离散时滞系统的无记忆稳定化控制器设计

对离散时滞系统,研究无记忆状反馈稳定化控制律的设计问题,导出了控制律存在的条件,并证明了该条件等价于一个线性矩阵不等式系统的可解性问题。通过这个线性矩阵不等式系统的可行解,给出了稳定化控制律的构造方法,进而,通过建立和求解一个凸优化问题,提出了具有较小反馈增益参数的无记忆状态反馈控制律的设计方法。     

一类线性离散广义系统最优预见控制器设计

提出一类广义线性离散系统的预见控制问题.首先,利用差分算子构造扩大误差系统,然后通过引入一些恒等式,把可预见的目标信号的差分也包含在扩大误差系统的状态向量中,把所考虑的广义系统的预见控制问题转化为一个形式上的普通广义系统的控制问题.由熟知的广义系统最优控制理论的结论,得到广义系统的带有预见作用的控制器.对扩大误差系统的R-能稳性和能检测性进行了详细讨论.     

周期离散时间系统的预见控制器设计

对于一类线性周期离散时间系统,提出一种新的周期预见控制器的设计方法.首先,利用二维模型方法及系数矩阵的周期性特点,将系统状态与其稳态值之差代替通常的状态差分,成功地构造出原系统的二维(2D)扩大误差系统;然后,针对导出的扩大误差系统,结合Lyapunov稳定性理论和LMI方法,给出闭环系统渐近稳定的条件及预见控制器的设计方法;最后,通过数值仿真说明该方法的有效性.     

不确定离散时滞系统的状态时滞反馈保性能控制器的设计

对一类同时具有状态时滞和输入时滞的不确定离散时滞系统,提出保性能状态时滞反馈控制律的设计问题。结合一个二次型性能指标,基于Lyapunov函数和线性矩阵不等式处理方法,推出状态时滞反馈保性能控制律存在的条件,并用线性矩阵不等式的可行解给出保性能控制律的构造方法。最后给出一个仿真例子证明该方法的有效性。     

状态时滞系统的输入多采样最优控制

本文针对离散状态时滞系统，首先将其变形为无时滞形式，设计出最优控制器；然后运用离散提升技术对输入进行多采样，得到扩展的离散系统模型，再运用最优控制技术对扩展系统进行最优设计。最后对系统进行仿真，结果表明，该算法具有较好的控制效果。具有较好的稳定性。     

多采样率不确定离散时滞系统的鲁棒预见控制

研究一类输入多采样率型不确定离散时滞系统的鲁棒预见控制问题.首先,利用离散提升技术从形式上消除输入时滞和多采样率特点,将多采样率不确定系统的鲁棒预见控制问题转化为一个普通的单采样率不确定系统的鲁棒预见控制问题;然后根据预见控制的基本方法,构造出包含未来目标信息的扩大误差系统,并对其相应的标称系统设计预见控制器;最后,根据所设计的控制器和Lyapunov稳定性理论,给出不确定闭环系统的鲁棒稳定性判据.数值仿真结果验证了所提出设计方法的有效性.     

参数不确定离散时间系统的有限时间输出反馈预见控制器设计

基于参数依赖的Lyapunov函数方法及LMI技巧,研究一类参数不确定离散时间系统的有限时间输出反馈预见控制问题.首先,采用预见控制理论中误差系统的方法,引入差分算子和离散提升技术,构造出包含未来目标值信号和干扰信号的信息的扩大误差系统,将有限时间预见控制问题转化为扩大误差系统的有限时间稳定性问题;然后,针对所推导出的...     

