项目名称: 广义受限系统的分析与优化设计

项目编号: No.61074089

项目类型: 面上项目

立项/批准年度: 2011

项目学科: 金属学与金属工艺

项目作者: 左志强

作者单位: 天津大学

项目金额: 10万元

中文摘要: 首先研究了执行器受到饱和非线性限制时马尔科夫跳变系统在转移概率部分未知情况下的随机镇定和H∞#25511;制问题。转移概率部分未知是较转移概率完全已知与转移概率完全未知更具广泛意义和一般性的模型。对于连续系统,我们首先采用固定权的方法,得到了保证闭环系统随机稳定的条件以及均方意义下系统的吸引域。在此基础上,通过引入自由权矩阵进一步降低了结果的保守性,扩大了均方意义下的吸引域范围。针对离散系统,采用类似的思想研究了系统的随机稳定和镇定问题。进而把上述结果推广到了鲁棒H∞#25511;制器的设计,保证闭环系统不仅是随机稳定的,同时外界干扰对系统可调输出的影响限制在一定的范围内。 然后研究了同时具有离散型与分布型不确定时滞系统输入幅值受到限制情形下的可达集估计,其中不确定性是凸多面体形式的。目前已有的结果都是讨论离散型时滞系统的可达集,而许多实际的系统不可避免的存在分布型时滞,分布型时滞的引入使得原有处理离散型时滞系统可达集估计的方法不再适用。我们在选取Lyapunov-Krasovskii泛函引入了包含时间的指数项,并且在求导过程中把最终结果写成具有分布型时滞积分项的形式,从而得到了易于求解的矩阵不等式条件。

中文关键词: 饱和受限;马尔科夫跳变系统;可达集估计;离散型和分布型时滞

英文摘要: The problems of stochastic stabilization and H∞control for Markov jump systems (MJS) subject to partial information on transition probabilities and saturation constraint are firstly studied. The model for MJS with partial information on transition probabilities is more general than the models with completely known and completely unknown transition probabilities. For the continuous-time system, the fixed-weighting matrix approach is used to ensure the stochastic stability of the closed-loop systems and obtain the domain of attraction in mean square sense. Based on it, we derive a less conservative result resorting to the free-weighting matrix way to enlarge the domain of attraction. For the discrete-time case, a similar method is used for stochastic stability analysis and synthesis. In addition, the robust H∞controller is designed to guarantee both stochastic stability and H∞performance of the regulated output in terms of external disturbances. The reachable set estimation for uncertain systems in the presence of both discrete and distributed delays is then considered. The uncertainty is of the polytopic form and the inputs are constrained with peak values. The existing results on reachable set bounding for systems are focused on discrete delays. However, the distributed delays are inevitable for many pratical systems. The introduction of distributed delays makes the traditional method concerning systems with discrete delays no longer applicable. The exponential terms including the time information are involved in the choice of Lyapunov-Krasovskii functional. Moreover, the final result in derivation process is expressed in the form of integral with distributed delay. As a sequence, a matrix inequality criterion is estabilished which can be solved easily.

英文关键词: saturation constraint; Markov jump systems; reachable set estimation; discrete and distributed delay

成为VIP会员查看完整内容
0

相关内容

专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
11+阅读 · 2021年7月27日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
专知会员服务
44+阅读 · 2021年5月24日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
专知会员服务
73+阅读 · 2020年5月21日
Transformer性能优化:运算和显存
PaperWeekly
1+阅读 · 2022年3月29日
为什么回归问题用MSE?
夕小瑶的卖萌屋
2+阅读 · 2022年2月15日
论文浅尝 | 基于正交普鲁克分析的高效知识图嵌入学习
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
机器学习中的最优化算法总结
人工智能前沿讲习班
22+阅读 · 2019年3月22日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
干货|代码原理教你搞懂SGD随机梯度下降、BGD、MBGD
机器学习研究会
12+阅读 · 2017年11月25日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月14日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
小贴士
相关VIP内容
专知会员服务
21+阅读 · 2021年7月31日
专知会员服务
11+阅读 · 2021年7月27日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
专知会员服务
44+阅读 · 2021年5月24日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
专知会员服务
73+阅读 · 2020年5月21日
相关资讯
Transformer性能优化:运算和显存
PaperWeekly
1+阅读 · 2022年3月29日
为什么回归问题用MSE?
夕小瑶的卖萌屋
2+阅读 · 2022年2月15日
论文浅尝 | 基于正交普鲁克分析的高效知识图嵌入学习
【博士论文】基于冲量的加速优化算法
专知
7+阅读 · 2021年11月29日
机器学习中的最优化算法总结
人工智能前沿讲习班
22+阅读 · 2019年3月22日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
干货|代码原理教你搞懂SGD随机梯度下降、BGD、MBGD
机器学习研究会
12+阅读 · 2017年11月25日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月14日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
微信扫码咨询专知VIP会员