变时滞

摘要： 研究了变时滞反馈控制的具有时变延迟的高度非线性混合中立型随机微分方程(NSDDE)的稳定性。通过Lyapunov函数方法研究了该随机系统L^(P)的渐近稳定性和H_(∞)稳定性。对比已有的科研成果,该研究的主要贡献是将反馈控制函数和系统本身的时滞从常时滞推广到变时滞。最后,用一个例子来证明结论的有效性。

摘要： 为保证散料加工系统的稳定性,提出针对变时滞振动系统的参数设计方法。系统中物料堆积会影响生产速度和加工单元的质量,物料经过自由落体运动后对加工单元产生冲击,采用加工单元的沉降位移信号实现对物料供给速度的负反馈调节,形成变时滞反馈环节。首先根据系统的动力学微分方程,研究系统的静平衡稳定状态。然后利用系统发生Hopf分叉的条件,确定了能够保证系统稳定的刚度系数和阻尼系数的参数范围。最后利用SIMULINK软件仿真验证了理论分析,据此选择出的参数使得系统具备一定的抗干扰能力。利用分叉点的特征值特点,反推确定参数的可选择范围,可为变时滞类系统的参数设计提供参考方法。

摘要： 研究了一类变时滞随机静态神经网络的均方指数稳定性,利用Lyapunov泛函方法,伊藤公式和M-矩阵的理论,给出了系统均方指数稳定的相关结果。

摘要： 本文研究了事件触发脉冲控制下变时滞系统的稳定性问题。首先我们设计了一种由系统状态决定脉冲作用时刻的事件触发脉冲控制,证明了系统不存在Zeno现象。其次我们得到了变时滞系统在提出的事件触发脉冲控制下指数稳定的充分条件。最后仿真实验结果验证了理论方案的有效性。

摘要： 针对难以建模的时变时滞非线性系统的控制问题,基于改进的具有辅助变量的紧格式动态线性化泛模型,结合单值预测控制,采用非线性递推最小二乘法优化,给出了目标函数中的加权网络参数的在线优化算法,克服了试凑法确定加权网络参数的问题,提出在线优化参数的变时滞无模型自适应单值预测控制算法。仿真结果表明,因提出的单值预测控制算法具有无模型自适应控制功能、预测控制功能和参数寻优性能,使系统具有优良的控制效果。

摘要： 针对难以建模的时变时滞非线性系统的控制问题,基于改进的具有辅助变量的紧格式动态线性化泛模型,结合单值预测控制,采用非线性递推最小二乘法优化,给出了目标函数中的加权网络参数的在线优化算法,克服了试凑法确定加权网络参数的问题,提出在线优化参数的变时滞无模型自适应单值预测控制算法.仿真结果表明,因提出的单值预测控制算法具有无模型自适应控制功能、预测控制功能和参数寻优性能,使系统具有优良的控制效果.

摘要： 针对难以建模的变时滞多变量非线性系统的控制问题,基于改进具有辅助向量的多变量紧格式动态线性化泛模型,参考多变量单值预测控制算法,提出改进的目标函数,给出变时滞多变量无模型自适应单值预测控制算法,采用自适应递推算式的优化算法进行优化,给出了目标函数的加权网络参数的在线优化算法,解决了试凑法确定加权网络参数的问题.试凑法确定的加权网络参数不能保证控制算法最优,综上研究提出在线优化参数的变时滞多变量无模型自适应单值预测控制算法,仿真结果说明,单值预测控制算法具有无模型自适应控制性能及预测控制功能和参数寻优功能,故算法具有优良的控制性能.

摘要： 该文研究了一类具有反应扩散项的变时滞复数域神经网络的指数稳定性.首先在假设复数域激活函数可分解的情况下,将该系统分解为相应的实部系统和虚部系统.利用矢量Lyapunov函数法和M矩阵理论,得到了确保该系统平衡状态指数稳定性的充分条件.该条件不含有任何自由变量,相对现有结论具有较低的保守性.最后通过一个数值仿真算例验证了所得结论的正确性.

