd+θ=0,矛盾;因此假设不成立,则有N0>0,使得当N>N0时,有Ξd+θ(N)>0成立;
利用上述矩阵可将系统方程(1)转变为一个新的状态方程为
且控制器uk能够写为
将式(53)代入式(52)得到
定理3系统方程在均方意义下是可镇定的,当且仅当推论中耦合的黎卡提方程有唯一解, 且有Π≥Ξ>0,M1≥0,Ψ,Φ≤0和Mj≤0,j=2,...,d+1:
Ψ=-(A′)dΓ′Δ-1ΓAd+qA′ΨA (58);
Φ=(1-q)A′ΨA+A′ΦA (59);
其中Δ和Γ为
使系统镇定的控制器为
式(44)对应的最优目标函数为
其中
下面给出定理3的证明:
必要性:即若系统方程(1)是均方可镇定的,则式(34)-(39)中耦合的黎卡提方程有唯一解,且Π≥Ξ>0,Ψ,Φ≤0;
首先给出矩阵Ξd+θ(N),Πd+θ(N),Ψd+θ(N)和Φd+θ(N)关于N的单调性证明;回顾式(32)和(42), 最优目标函数能够写为
3)对于给定的xd+θ,由式(46),令m=N,可有H*(N)≤H*(N+1),则可得
也即Ξd+θ(N)≤Ξd+θ(N+1)成立;
其中c和c1是常数;因此,得到
再由式(50),可知
上式表明矩阵Ξd+θ(N)是有界的;
类比式(65)进行如下讨论:
Ξd+θ(N)=Ξ0(N-d-θ),Πd+θ(N)=Π0(N-d-θ);
Φd+θ(N)=Φ0(N-d-θ);
因此,存在矩阵Ξ,Π,M1,Ψ和Φ,满足
同时,在式(25),(26),(28)和(29)两端取极限也可得到收敛值为
因此,当时间变量N→+∞,式(56)-(61)是成立的;且利用引理1和2直接得到,Π≥Ξ>0, M1≥0,Ψ<0,Φ<0和Mj≤0,j=2,...,d+1;
最后证明式(56)-(59)的解是唯一的;现假设存在另外一组解H,F,P和K也满足式(56)-(59);当有x0=Ex0时,对式(66)两端取极限,得到
J*(N)=E(x′0Πx0)=E(x′0Fx0);
则有Π=F;而且若有Ex0=0,可得
J*(N)=E{x′0[Π0(N)-qΨ0(N)-qΦ0(N)]x0}
=E{x′0[F0(N)-qP0(N)-qK0(N)]x0};
由式(30)和(31),看出Φk(N)依赖于Ψk(N),也即若Ψ0(N)≠P0(N),则有Φ0(N)≠K0(N),这 与上述方程式矛盾;故在该方程两侧取极限得到Ψ=P,Φ=K;同时,对于给定的xd+θ,在式 (51)两端取极限,直接得到E(x′d+θΞxd+θ)=E(x′d+θHxd+θ),则有Ξ=H;综上可知式(56)-(61) 的解是唯一的;
充分性:若式(56)-(61)中耦合的黎卡提方程有唯一解,则控制器(62)能够使得系统方程(1)镇定;
首先,令
同时经计算也能够得到
则对k≥d+θ,有
=E[x′kQxk+u′k-dRuk-d]≥0。 (69);
上式表明函数V(k,xk)是有界的,由单调有界原理可知函数V(k,xk)是收敛的;
因此,通过式(69)得到
再由式(50)可得
在式(71)两端取极限并利用式(70),可得
接下来证明控制器(62)可使目标函数(44)最小为(63);对式(68)两端从k=0到N进行累加,得到
其中V(0,x0)和V(N+1,xN+1)已在式(67)中给出定义;利用射影定理可有
通过以上的分析,控制器(62)可以使得目标函数(44)最小,且最优目标函数为式(63)。
仿真例子
例1令系统方程(1)和目标函数(3)的参数为
x0=1,u1=0.8,ui=0,i=-3,...,0
Q=R=1,N=7,MN+1=0。
利用推论直接计算可以得到
Ξ5=1.7101,Ξ6=1.5399,Ξ7=1
Π5=2.6821,Π6=1.8900,Π7=1
Ψ5=0,Ψ6=0,Ψ7=0
Φ5=0,Φ6=0,Φ7=0
Δ5=2.0570,Δ6=1.6500,Δ7=1
Γ5=1.2404,Γ6=0.7600,Γ7=0。
从上述值中可以看出对于k=4,5,6有Δk>0,因此由定理2可知输出反馈控制问题有唯一 解。计算得到的最优控制器为
例2该数值算例证明了对于无限时间的情况,在定理3中设计的控制器可以使系统方程 (1)镇定。考虑系统方程(1)和目标函数(3)的参数为
x0=1,u1=0.5,u2=1,ui=0,i=-4,...,0
Q=R=1>0,
且假设1和2都满足。通过解式(56)-(61)可以得到
Ξ=2.2074,Π=31.4114,Ψ=-0.0165,Φ=-0.0025
Δ=21.4310,Γ=22.9407,
明显有Π>Ξ>0,Ψ<0和Φ<0。由定理3可知,在均方意义下求得的控制器uk-d=-1.0704
例3为了证明定理3的有效性,根据例2的描述,选择另外一个控制器uk-d=-4.5596
