基于两类新T-S模糊模型的非线性系统控制

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:eboy120
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
众所周知,模糊逻辑系统利用模糊集合和模糊推理处理许多难以用数学工具精确描述的不确定信息,是处理复杂非线性系统的有效途径,由此形成的模糊控制是目前研究非线性系统的重要方法。而基于Takagi-Sugeno(T-S)模糊模型的模糊控制被广泛用于非线性系统的控制研究,它可以使许多经典的线性系统理论应用于非线性系统分析和控制器设计,成为了研究非线性系统简单而有效的方法。最近,一些新的T-S模型相继被提出,例如:T-S模糊双线性模型、T-S模糊非线性模型、T-S模糊双曲型偏微分方程模型等。  本文根据Lyapunov稳定性定理、并行分布补偿(PDC)算法、鲁棒控制理论、H控制理论和非脆弱保性能控制理论,结合线性矩阵不等式(LMI)技术,分别基于T-S模糊双曲正切模型和T-S模糊双曲型偏微分方程模型深入研究了非线性常微分方程(ODE)系统和非线性偏微分方程(PDE)系统的稳定化控制问题。  主要工作总结如下:  第一,提出一种T-S模糊双曲正切模型研究一类非线性常微分方程系统的稳定化问题。这个模型的后件部分为双曲正切动态模型,它被用来表示非线性系统。通过构造新的Lyapunov函数,基于Lyapunov稳定性理论,以LMI的形式给出开环系统稳定的充分条件。然后,用PDC算法设计模糊双曲正切控制器,以LMI的形式给出闭环系统渐近稳定的充分条件。与基于T-S模糊模型的控制方法相比,该方法能在状态稳定时间几乎相同的情况下获得小得多的控制振幅,可认为是“软”约束控制方法。最后,两个仿真例子说明了所提方法的有效性和优点。  第二,利用基于T-S模糊双曲正切模型的“软”约束控制方法研究非线性常微分方程系统的鲁棒H?控制。根据Lyapunov稳定性理论,以LMI的形式给出了鲁棒H?模糊控制器的设计方法。与基于T-S模糊模型的H控制方法相比,该方法在控制系统时所需的控制输入要小的多。  第三,利用基于T-S模糊双曲正切模型的“软”约束控制方法研究非线性常微分方程系统的非脆弱保性能控制。首先,一个不确定T-S模糊双曲正切模型用来表示非线性系统。然后,基于PDC算法设计模糊非脆弱控制器,以LMI的形式给出了系统渐近稳定且成本函数满足一个上界的充分条件。与基于T-S模糊模型的非脆弱保性能控制方法相比,该方法能获得小得多的控制振幅。最后,一个仿真例子说明了所提方法的有效性和优点。  第四,研究了一阶非线性双曲型偏微分方程的非脆弱保性能控制问题。一个不确定T-S模糊双曲型偏微分方程模型用来精确表示非线性系统。基于PDC算法,设计了空间分布的非脆弱控制器,以空间微分线性矩阵不等式(SDLMIs)的形式给出系统渐近稳定且成本函数满足一个上界的充分条件。与现有的方法相比,该方法能容忍更大的控制增益扰动。最后,通过一个非线性双曲型PDE系统说明了所提出方法的有效性和优点。  最后,对全文进行了概括性总结,并指出了未来的研究工作。
其他文献
对亏指数(1,1)的下半有界闭对称算子的von Neumann问题,作者利用实参数形式的Krein公式和自伴正算子的秩1扰动理论给出了一个仅依赖于Friedrichs延拓的显式解答,并且证明了对
自然环境和资源是人类社会存在和发展的必要基础,为了保证社会的可持续发展就必须协调好人类发展和自然环境之间的矛盾.由于人类的过度开发,许多物种的种群数量过低,已经威胁
现代通信技术的发展,提出了大量存贮、记录和传输各种静态图像的问题。对图像压缩的研究也成了人们日益重视的热点问题。 本文首先对图像压缩的历史、现状以及压缩标准、判
数学家Hadamard针对数学物理问题中的定解问题提出了适定性的概念。如果这个定解问题的解满足三个条件:存在、唯一、稳定,则称这个定解问题是适定的。这就是现在我们称之为Hada
由于无线传感器网络具有大规模密集部署的特点,距离教近的节点收集到的数据信息通常具有非常大的相似性,产生许多冗余数据,从而导致网络能量的严重浪费。根据网络特点与应用环境
神经网络在实际应用中,由于引入信号传输延迟,所以在研究网络稳定性过程中,就需要在原有的数学模型中加入延迟。从而更准确地刻画了实际应用的神经网络。有延迟和没有延迟的网络
盲信号分离(BSS)是在源信号不能被直接观测和传输信道未知的情况下,仅利用观测信号和源信号的统计独立性假设提取或恢复源信号的一种信号处理方法。作为计算智能学习的重要研究
本文用鞅方法对可转换债券(Convertible Bond)进行研究和分析。随着中国金融市场改革和开放,利率管制逐步放开,无风险利率开始市场化;同时,作为一种利率衍生证券,可转换债券的存续期
考虑到对噪声样本敏感是SVM的固有特性,为了加快算法的训练速度,同时不降低学习机的推广能力,该文提出了一种基于分组聚类的训练算法.其主要想法是:首先把原训练样本随机分成
该文主要对非线性泛函分析中的几个热点问题作了进一步的分析和研究,对已有的结果进行了统一和推广.首先,我们在G-凸空间内引入了广义S-R-KKM型映像,并在非紧设置下建立了一