摘要： 研究了在有界峰值扰动下变时滞离散系统的可达集估计和状态反馈控制器设计问题.首先,选取适当的Lyapunov-Krasovkii泛函,利用线性矩阵不等式,得到界定系统可达集的充分条件,即一个包含非凸标量的时滞相关结果.在系统初始值不为零的情况下,这些条件保证了包含系统状态的椭球体的存在性.其次,在可达集估计过程中,通过设计状态反馈控制器使所确定的椭球包含闭环系统的可达集.随后,为使所估计的椭球体尽可能小,将求解最小椭球问题转化为一个具有矩阵不等式约束的优化问题.最后,通过数值算例验证所得结果的有效性.

摘要： 针对大规模互联电力系统中时滞和干扰现象对系统运行造成的影响,研究了变时滞影响下广域电力系统H∞控制问题.首先,构造新的增广向量和包含更多时滞信息的Lyapunov-Krasovskii泛函.然后,利用Wirtinger积分不等式、基于辅助函数的二重积分不等式和凸组合等方法对求导后的泛函进行估计,得到了具有较小保守性的稳定性结论.在此基础上,设计了无记忆的H∞状态反馈控制器.并提出一种分步线性化的方法,将H∞控制器存在性条件转化为严格线性矩阵不等式的形式.最后通过仿真验证了该方法可以扩大系统的稳定运行区域,控制器具有良好的控制效果.

摘要： 利用自由权值矩阵的技巧，Lyapunov-Krasovskii稳定性理论和线性矩阵不等式(LMI)方法，获得了变时滞细胞神经网络的渐近稳定性的充分条件。数值例子证明了所给条件的有效性，同时表明它比目前文献报道的结果更少保守。

摘要： 基于拓扑度理论和线性矩阵不等式的技巧,本文得出了由线性矩阵不等式表达的一类变时滞静态神经网络全局指数稳定性的新判据.因为易于由matlab工具箱解线性矩阵不等式,因此,本判据有较强的实用性.

摘要： 运用不动点理论和微分不等式技巧研究了具有不同时间尺度的变时滞变系数竞争神经网络的概周期解,给出了其存在性和全局指数收敛性的一种判别准则.

摘要： 利用M-矩阵的性质及矩阵不等式的分析技巧,研究变时滞静态神经网络的不变集、全局吸引集和全局周期吸引子.去掉了fj在R上的可微性条件以及有界性的限制,给出了较弱的判定变时滞静态神经网络的不变集、全局吸引集和全局周期吸引子的充分条件.特别的,对全局周期吸引子的存在范围进行估计。

摘要： 脉冲微分方程及脉冲泛函微分方程理论，由于有广泛的应用背景，近年来受到了国内外众多学者的关注，但对n阶脉冲微分方程和n阶脉冲泛函微分方程解的性态研究，特别是直接运用重合度理论对此类脉冲方程周期解存在性问题的研究还不多见。对于脉冲效应是线性函数的情况可以把脉冲方程转化为非脉冲方程来研究，而对于脉冲效应是非线性函数的情况这种转化很难奏效.本文利用重合度理论研究了多变时滞 n阶非线性脉冲中立型泛函微分方程周期解的存在性。

摘要： 为提高具有变时滞的非线性不确定动态系统的动态性能,研究了模糊鲁棒输出反馈H∞控制问题.基于线性矩阵不等式(Linearmatrixinequality,LMI)技术和T-S模糊模型,首先利用Lyapunov稳定性定理,得到模糊输出反馈控制器存在的一个充分条件,在此基础上,通过构造算法,将该条件转化为易于实现的LMI形式,导出控制器设计方法.设计的模糊输出反馈控制器使得闭环系统渐近稳定且满足H∞范数指标.实例仿真证明了该设计方法可行.

摘要： 对具有时变滞后的不确定系统,通过构造增广系统,利用线性矩阵不等式(LMI)方法,获得了不确定系统存在状态观测器和基于观测器的鲁棒控制器的充分条件;同时给出了相应的状态观测器和基于观测器的鲁棒控制器;它不仅对执行器发生故障时具有完整性,而且关于参数不确定性具有鲁棒性.

