排序方式: 共有15条查询结果,搜索用时 0 毫秒
1.
2.
提出一种灵活、有效的H∞-优化方法:梯度方法.利用H∞-范数与状态空间实现的关系,定义了目标函数ρ(ε,F),ρ(ε,F)与H∞-范数之间的关系是:limρ(ε,F)=1/‖T(s,F)‖∞ε→0分析了ρ(ε,F)的可微性,并给出了ρ(ε,F)/F的具体表达式以及使ρ(ε,F)极大化的梯度方法,从而导致‖T(s,F)‖∞的极小化.实例表明,梯度方法能有效地使ρ(ε,F)上升,并收敛于驻点或终止于不可微点. 相似文献
3.
本文从两种不同的稳定性判据出发,分别导出了适用于不同扰动类型的鲁棒性判据.这些判据并不依赖于某些传递函数的奇异值,而是基于传递函数的最小实特征值或所有特征值的最大实部,与前者相比,后者表现出较小的保守性或完全不保守. 相似文献
4.
5.
6.
H~∞设计方法是近年来迅速发展起来的一种多功能设计方法。本文首先介绍了该方法所用到的主要数学工具,从标准优化问题的形成,问题的求解等方面概述了H~∞设计方法的理论框架,并分析了这一设计方法的发展趋势。 相似文献
7.
鲁棒稳定界的连续性分析及优化方法 总被引:2,自引:0,他引:2
针对一类常见的不确定系统,本文得出了鲁棒稳定界ρ(F)连续、可微的条件,给出了ρ(F)对状态反馈F的微分表达式,以及在极点配置的约束下使ρ(F)增大的梯度的方法,实例显示,梯度方法非常有效。 相似文献
8.
提出一种灵活、有效的H∞-优化方法:梯度方法.利用H∞-范数与状态空间实现的关系,定义了目标函数ρ(ε,F),ρ(ε,F)与H∞-范数之间的关系是:分析了ρ(ε,F)的可微性,并给出了ρ(ε,F)/F的具体表达式以及使ρ(ε,F)极大化的梯度方法,从而导致的极小化.实例表明,梯度方法能有效地使ρ(ε,F)上升,并收敛于驻点或终止于不可微点. 相似文献
9.
本文提出了一种全新的H∞-优化方法:梯度方法.这种优化方法非常灵活,适用范围极广,可用于对系统矩阵中的一般参数进行优化选择,可将H∞-范数与其它范数加权,构成复合的目标函数,还可处理极点配置等限制条件下的H∞-优化问题.梯度方法的主要思想就是通过与H∞-范数直接相关的Hamilton矩阵定义目标函数P(ε,P),具有limP(ε,P)=1/(S,P)∞.其中P可为系统矩阵中的任何可变参数.p(ε,p)对p的导数可以求出,因而可用梯度方法极大化p(ε,p),从而极小化T(S,p)∞本文用此方法对结构式不确定系统进行鲁棒设计,并带有极点配置的约束.实例显示,梯度方法的效果很好. 相似文献
10.
状态反馈系统的H∞低敏感性的设计* 总被引:1,自引:0,他引:1
本文用状态空间方法对状态反馈系统进行H~∞低敏感设计。利用H~∞范数与系统状态空间实现的关系,将极点固定条件下的状态反馈系统的H~∞控制问题转化为时域上的鲁棒性问题,并由此提出了反映H~∞范数的目标函数。该目标函数为反馈矩阵F与闭环系统矩阵A+BF的特征向量矩阵V的函数。在极点固定的限制条件下,P与V可通过—R~(m×a)→R~(m×a)的映射参数化为—U∈R~(m×a)的函数。这样,目标函数为U的泛函,并且аJ/аU可以求出。因此,可用梯度法优化J,从而使H~∞范数降低。在梯度法优化中,每项迭代只须求解2n个n阶代数方程,与传统的H~∞方法求解Riccati方程相比,要简单许多。实例说明,梯度法收敛速度较快,优化效果良好。 相似文献