本文分析了带有乘性噪声、丢包、输入和量测时滞的离散网络控制系统中的最优输出反 馈控制和镇定性问题。对于带有丢包和量测时滞的乘性噪声系统,首次给出了递归的最优估 计器。基于该估计器,利用极大值原理求得了最优输出反馈控制器。同时给出了有限时间范 围内最优控制问题可解的充分必要条件。最后,基于标准的可观性假设,证明了在均方意义 下设计的控制器可以使得系统方程镇定,当且仅当耦合的黎卡提方程有唯一解。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的 技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护 范围。
Claims (3)
1.具有丢包和多时滞的网络控制系统的最优控制研究方法,其特征在于:首先给出如下定义:符号表示n维欧氏空间;上标'表示矩阵的转置;实数矩阵M>0表示矩阵M是正定的;实数矩阵M≥0表示矩阵M是半正定的;表示指示函数,即当元素时,有否则有 是由随机过程X所产生的自然滤波;E[·]是数学期望且是关于的条件期望;P(X)表示当事件X发生时的概率;I表示单位矩阵;δkl表示克罗内克函数,即当k=l时有δkl=1,否则有δkl=0;
所述方法具体包括如下步骤:
步骤1:利用带有时滞的量测数据{yk}设计出了最优估计器;
步骤2:利用极大值原理,解出了最优控制器,并给出了有限时间范围内可解的充分必要条件;且最优控制器的增益为耦合的黎卡提方程的解;
步骤3:通过定义一个李雅普诺夫函数,得出系统在均方意义下是可镇定的,当且仅当给定的耦合的黎卡提方程有唯一解。
2.根据权利要求1所述的具有丢包和多时滞的网络控制系统的最优控制研究方法,其特征在于:在步骤2中,具体设计如下:
有限时间的情况
问题描述
考虑下面带有丢包、输入时滞和量测时滞的乘性噪声系统:
yk=ωkxk-θ, (2);
其中,代表状态向量,代表控制器,代表其协方差为的标量高斯白噪声;代表量测过程,ωk是服从概率为P(ωk=1)=p=1-q∈[0,1]的伯努利分布;A,B,是具有适当维数的常值矩阵,d和θ(>0)分别表示输入时滞和量测时滞;初始值x0表示均值为μ,协方差为Θ的高斯随机向量,初始控制器ui,i=-d,...,θ-1的值是已知的,而且{ωk}和x0彼此相互独立;
系统(1)和(2)的性能指标定义为:
为了确保问题的可解性,给出下面的假设:
假设1目标函数(3)中矩阵满足Q≥0,R>0和MN+1≥0;
最优估计
定理1对于系统的状态方程(1)和量测方程(2),最优估计器的递推式为:
其中
除此之外,由系统方程(1)能够直接计算得到
其中,P(xθ=ri|yθ=h)表示在yθ=h发生的情况下xθ取值为ri的条件概率;下面进行讨论:
1)对于量测数据yθ,当出现数据丢包时,也就是说yθ=h=0,此时有P(xθ=ri,yθ=0)=P(xθ=ri)P(yθ=0),则由(5)得到
2)当没有发生丢包时,也即yθ=h≠0,则由(5)得到
因此,结合式(6)和(7),估计器的初始值表示为
为了方便起见,令Yk={yθ,...,yk};类比式(5),利用条件期望的定义,可得
分类讨论如下:
1)若yθ=yθ+1...=yk=0,则有
P(xk=ri,yθ=0,yθ+1=0,...,yk=0)=P(xk=ri)P(yθ=0,yθ+1=0,...,yk=0);
因此,根据式(8)得
E[xk|yθ=hθ,yθ+1=hθ+1,...,yk=hk]=Exk (9);
则根据式(8)得
3)若k时刻没有数据丢包,即yk=hk≠0,估计器能够表示为
其中yk=ωkxk-θ,且上式第二行利用了状态{xk}的马尔可夫特性;
由式(1)和(11)得
同理可得
综上所述,由式(9)-(11)得最优估计器的形式为
同时由系统方程(1)直接计算得
下面对式(14)作进一步的化简;利用指示函数的特性知
因此,当yθ=yθ+1...=yk=0时,由式(16),式(14)能够写为
E[xk|yθ,...,yk]=Exk=AE[xk-1|Yk-1]+Buk-d-1 (18);
2)当ij=k-1时,即yk-1≠0,由式(17),式(14)能够写为
上式即为式(4);
最优输出反馈控制
为了得到问题1的解,对系统状态方程(1)和目标函数(3)应用极大值原理得到如下的共态方程:
λN=MN+1xN+1 (21);
定理2基于假设1,对于系统(1)和(2),问题1有唯一的解,当且仅当矩阵Δk>0,k=d+θ,...,N;且设计的令目标函数(3)最小的最优输出反馈控制器为
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (31);
同时可得式(3)中的最优目标函数为
且状态和共态之间的关系满足下式
对式(27)-(31)两端从i=3到d+1进行累加,得到下面耦合的黎卡提方程