离散多步时滞系统的容错控制研究

针对离散多步时滞系统,基于Lyapunov稳定性理论,采用具有状态反馈及时滞状态反馈的控制律,推出了当执行器或传感器发生失效故障时闭环系统仍能保持渐近稳定需满足的充分条件;并利用LMI给出了不依赖时滞的线性离散多步时滞系统的容错控制器的通用求解方法;讨论了该方法对具有不同时滞步数离散多步时滞系统容错的普适性。以执行器失效故障为例,仿真结果证明了该方法的有效性。     

基于信息融合估计的离散线性系统预见控制

针对期望轨迹和干扰可预见的离散线性最优跟踪问题, 提出了一种基于信息融合估计的预见控制方法. 推导了最优预见控制律的融合估计过程和最优预见性能指标. 建立了包含状态反馈项、目标和干扰前馈补偿项的信息融合预见控制系统, 并分析了其渐近特性和稳态跟踪误差问题. 直流电机系统的仿真结果表明, 信息融合预见控制下的系统跟踪性能随着预见步数的增加而迅速提高并趋于稳定, 且综合考虑跟踪误差与能量消耗时要优于传统预见控制.     

一类具有输入时滞的时变离散系统的预见控制

针对一类具有输入时滞的时变离散系统,研究其预见控制问题.利用差分算子的性质,对系统的输入时滞项和目标信号进行差分处理,构造包含目标信号但不含时滞的扩大误差系统.基于最优控制和预见控制的相关理论,得到了扩大误差系统带有预见前馈补偿的控制器.进一步,利用矩阵分解方法,将高阶Riccati方程进行降阶处理,从而得到原时滞系统的预见控制器.最后通过仿真实例验证了所提出方法的有效性.     

线性离散时滞系统的Gl2状态反馈控制

研究具有状态时滞的线性离散时不变系统的Gl2控制问题．基于简化的Gl2分析定理,Gl2控制问题被等价转化为H∞控制问题．通过LMI和构造Lyapunov函数,得到了Gl2性能的LMI表述．给出了使得时滞系统稳定且满足给定性能指标的无记忆Gl2状态反馈控制器存在的充分条件和设计方法．当系统具有独立范数有界扰动输入和全结构不确定性时,使用此方法设计得到的Gl2控制器比H∞控制器的保守性更小．算例验证了该方法的有效性.     

离散分段线性时滞正系统的稳定性分析

研究了离散的切换线性时滞正系统的稳定性问题．通过运用切换线性余正（copositive）Lyapunov泛函和共同线性余正（copositive）Lyapunov泛函分别得到了关于平衡点全局渐近稳定性的线性规划（LP）和线性矩阵不等式（LMI）判别法则．     

Stabilization of discrete-time linear systems with a time delay in the feedback loop

A discrete-time, linear, time-invariant control system with a fixed time delay in the feedback loop is considered. We investigate the problem of feedback stabilization and present some general criteria. Simple necessary and sufficient conditions for stabilization, which take the form of algebraic inequalities involving the system parameters, are developed for time delays whose values do not exceed 2, as well as for one-dimensional systems with an arbitrary time delay.     

含时变滞后的不确定系统的时滞相关型鲁棒控制设计

研究含时变滞后的不确定系统的控制综合问题. 基于Lyapunov方法提出了一种含滞后补偿的鲁棒控制设计方法. 闭环稳定性条件由一组线性矩阵不等式表示. 在这些条件中给出了稳定性和滞后以及其导数之间的关系. 实例显示, 利用提供的方法所给出的结果比以往文献给出的结果保守性小.     

Filtering for discrete-time linear noise delay systems

Optimal state estimation problem for discrete-time systems with delays in noise sequence is investigated. Predictor similar to the traditional Kalman ones is derived based on projection formula in Hilbert space. Filter and fixed-lag smoother are obtained at the same time. The estimators are presented by solving two coupled Riccati-type difference equations. One example shows the effectiveness of the proposed approach.     

Stochastic linear quadratic regulation for discrete-time linear systems with input delay

This paper considers the stochastic LQR problem for systems with input delay and stochastic parameter uncertainties in the state and input matrices. The problem is known to be difficult due to the presence of interactions among the delayed input channels and the stochastic parameter uncertainties in the channels. The key to our approach is to convert the LQR control problem into an optimization one in a Hilbert space for an associated backward stochastic model and then obtain the optimal solution to the stochastic LQR problem by exploiting the dynamic programming approach. Our solution is given in terms of two generalized Riccati difference equations (RDEs) of the same dimension as that of the plant.