摘要： 对具有时变滞后的不确定系统,通过构造增广系统,利用线性矩阵不等式(LMI)方法,获得了不确定系统存在状态观测器和基于观测器的鲁棒控制器的充分条件;同时给出了相应的状态观测器和基于观测器的鲁棒控制器;它不仅对执行器发生故障时具有完整性,而且关于参数不确定性具有鲁棒性.

摘要： 对具有时变滞后的不确定系统,通过构造增广系统,利用线性矩阵不等式(LMI)方法,获得了不确定系统存在状态观测器和基于观测器的鲁棒控制器的充分条件;同时给出了相应的状态观测器和基于观测器的鲁棒控制器;它不仅对执行器发生故障时具有完整性,而且关于参数不确定性具有鲁棒性.

摘要： 对具有时变滞后的不确定系统,通过构造增广系统,利用线性矩阵不等式(LMI)方法,获得了不确定系统存在状态观测器和基于观测器的鲁棒控制器的充分条件;同时给出了相应的状态观测器和基于观测器的鲁棒控制器;它不仅对执行器发生故障时具有完整性,而且关于参数不确定性具有鲁棒性.

摘要： 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法，属于控制技术领域。本发明为了解决现有的USV的轨迹跟踪控制方法并没有考虑时滞约束而导致的控制效果不佳的问题。本发明通过利用一种移位函数，实现对水面无人艇系统的误差变量进行移位转换，同时还设计了一种非对称障碍Lyapunov函数，设计相应的控制律和自适应律，保证无论初始条件如何，都可以实现最终一致有界的跟踪控制效果，而且时滞不对称时变约束可以在有限时间之后实现。主要用于水面无人艇的轨迹跟踪控制。

摘要： 本发明公开了一种针对时变时滞下NARX模型的结构和参数的辨识方法。该辨识方法主要包括：首先采用加权多项式作为基函数来表达NARX模型，利用稀疏估计的基础，通过向参数先验中引入稀疏因子独立作用于每个子模型的权重，在整个变分贝叶斯框架下正确地将模型的结构选择出来。对于模型参数的辨识，将每一时刻的时滞值作为缺失变量，利用变分贝叶斯的迭代公式，随着模型结构的正确选择，将对应的未知参数和时变时滞估计出来。本发明的优点：(1)在时变时滞下，能将NARX模型的结构和参数有效地辨识出来(2)能实现对每一时刻时滞的分布进行估计。

摘要： 本发明提供具有时变时滞的异构网络化多智能体系统分组一致的方法，属于网络化多智能体系统技术领域。本发明首先建立具有时变时滞的异构网络化多智能体系统的离散时间动态模型，构造状态观测器，并进行状态预测；然后设计分组一致性控制协议；再根据设计的分组一致性控制协议，得到分组状态误差方程与估计误差方程的紧凑表达形式；基于线性矩阵不等式获得状态反馈矩阵；最后将获得的状态反馈矩阵代入设计的分组一致性协议，实现具有时变时滞的异构网络化多智能体系统的分组一致。本发明解决了现有具有时变时滞的异构网络化多智能体系统中，利用过时的信息实现系统一致，影响系统收敛速度的问题。本发明适用于高阶异构系统的分组一致性设计。

摘要： 本发明涉及一种时变时滞多智能体的分布式脉冲一致性控制方法及系统，包括以下步骤：构建含有多个独立智能体的时变时滞非线性多智能模型，基于时变时滞非线性多智能模型获得目标状态模型；基于脉冲牵制控制方法构建分布式脉冲牵制控制器；根据智能体的时变时滞非线性多智能模型和分布式脉冲牵制控制器，定义误差向量并建立对应的误差系统模型；基于误差系统模型构建李雅普诺夫函数并证明其导数值有上界；求得脉冲发生时刻李雅普诺夫函数值的关系；利用脉冲比较原理和参数变分方法进行上界分析，得出带有时变时滞的非线性多智能体系统能够实现一致性。其系统的一致性误差将会以指数形式收敛到零，正确率高。