Φk=(1-q)A′Ψk+1A+A′Φk+1A, (37);
上式中的终端值为ΞN+1=ΠN+1=MN+1,且矩阵Δk和Γk能够直接计算得到
下面给出定理2的证明:
证首先给出必要性的证明,即在假设1的前提下,如果问题1有唯一解,式(25)中的矩阵Δk,d+θ≤k≤N是严格正定的;定义新的目标函数为
令式(40)中的k=N,得到
J(N)=E[xN′QxN+uN-d′RuN-d]+xN+1′MN+1xN+1;
将系统的状态方程(1)代入上式,则J(N)能够写成状态xN和控制器uN-d的二次型形式,且由于控制器解的唯一性,该二次型必然是正定的;令状态xN=0,得到
因此ΔN>0成立;
下面计算最优控制器;由式(1)和(21),平衡方程(23)能够写为
因此,当k=N时的最优控制器为
明显式(41)满足式(24);
接下来说明k=N时的共态方程具有式(33)的形式;利用式(1)、(21)、(22)和(41),得到
为了进一步分析一般情况,并利用数学归纳法,取d+θ≤l≤N,当k≥l+1,假设式(25)中的矩阵是正定的,且控制器uk-d和共态λk-1的表达式为式(24)和(33);接下来证明该情形在k=l时也成立;
首先需要证明矩阵Δl的可逆性;由式(1)、(22)和(23),得到
将上式从k=l+1到N进行累加,得到
利用上式以及式(21),并令式(40)中的k=l,则J(l)表示成
将式(33)代入上式,并令xl=0,则J(l)被写成
由于最优控制器解ul-d的唯一性,则式(25)中矩阵Δl是严格正定的,也即Δl>0成立;
下面求解最优控制器;将式(33)代入式(23)得到
则最优控制器的解为
其中矩阵Δl和Γl分别满足式(25)和(26);因此,最优控制器(24)在k=l时也成立;
最后证明状态和共态之间的关系式满足式(33),如下:
显然该式成立;这就完成了必要性的证明;
下面给出充分性的证明,即当式(25)中的矩阵Δk>0,k=d+θ,...,N时,证明问题1有唯一解;定义
则由式(1)、(25)-(31),能够计算得到VN(k+1,xk+1)如下
令VN(k,xk)和VN(k+1,xk+1)作差,得到
对式(41)两端从k=d+θ到N进行累加,得到
利用上式将目标函数写为
在上式中,x0,ui,i=-d,...,θ-1已经初始化,对于0≤k≤d+θ-1,xk能够由初始值进行求解,且矩阵Δk是严格正定的;因此,令目标函数取到最小值,最优控制器的唯一性即得证,且满足式(24)。
3.根据权利要求1所述的具有丢包和多时滞的网络控制系统的最优控制研究方法,其特征在于:在步骤3中,具体设计如下:
无限时间的情况
问题描述
为了分析系统的镇定性,求解系统(1)和(2)在无限时间时的镇定问题;当N→+∞时考虑如下的性能指标:
首先给出下面几个重要的定义:
定义1对于给定的初始值x0,u-d,...,uθ-1,且控制器uk-d=0,k≥d+θ,如果有
则称方程(1)为渐进均方稳定的;
定义3对于下面的随机系统
问题2的解
下面给出几个重要引理:
其中m≥d+θ;由式(3)和(32)能够类比得到式(45)的最优解为
对式(46)分析如下:
则由式(46)-(49);得到
由于状态xd+θ是随机变量,因此,得到
Ξd+θ(m)≥0;
引理2基于假设1和2,存在一个常数N0>0,使得当N>N0时,有Ξd+θ(N)>0;
则系统方程(1)能够写成
基于定义3和假设2,得到xd+θ=0,矛盾;因此假设不成立,则有N0>0,使得当N>N0时,有Ξd+θ(N)>0成立;
利用上述矩阵可将系统方程(1)转变为一个新的状态方程为
且控制器uk能够写为
将式(53)代入式(52)得到
定理3系统方程在均方意义下是镇定的,当且仅当推论中耦合的黎卡提方程有唯一解,且有Π≥Ξ>0,M1≥0,Ψ,Φ≤0和Mj≤0,j=2,...,d+1:
Ψ=-(A′)dΓ′Δ-1ΓAd+qA′ΨA (58);
Φ=(1-q)A′ΨA+A′ΦA (59);
其中Δ和Γ为
使系统镇定的控制器为
式(44)对应的最优目标函数为
其中
下面给出定理3的证明:
必要性:即若系统方程(1)是均方能够镇定的,则式(34)-(39)中耦合的黎卡提方程有唯一解,且Π≥Ξ>0,Ψ,Φ≤0;
首先给出矩阵Ξd+θ(N),Πd+θ(N),Ψd+θ(N)和Φd+θ(N)关于N的单调性证明;回顾式(32)和(42),最优目标函数能够写为
3)对于给定的xd+θ,由式(46),令m=N,可有H*(N)≤H*(N+1),则得
也即Ξd+θ(N)≤Ξd+θ(N+1)成立;
其中c和c1是常数;因此,得到
再由式(50),知
上式表明矩阵Ξd+θ(N)是有界的;
类比式(65)进行如下讨论:
Ξd+θ(N)=Ξ0(N-d-θ),Πd+θ(N)=Π0(N-d-θ);
