【摘 要】
：
随着科学技术的飞速发展,学者们所研究的被控系统的结构越来越复杂、规模越来越庞大,传统的确定性系统的控制理论已趋于完善.近年来,含有噪声或不确定性的随机模型是当前控制领域的研究热点之一.噪声的存在改变原系统的动力学特征,降低了系统的控制性能,甚至破坏系统的稳定性.因此随机系统的稳定性研究具有重要的理论意义和实际需要.此外,时滞、外部干扰、不确定性在实际系统中广泛存在,这些元素的存在往往会影响系统的稳
论文部分内容阅读
随着科学技术的飞速发展,学者们所研究的被控系统的结构越来越复杂、规模越来越庞大,传统的确定性系统的控制理论已趋于完善.近年来,含有噪声或不确定性的随机模型是当前控制领域的研究热点之一.噪声的存在改变原系统的动力学特征,降低了系统的控制性能,甚至破坏系统的稳定性.因此随机系统的稳定性研究具有重要的理论意义和实际需要.此外,时滞、外部干扰、不确定性在实际系统中广泛存在,这些元素的存在往往会影响系统的稳定性.故在系统稳定性分析时要考虑时滞、外部干扰、不确定性等元素对系统产生的影响.本文主要借助于Takagi-Sugeno模糊控制策略和事件触发反馈控制策略,研究了几类具有干扰的随机非线性系统.本文的主要工作如下:1.对于一类具有外部干扰和时滞的不确定Takagi-Sugeno模糊随机非线性系统,研究了系统的无源性和输入状态稳定性.首先对不确定Takagi-Sugeno模糊随机非线性系统,设计了事件触发反馈控制器,结合LMI技术和Lyapunov函数,得到了系统无源性的充分条件.其次利用无源性方法得到了一个学习律,并给出了不确定Takagi-Sugeno模糊随机非线性系统输入状态稳定性的充分条件.最后,通过一个实例验证了结果的有效性.2.对于一类具有不同干扰（如状态相关干扰、状态无关干扰）的不确定随机非线性系统,研究了系统的实用稳定性.对具有状态相关扰动的随机非线性系统和状态无关扰动的随机非线性系统这两种情况分别进行讨论,基于事件触发机制和Lyapunov函数,给出了系统两种输入状态实用指数均方稳定性的新判据.最后,通过三个实例验证了该判据的有效性.3.对于文中第三章提到的连续时间不确定随机非线性系统,研究了事件触发机制的Zeno现象.针对该连续时间不确定随机非线性系统的事件触发机制,利用Lyapunov函数和LMI方法,得到了一个为正常数的事件触发机制的执行间隔时间下界,由此验证了在保证系统输入状态实用指数均方稳定性成立的前提下,系统不会发生Zeno现象.
其他文献
钠离子电池因与锂离子电池有着相似的工作原理而备受各界关注。作为钠离子电池的重要功能组成部分,正极材料是决定钠离子电池整体性能的关键因素之一。在众多正极材料中,P2型层状锰基氧化物因具有理论比容量大、结构稳定性高和毒性低等优点成为最具应用前景的钠离子电池正极材料之一。然而,在Na+脱出/嵌入过程中,Jahn-Teller效应、多相不可逆转变、电解液分解等问题,导致晶体结构稳定性和电化学性能严重恶化。
从视频估计人体3D运动姿态和形状是计算机视觉和图形领域的一项具有挑战性的任务,准确且时间一致的人体建模对于一些广泛的应用至关重要,包括角色动画、理解人类社会行为和AR/VR界面。从单目视频序列中准确捕捉人体运动仍然具有挑战性,并且捕捉到的人体运动的时间一致性对建模质量有很大的影响。当试图从一系列视频图像中定位人体姿态的3D参数时,由于背景变化、摄像机移动和灯光变化,人体的姿势和形状往往会随着时间的
