基于脉冲切换建模策略的随机系统事件触发控制研究

来源 :华南理工大学 | 被引量 : 1次 | 上传用户:shumoljw
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
事件触发控制凭借其良好的控制性能,能够有效地减少测量/控制任务的执行次数,提高通信/计算资源利用效率等优势,被广泛地应用于网络化控制系统。基于确定性模型的事件触发控制理论已日臻完善,而含有随机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。随机模型不仅对确定性模型进行了补充,更能够准确地反映自然与工程系统的动态特性。随机噪声的存在改变原系统的动力学特征,降低控制性能,甚至破坏稳定性。本文以连续伊藤随机系统作为研究对象,以探索网络化控制系统的混杂结构特性,发展有效的数学方法,进一步降低结果保守性为目标,针对驻留时间约束的线性脉冲和切换随机系统,提出一套通适的Lyapunov分析框架,用于研究事件触发随机系统的事件触发设计、建模和稳定性分析。主要研究工作如下:
  1、分别研究了脉冲瞬时和脉冲滞后的线性脉冲随机系统的稳定性与镇定问题。对脉冲瞬时情形,提出了复合型的拟周期多项式和离散化Lyapunov函数方法,建立了驻留时间相关的均方和几乎必然稳定性判据。对于脉冲滞后情形,提出了切换建模技术,将脉冲滞后的脉冲系统建模为无滞后的切换脉冲系统。发展了切换的拟周期Lyapunov函数方法,以线性矩阵不等式的形式给出了均方稳定性判据,并应用于控制器的设计。这些判据不仅揭示了噪声强度、脉冲频率和幅度、脉冲时滞对系统稳定性的影响机理,还解决了采样控制系统的稳定性问题。
  2、分别研究了驻留时间约束下滞后和非滞后切换线性随机系统的稳定性。对于非滞后情形,提出了多拟周期离散化Lyapunov函数分析方法,建立了均方稳定性和几乎必然稳定性的统一准则,并应用于状态反馈控制器设计及解决间歇随机噪声镇定问题。对具有快变时滞和缓变时滞的切换时滞随机系统,分别采用多拟周期离散化Lyapunov函数/泛函方法,建立了模态相关但时滞大小无关的均方稳定性准则。这些准则具有保守性小、通适性好等优点,且不对子系统的稳定性施加限制条件。
  3、分别研究了线性、脉冲、采样和切换随机系统的2p-阶矩稳定性。利用矩阵导数算子和向量伊藤公式,提出了一种递归计算方法得到两个扩展系统:一个由随机微分方程(SDE)描述,另一个由常微分方程(ODE)表示。证明了原系统2p-阶矩指数稳定当且仅当扩展SDE均方指数稳定或者扩展ODE指数稳定。随后,提出了拟周期齐次多项式Lyapunov函数方法,建立了周期脉冲、周期采样、最小驻留时间约束的切换随机系统2p-阶矩稳定性的充要条件。所提出的递归计算扩展系统的技术建立了随机系统的高阶矩性质的确定性系统表示方法。
  4、研究了离散采样测量下线性随机系统的事件触发设计、建模和稳定性分析。首先设计了基于离散样本输出的离散时间事件触发机制。然后提出了脉冲切换系统和切换时滞系统建模方法。针对脉冲切换系统建模的闭环系统,分别对噪声扰动和噪声镇定情形建立了均方稳定性和几乎必然稳定性判据。针对切换时滞系统建模的闭环系统,提出了奇异随机系统方法和自由权重方法,给出了均方稳定性和依概率稳定性的充分条件。最后通过数值例子对比了两种建模和分析方法的优劣性。
  5、针对线性增长条件下的非线性随机系统,系统地给出了静态与动态、周期与连续的事件触发机制设计方案。利用采样时刻的状态信息估计当前的状态和状态误差,提出了基于切换建模策略的扰动系统方法,分析闭环系统的均方稳定性。所提出的事件触发机制不仅能保证事件间隔时间大于零,还蕴含着在相同事件触发参数下,动态事件触发机制生成的事件间隔时间不小于其静态情形。
  6、针对存在零星测量和通讯时滞的网络化随机系统,设计了脉冲型和连续型两种动态离散时间事件触发控制策略,并发展了脉冲切换系统方法和切换时滞系统方法分别对具有小/大通讯时滞的闭环系统进行建模和稳定性分析。不同于现有方法,所提出的切换时滞系统方法不需要对事件间隔时间进行剖分,从而解决了随机建模的适定性问题。而脉冲切换系统方法能捕获通讯时滞的镇定作用。
  7、提出了一种通用的递归脉冲系统方法,用于对存在大时滞的周期事件触发动态系统的建模、稳定性和L2-增益分析。通过引入递归辅助变量来识别当前时刻的实际传输数据,将闭环系统建模为无时滞脉冲系统。基于拟周期Lyapunov函数方法和递归计算扩展系统的技术,建立了常时滞周期采样系统稳定性的充要条件。随后,将该分析方法推广至时变时滞情形的确定性和随机事件触发系统的指数稳定性和L2性能分析。分析表明,所提出的递归脉冲系统方法不仅较完整地解决了大通讯时滞问题,还揭示了时滞对采样系统起镇定作用的机理。