Φd+θ(N)=Φ0(N-d-θ);
因此,存在矩阵Ξ,Π,M1,Ψ和Φ,满足
同时,在式(25),(26),(28)和(29)两端取极限得到收敛值为
因此,当时间变量N→+∞,式(56)-(61)是成立的;且利用引理1和2直接得到,Π≥Ξ>0,M1≥0,Ψ<0,Φ<0和Mj≤0,j=2,...,d+1;
最后证明式(56)-(59)的解是唯一的;现假设存在另外一组解H,F,P和K也满足式(56)-(59);当有x0=Ex0时,对式(66)两端取极限,得到
J*(N)=E(x′0Πx0)=E(x′0Fx0);
则有Π=F;而且若有Ex0=0,得
J*(N)=E{x′0[Π0(N)-qΨ0(N)-qΦ0(N)]x0}
=E{x′0[F0(N)-qP0(N)-qK0(N)]x0};
由式(30)和(31),看出Φk(N)依赖于Ψk(N),也即若Ψ0(N)≠P0(N),则有Φ0(N)≠K0(N),这与上述方程式矛盾;故在该方程两侧取极限得到Ψ=P,Φ=K;同时,对于给定的xd+θ,在式(51)两端取极限,直接得到E(x′d+θΞxd+θ)=E(x′d+θHxd+θ),则有Ξ=H;综上知式(56)-(61)的解是唯一的;
充分性:若式(56)-(61)中耦合的黎卡提方程有唯一解,则控制器(62)能够使得系统方程(1)镇定;
首先,令
同时经计算也能够得到
则对k≥d+θ,有
上式表明函数V(k,xk)是有界的,由单调有界原理知函数V(k,xk)是收敛的;
因此,通过式(69)得到
再由式(50)得
在式(71)两端取极限并利用式(70),得
接下来证明控制器(62)能够使目标函数(44)最小为(63);对式(68)两端从k=0到N进行累加,得到
其中V(0,x0)和V(N+1,xN+1)已在式(67)中给出定义;利用射影定理有
通过以上的分析,控制器(62)能够使得目标函数(44)最小,且最优目标函数为式(63)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798111.1A CN113608437B (zh) | 2021-07-15 | 2021-07-15 | 具有丢包和多时滞的网络控制系统的最优控制研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798111.1A CN113608437B (zh) | 2021-07-15 | 2021-07-15 | 具有丢包和多时滞的网络控制系统的最优控制研究方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113608437A true CN113608437A (zh) | 2021-11-05 |
CN113608437B CN113608437B (zh) | 2023-11-03 |
Family
ID=78337600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110798111.1A Active CN113608437B (zh) | 2021-07-15 | 2021-07-15 | 具有丢包和多时滞的网络控制系统的最优控制研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113608437B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895645A (zh) * | 2022-03-31 | 2022-08-12 | 中国地质大学(武汉) | 考虑非零均值噪声的网络控制系统性能极限分析方法 |
CN115113597A (zh) * | 2022-07-19 | 2022-09-27 | 厦门大学 | 一种基于有限时间稳定的对称组合大系统的分散控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999010783A1 (en) * | 1997-08-22 | 1999-03-04 | Voyan Technology | A method for real-time nonlinear system state estimation and control |
US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
CN109597306A (zh) * | 2018-12-13 | 2019-04-09 | 济南大学 | 一种丢包网络控制系统的跟踪控制器设计方法 |