工程设计和自然科学以及社会经济的很多问题都可以描述为最优化问题,使用高精度求解算法对最优化问题进行求解一直是研究的热点和难点。作为一种群智能优化算法,鲸鱼优化算法具有优良的全局寻优能力,而且相对于经典粒子群优化算法,它具有计算简单、拥有较少的参数等优点,而在众多不同的领域应用较为宽泛。但是,基本鲸鱼优化算法在处理复杂的优化问题时仍然存在收敛速度慢、计算精度低、易陷入局部最优等问题。针对这些问题,本
医学影像分割是医学影像分析的核心任务,随着计算机技术及人工智能的发展与普及,医学影像分割潜在的应用价值受到了广泛的关注,脊柱分割作为医学影像分割中一个重要的方向,在临床实践中,退行性脊柱疾病方面的治疗更多的还是依赖于医生的经验,虽然现有的脊柱分割方法在无偏且数据集数量较大的条件下表现良好,但是在真实条件下,由于影像数据收集难度较大及收集过程中病人个体因素,导致不同脊柱类别样本数量不均衡,进而限制了
西夏文古籍文献作为记载西夏王朝的资料,已成为研究少数民族古籍的重要载体,及时准确的识别并翻译西夏文字,有助于推进西夏学研究具有举足轻重的意义。此外,随着深度学习的蓬勃发展,神经网络具有自动提取文字特征并且识别效率高等优势,逐渐成为了文本识别的重要手段。然而,现有的西夏文古籍文献中存在字体相似度高,识别准确率较低,同时识别模型参数量大的问题。因此,针对上述问题,本文以自制的西夏文数据集为基础,采用深
人脸识别技术的快速发展以及广泛应用给我们带来了极大的便利,但易受假脸攻击的缺点使其安全性受到了严重的威胁。人脸活体检测作为人脸识别的重要前置步骤,保证人脸识别系统不被欺骗,具有重要的研究价值。近年来,基于深度学习的人脸活体检测技术在生物识别技术领域取得了一定的发展,在部分场景下表现出色,但受限于常规卷积网络对人脸固有精细特征提取的瓶颈以及单模态人脸图像输入对环境变化和攻击方式变化敏感,现存方法难以
在我国,道路交通事故时有发生,其中一个重要原因就是疲劳驾驶。所以,准确地进行疲劳检测是非常有必要的。在现有的疲劳检测方法中,利用基于生理参数和车辆运动特征进行的检测普遍存在成本高、实时性差和抗干扰能力低等问题。因此,本文采用一种基于面部特征的方法研究疲劳检测问题,该方法将疲劳检测流程分为人脸检测、疲劳特征提取与识别、疲劳状态判别三个步骤,具体工作如下:首先,优化了MTCNN人脸检测算法。对图像预处
随着深度学习技术的快速发展,大量基于深度学习的单视图三维重建方法不断涌现,这些方法在3D打印、自动驾驶、虚拟现实和增强现实等各个领域获得了广泛的应用,实现高质量重建的单视图三维物体重建算法对于图像理解和计算机视觉领域来说有其重要的研究价值和广阔的发展前景。已有的大部分方法难以有效地重建具有复杂拓扑结构的物体形状,导致重建的结果拓扑结构不完整和局部细节缺失。此外,这些方法较多的关注目标物体的整体形状
3D人脸重建和稠密对齐任务是计算机视觉领域的一个重要分支,通过对人脸的五官信息和轮廓细节信息的分析,神经网络可以学习其内在丰富的上下文语义信息,从而做出精确的预测。基于单张图像的3D人脸重建与稠密对齐是计算机视觉领域的一项挑战性任务,当前大部分3D人脸重建与稠密对齐任务在学习过程中缺乏从几何角度考虑人脸结构特征的相关性,使得神经网络在大姿态、强光照以及遮挡等复杂条件下很难恢复出精细的人脸重建结果与
近年来,深度学习技术在很多领域取得了突出成就。其中,图像分类作为其他视觉任务的基础,更是在各行各业中取得了广泛的应用。深度学习技术通常需要依靠大量的标注数据,但是在很多状况下受各方面的制约,标注数据很少。为了适应这种情况,小样本学习应运而生,成为深度学习技术的一大分支。由于标注数据少,在小样本学习过程中通常会发生过拟合的问题,而将先验规则加入深度学习模型,能够增强模型的泛化能力,提高分类精度。此外