【摘 要】
:
切换系统是由若干个子系统以及决定这些子系统的切换顺序的切换规则构成的一类混杂动力系统。由于其对实际系统的良好可建模能力,切换系统理论被大量的应用在了机械工业,化工工
论文部分内容阅读
切换系统是由若干个子系统以及决定这些子系统的切换顺序的切换规则构成的一类混杂动力系统。由于其对实际系统的良好可建模能力,切换系统理论被大量的应用在了机械工业,化工工业,航空工业,电力电子工业等工业系统中。可以看到,当前对于切换线性系统已经进行了较多的研究,并且取得了一定数量的研究结果。但是由于切换非线性系统本身的复杂性,目前对于这类系统的研究还十分有限。另一方面目前对于切换信号的研究还主要集中在任意切换,驻留时间切换以及平均驻留时间切换等信号上,对于模型依赖平均驻留时间切换信号的研究尚不完善。再者,作为控制理论的一个重要研究方向,有界干扰下系统的可达集的估计在切换系统的研究中还处于空白。本论文将在总结前人成果的基础上,对离散时间切换线性系统,离散时间切换模糊系统的稳定性分析,H_∞控制以及有界干扰下系统的可达集估计进行系统的研究。首先第2章简要的介绍了切换系统研究中采用得比较多的多Lyapunov函数方法。利用这个研究工具,回顾了目前已有的离散时间切换线性系统的稳定性结果。对于离散时间切换非线性系统,论文采用切换T-S模糊系统对其进行建模。进而研究了任意切换、平均驻留时间以及模型依赖平均驻留时间切换下系统的稳定性条件。在离散时间切换系统稳定性研究的基础上,论文研究了系统的H_∞控制器设计问题。对于模型依赖平均驻留时间切换这样一类新提出来的切换信号,首先推导了系统的l2增益条件。由于切换时刻Lyapunov函数的跳变,文章得到的是加权l2增益形式。利用得到的条件,给出了离散时间切换线性系统在平均驻留时间切换下加权H_∞控制器设计方法。对于离散时间切换模糊系统,给出了任意切换,平均驻留时间切换以及模型依赖平均驻留时间切换下系统的H_∞控制器设计条件。最后,论文第4章研究了离散时间切换线性系统和离散时间切换模糊系统在有界干扰下系统的可达集估计问题。首先给出了系统可达集估计的基本方法,将可达集的估计转化为一个特征值的优化问题。然后在可达集估计的基础上,给出了使系统可达集尽可能小的控制器设计方法。
其他文献
本论文在对高等学校电子信息类专业所用的传统实验教学系统及当前高等教育学校的需求进行了充分调研的基础上,研发了一套基于虚拟样机的教学实验系统,以满足师生的需求。 本
双馈感应发电机(DFIG)的转子转速测量对其控制系统设计具有重要意义,但是由于传统的速度传感器在双馈风力发电机组上应用会带来许多问题,需要对无速度传感器的转速测量技术进行
为适应信息化时代对现代大型企业设备管理的新要求,本文在国内某大型棉纺织企业设备管理信息化开发的背景下,从设备状态评估和检修计划优化两个方面展开研究,并完成了设备管理信
电阻抗断层成像技术(EIT:Electrical Impedance Tomography)是当今生物医学工程学重大研究课题之一。它是继形态、结构成像之后,于近30年才出现的新一代医学成像技术。由于电
控制器局域网CAN定义了物理层和数据链路层,但没有在应用层定义报文标识符和数据字节的使用。CANopen是一种基于CAN总线的开放的、标准化的应用层协议,并在国内外的工业自动
盲均衡和盲检测技术因不需要训练序列而得到广泛关注和研究。多进制相移键控(M-ary quaternary phase shift keying, MPSK)调制已作为高效的调制方式在无线通信系统中得到广
H.264/AVC是由国际电信联盟电信标准化部门(ITU-T)和国际标准化组织/国际电工委员会(ISO/IEC)联合提出的最新一代视频编码国际标准。该标准采用了多种先进的视频压缩技术,在同
近年来,随着科技的快速进步,多智能体系统得到迅速的发展,其相关设备也得到了广泛的应用。这些多智能体系统设备,具有极高的非线性特性,而这些非线性特性会导致许多不良因素的出现,例如电源端会出现谐波、增加虚功、降低系统效率,以及降低功率因素等弊端。为了克服这些问题,多智能体的有限时间收敛电力滤波控制器被广泛讨论和研究。由于带有自调整因子模糊控制器可采用未知系统参数,且瞬时响应及收敛性均优于基本模糊控制器
近年来,随着公式识别技术的不断发展,公式识别领域出现了一个新的研究问题——化学表达式识别问题。由于化学表达式和数学表达式一样,是自然科学领域应用广泛的一种表达式,因
电力系统静态安全评估(Static SecurityAssessment, SSA)是关系到电力系统安全稳定性能的最重要的问题之一。现代智能方法的发展为其提供了有利的条件,可以很快的对电力系统进行静态安全评估。支持向量机(Support Vector Machine, SVM)就是这样一种机器学习方法。它建立在统计学习理论之上,可以有效的解决小样本、高维数、非线性和局部最优解等机器学习领域的难题。