CN109932905A (zh) * | 2019-03-08 | 2019-06-25 | 辽宁石油化工大学 | 一种基于非策略的观测器状态反馈的优化控制方法 |
-
2021
- 2021-07-15 CN CN202110798111.1A patent/CN113608437B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999010783A1 (en) * | 1997-08-22 | 1999-03-04 | Voyan Technology | A method for real-time nonlinear system state estimation and control |
US6047221A (en) * | 1997-10-03 | 2000-04-04 | Pavilion Technologies, Inc. | Method for steady-state identification based upon identified dynamics |
CN109597306A (zh) * | 2018-12-13 | 2019-04-09 | 济南大学 | 一种丢包网络控制系统的跟踪控制器设计方法 |
CN109932905A (zh) * | 2019-03-08 | 2019-06-25 | 辽宁石油化工大学 | 一种基于非策略的观测器状态反馈的优化控制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895645A (zh) * | 2022-03-31 | 2022-08-12 | 中国地质大学(武汉) | 考虑非零均值噪声的网络控制系统性能极限分析方法 |
CN114895645B (zh) * | 2022-03-31 | 2024-04-16 | 中国地质大学(武汉) | 考虑非零均值噪声的网络控制系统性能极限分析方法 |
CN115113597A (zh) * | 2022-07-19 | 2022-09-27 | 厦门大学 | 一种基于有限时间稳定的对称组合大系统的分散控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113608437B (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Finite-time event-triggered H∞ control for switched systems with time-varying delay | |
Su | Cooperative global output regulation of second-order nonlinear multi-agent systems with unknown control direction | |
Zhu et al. | Robust distributed fault estimation for a network of dynamical systems | |
CN113608437A (zh) | 具有丢包和多时滞的网络控制系统的最优控制研究方法 | |
CN109541944A (zh) | 含通信时滞的离散网络化多智能体系统有限时间控制方法 | |
Tan et al. | Consensus of networked multi-agent systems with diverse time-varying communication delays | |
Hammouri et al. | Constant gain observer for continuous-discrete time uniformly observable systems | |
Stanković et al. | Asynchronous distributed blind calibration of sensor networks under noisy measurements | |
Pérez-Cruz et al. | Exponential synchronization of chaotic xian system using linear feedback control | |
Xiong et al. | An integral sliding mode approach to distributed control of coupled networks with measurement Quantization | |