其他文献
随着信息科技的日益发展,人们对多媒体资源的质量要求也逐渐提升。近年来,高比特深度的显示设备不断发展。然而主流的多媒体资源,尤其是视频资源,仍然处于较低的比特深度,在显示时容易出现伪轮廓和色度畸变等现象。为了缓解这个问题,一些研究工作者利用插值方法、卷积神经网络等,提出了基于图像的比特深度增强算法。然而据我们所知,目前并没有针对视频设计的比特深度增强方法,而当图像算法应用在视频上时,相邻帧之间的信息
近年来,随着人们对海洋经济的不断发展以及海上地位的日益重视,各国对海洋资源开发和海洋权益维护的力度都不断加大,船舶作为海上重要运载工具也因此得到了广泛应用。在众多类型的船舶中,具有全驱动配置的水面船由于具有独立的横向推进装置可以有效完成一些操纵性和安全性要求较高的海洋作业任务,例如海底管道铺设、海上油气钻探以及海上扫雷作业等。这些海上作业的特点是都需要船舶沿着预先设定的轨迹精确移动以保证作业安全性
随着通信技术和传感器技术的发展,无线传感器网络在目标跟踪、环境监测、辅助导航、灾害预警、资源勘探、事故调查等军事和民用领域得到日益广泛的应用。受限于成本、使用环境和通信能力,采用常规的状态估计方法对无线传感器网络信息进行融合尤为困难,需要考虑其中存在的能量受限、带宽受限、非高斯噪声、噪声方差未知等问题。常用的多传感器信息融合策略包括存在唯一融合中心的集中式策略和去中心化的分布式策略两种。在集中式策
最小均方(Least Mean Squares, LMS)算法在系统辨识中的应用十分广泛。在实际应用中,很多待辨识系统的冲激响应呈现出了稀疏特征。分散稀疏系统、单簇稀疏系统与多簇稀疏系统是三类典型的稀疏系统。在对稀疏系统的辨识应用中,传统的LMS算法没有充分利用稀疏性这一先验信息,收敛速度较慢,无法快速跟踪外部环境的变化。  本文以提高LMS算法的收敛速度为出发点,就稀疏冲激响应的在线辨识问题开展
移动机器人在社会各个领域具有广泛的应用前景,并得到了大量研究。机器人学是复杂的,多学科交叉领域。移动机器人自主运动系统是由多个功能模块组成,每个功能模块相互独立,又相互联系,构成一个整体。所以,移动机器人系统是一个复杂的大系统。构造一个完整的,功能完善的自主导航系统,需要针对每一功能模块设计相应的算法,并且建立各模块之间的联系,形成一个统一的整体。其中,路径规划和运动控制模块是自主导航的重要组成部
水下无人潜航器(UnmannedUnderwaterVehicle,简称UUV)是一种重要水下运载平台,可以灵活搭载各种作业所需设备,完成多种水下作业任务。无人潜航器的自主程度高,自带能源可以脱离母船工作,在一定范围水域内进行水下地形勘测、石油管线检查、沉船探测、水文调查、水下通信中继、水雷探测、港口安全监视等作业。  自主路径规划是无人潜航器实现高度自治的前提,特别是近年来无人潜航作业区域持续扩
随着深度学习(Deeplearning,简记DL)系统越来越多地应用于安全相关领域,包括自动驾驶汽车和智能安防等,对深度学习模型预测准确性的高度信任变得至关重要。正如传统的软件开发一样,对模型行为正确性的信心源于对各种可能场景的严格测试。然而,与传统的软件开发不同,深度学习系统的逻辑是通过训练过程学习的,因此深度学习模型很难测试。另外现有的深度学习测试严重依赖于人工标记的数据,经常无法为边缘输入数
中值滤波作为篡改数字图像的一种手段,会在一定程度上改变图像相邻像素点的灰度关系,从而导致图像失真。目前大部分图像中值滤波取证方法均是基于人工所提取的特征,这些方法的主要问题在于特征提取困难,尤其是在图像质量较差的情形中,检测性能会急剧下降。近年来深度学习已经被成功应用到了与计算机相关的各个领域,本文对基于深度学习的图像中值滤波取证问题进行了研究。  本文提出了一种基于DCT域卷积神经网络的新方法来
学位
图像已成为现代生活中信息展示和传播的一个非常重要的载体,因此相关算法的研究也受到国内外学者们的广泛重视,衍生出很多重要的分支方向。图像超分辨技术作为计算机视觉领域的一个重要分支,由于其在很多行业应用前景广阔,近些年发展成为了一个国际热点课题。超分辨技术的基本任务是从原始的低分辨率图像或视频重构出对应的高分辨率图像或视频,这是一个非常有挑战性的病态问题。近年来,以卷积神经网络(Convolution
注视点估计,或称视线追踪,是一种估计人眼视线落点,即人眼朝哪里看的技术,可分为2维注视点估计与3维注视点估计。2维注视点一般为电脑屏幕上的注视点,用于人机交互与网页分析等。3维注视点为3维空间中的视线落点,可用于安全辅助驾驶等。3维注视点估计可在2维注视点估计的基础上,通过双目视线相交的方式计算得到。本文主要研究内容如下:  (1)研究对比各种瞳孔定位方法及眼部特征点提取方法,包括基于亮暗瞳效应、