摘要： 本发明提供一种考虑通信时变时滞的微电网经济调度方法，涉及电力系统经济调度技术领域。该方法首先确定微电网通信拓扑结构，构建微电网通信拓扑的邻接矩阵；然后判断发电线路时滞是否超过时滞上界，所有传统发电机的发出功率估计值与所有新能源发电机的发出功率初值的和是否等于微电网的总负荷；计算微电网中所有传统发电机的增量成本初值及满足成本最低时所有传统发电机的增量成本收敛值；最后计算所有传统发电机满足成本最低时发出的功率，输出传统发电机的发出的功率和新能源发电机的发出功率。本发明提供的考虑通信时变时滞的微电网经济调度方法，能够弥补集中式优化的不足，减轻通信负担，提高运算效率。

摘要： 本发明一种具有执行器故障的区间时变时滞系统的随机鲁棒预测容错控制方法，属于工业过程的先进控制领域，包括以下步骤，步骤一：建立具有一定概率的执行故障的区间时变时滞系统的随机状态空间模型；步骤二：将构建的区间时变时滞系统的状态空间模型转化为增广区间时变时滞随机状态空间模型；步骤三：设计基于上述增广随机模型的控制律；步骤四：构建保守性较弱的李雅普诺夫函数；本发明给出具有保守性较弱的稳定性条件，从而通过求解这些稳定条件获得最优的控制律；将最优性能和H无穷性能引入到稳定条件推导，改善系统的跟踪和抗干扰的能力；根据不同概率情况下的故障，切换不同的控制器，实现了节能降耗和减少原料的目的。

摘要： 本发明涉及一种区间时变时滞系统的鲁棒模糊预测容错控制方法，包括以下步骤：步骤一：构建非线性系统的T‑S模糊模型；步骤二：将构建的T‑S模糊模型转化为扩展的T‑S模糊模型；步骤三：根据构建的扩展T‑S模糊模型设计出满足控制律的容错控制器；步骤四：采用线性矩阵不等式的形式对容错控制器增益进行求解，计算鲁棒模糊预测容错控制律。本发明可以针对一类工业过程具有非线性、不确定性、未知干扰、区间时变时滞和部分执行器故障等特性，发明了一种时滞依赖的鲁棒模糊预测容错控制方法，使工业过程能更加平稳和高效的运行，改善了系统的性能，增加了系统的容错能力。

摘要： 本发明公开了一种针对时变时滞下NARX模型的结构和参数的辨识方法。该辨识方法主要包括：首先采用加权多项式作为基函数来表达NARX模型，利用稀疏估计的基础，通过向参数先验中引入稀疏因子独立作用于每个子模型的权重，在整个变分贝叶斯框架下正确地将模型的结构选择出来。对于模型参数的辨识，将每一时刻的时滞值作为缺失变量，利用变分贝叶斯的迭代公式，随着模型结构的正确选择，将对应的未知参数和时变时滞估计出来。本发明的优点：(1)在时变时滞下，能将NARX模型的结构和参数有效地辨识出来(2)能实现对每一时刻时滞的分布进行估计。

摘要： 本申请实施例属于人工智能中的移动移动机械臂控制技术领域，涉及一种考虑时变时滞的移动机械臂避碰控制方法及装置。本申请通过建立移动机械臂的时滞动力学模型，并通过估测算法获取系统的时变时滞，消除不确定网络延时对系统控制性能的影响；通过构建考虑时滞的模型预测控制算法，对时滞动力学模型进行控制输入的优化，考虑时滞的模型预测控制提高控制精度；同时，在进行避碰轨迹生成的时候，将系统的时变时滞信息加入到目标函数中，从而可以保证系统的安全性。

摘要： 具有时变时滞异步切换多阶段间歇过程的迭代学习鲁棒预测控制方法，属于工业过程的先进控制领域，包括以下步骤：步骤一：建立具有时变时滞异步切换多阶段间歇过程的状态空间模型；步骤二：构建具有批次方向状态偏差和时间方向输出误差的二维Fornasini‑Marchesini模型；步骤三：基于所建立的二维Fornasini‑Marchesini模型设计控制器；步骤四：构建具有时变时滞异步切换多阶段间歇过程的李雅普诺夫函数；步骤五：给出系统渐近稳定和指数稳定的条件；步骤六：计算控制器增益