Garcia et al. | Parameter estimation in time-triggered and event-triggered model-based control of uncertain systems | |
Gan et al. | Anti-synchronization for periodic BAM neural networks with Markov scheduling protocol | |
Ma et al. | Optimal linear filter for systems with random delay and packet dropout compensations | |
Wang et al. | Leader‐following consensus control of second‐order nonlinear multi‐agent systems with applications to slew rate control | |
Berkel et al. | An event-triggered cooperation approach for robust distributed model predictive control | |
Sun et al. | Fast finite-time consensus tracking for first-order multi-agent systems with unmodelled dynamics and disturbances | |
Wigren | Networked and delayed recursive identification of nonlinear systems | |
Liu et al. | Optimal linear filtering for networked systems with communication constraints, fading measurements, and multiplicative noises | |
Lai et al. | Adaptive finite-time projective synchronization of complex networks with nonidentical nodes and quantized time-varying delayed coupling | |
Jin et al. | Adaptive finite-time pinned and regulation synchronization of disturbed complex networks | |
Jiang et al. | Optimal tracking control of networked systems subject to model uncertainty and additive colored Gaussian noise | |
Zhang et al. | Optimal model reduction of discrete-time descriptor systems | |
Li et al. | Global Distributed Fault-Tolerant Consensus Control of Nonlinear Delayed Multiagent Systems with Hybrid Faults | |
CN113589691A (zh) | 一种通信受限网络化系统的信号跟踪控制方法及系统 | |
Ao et al. | Consensus for time-delay multi-agent systems with H∞ performance in finite frequency domains |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230922 Address after: 276000 west side of north section of Industrial Road, Lanshan District, Linyi, Shandong Applicant after: LINYI University Address before: 579 qianwangang Road, Huangdao District, Qingdao City, Shandong Province Applicant before: SHANDONG University OF SCIENCE AND TECHNOLOGY |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |