【摘 要】
:
模糊控制可以有效处理复杂非线性系统,而网络控制系统可以看作是一个复杂的非线性系统,因此模糊控制是用来分析网络控制系统的强有力的工具。T-S模型是由非线性模糊权重将一组线性子模型光滑连接而成的全局模型,在任意紧集内其可以以任意精度逼近任意光滑非线性函数。但在高度不确定环境下,一型模糊模型往往不能获得较好的效果,此时就需要使用二型模糊模型。区间二型模糊集合不仅保留了二型模糊集合处理隶属函数不确定性的优
论文部分内容阅读
模糊控制可以有效处理复杂非线性系统,而网络控制系统可以看作是一个复杂的非线性系统,因此模糊控制是用来分析网络控制系统的强有力的工具。T-S模型是由非线性模糊权重将一组线性子模型光滑连接而成的全局模型,在任意紧集内其可以以任意精度逼近任意光滑非线性函数。但在高度不确定环境下,一型模糊模型往往不能获得较好的效果,此时就需要使用二型模糊模型。区间二型模糊集合不仅保留了二型模糊集合处理隶属函数不确定性的优点,而且相比二型模糊集合计算更加简单,因此区间二型模糊集合更具有实际应用价值。网络控制系统中普遍具有时滞、不确定性等特点,且容易遭受网络攻击,特别是拒绝服务攻击,这些都是导致系统不稳定的主要因素。因此,解决网络控制系统时滞、不确定性和网络攻击等问题,提高网络系统性能,具有很大的发展前景和实际应用价值。本文基于区间二型T-S模型,主要针对拒绝服务攻击下模糊网络系统的控制器设计展开了讨论。本文的研究内容主要包括以下三部分:第一部分:研究了一类基于区间二型T-S模型的网络系统在遭受到拒绝服务攻击时的控制器设计问题。通过选取合适的Lyapunov-Krasovskii泛函,综合应用Jensen不等式、凸组合和自由权矩阵的方法并结合现有处理拒绝服务攻击的方式,设计出了基于区间二型T-S模糊模型网络系统的安全控制器,并且得到了更大的时滞上界。仿真实例证实了该设计方法的有效性。第二部分:研究一类同时含有状态时滞和网络诱导时滞的区间二型T-S模型网络系统在遭受拒绝服务攻击时的控制器设计问题。通过选取带有三重积分项的增广Lyapunov-Krasovskii泛函。利用Lyapunov-Krasovskii泛函,结合自由权矩阵的积分不等式和Jensen二重积分不等式,并且采用上部分处理Do S攻击的方法,得到了使系统在拒绝服务攻击下能够保持安全性能的充分条件和控制器设计方法。第三部分:研究了一类同时具有双时滞和参数不确定的区间二型模糊网络系统在遭受拒绝服务攻击时的控制器设计问题。利用Lyapunov-Krasovskii泛函和不等式放缩技巧以及处理拒绝服务攻击的方法,并利用矩阵分解解决参数不确定性问题,所设计的控制器能使闭环系统保持安全性能。
其他文献
神经性运动功能损伤如脑卒中,会引起患者脑肌神经联系阻碍,最终造成身体瘫痪。目前,针对瘫痪的治疗手段可分为重新构建脑肌连接的理疗手段和构建大脑和机电装置连接的脑机接口(Brain-computer Interface,BCI)手段。理疗手段需要消耗大量的人力,大约80%的上肢瘫痪的患者无法从中获益。BCI可以通过运动想象(Motor Imagery,MI)重新闭合运动皮层活动与肢体机械运动之间的回路
人体动作分析一直是机器学习领域的一个热门研究,人体动作识别是其中一个重要的分支,广泛应用于智能监控、医疗看护和人机交互等领域。与RGB视频相比,人体骨架关节点能准确的描述人体运动的过程,且能解决RGB视频对光照敏感、受遮挡影响大等问题,人们开始把更多目光聚集在基于骨架的动作识别研究上面。基于骨架的动作识别其核心在于特征提取和分类方法的选择上,本文基于骨架特征提取展开研究,提出了一种特征提取方法,同
脑-机接口(BCI)是一种通过分析大脑思考时的脑信号,从而实现直接控制外部设备的系统。BCI技术的发展为许多领域带来了研究的新方向,同时对研究者提出了更高的要求,目前已成为众多领域的热门研究课题之一。脑电图(EEG)是BCI系统中重要的研究信号,可以体现出大脑思维活动的变化。但EEG信号存在非平稳性,非线性等特点,这增加了信号的分析难度。本文以EEG信号的多模态特征为研究对象,对多模态在BCI系统
城市供水管网的漏损监测对于节约水资源,保障城市居民正常用水具有重要的现实意义。实际供水生产中存在着很多扰动因素,导致实时监测数据波动较大,很难判断管网是否存在异常。围绕这一实际问题,本文在现有的研究基础上,开展了以下研究工作:1.提出了一种基于用水模式的三级DMA短期需水量预测方法,旨在解决气候、社会因素导致需水量预测不准确的问题。采用孤立森林、相关性分析、因子分析等方法对影响日用水量变化的主要因
本文主要针对发动机零部件喷油器阀座的缺陷检测算法进行研究,目前这类细小零部件的瑕疵检测主要依靠人工视测或传统的机器视觉检测。人工视检检测效率低,无法保证检测的速度和准确率。传统的机器视觉检测方法虽然高效,但是应用环境苛刻,容易受光照、相机位置、背景等其他因素的影响,鲁棒性差,对特征信息的提取能力十分有限。针对上述问题本文开展了基于深度学习的喷油器阀座表面瑕疵检测算法的研究。针对原有喷油器阀座检测速
随着开关电源的应用日趋常态化,对开关电源的高品质要求也逐渐提升,高转换效率以及高功率密度的开关电源亦成为当前研究的焦点。本文以功率因数校正(PFC)变换电路为研究对象,旨在解决PFC变换器的共模干扰问题,同时保证电路的高功率因数和高效率运行。本文首先针对常用的无桥PFC拓扑就共模噪声的解决方式、开关元器件的数量和电感利用率等方面进行了对比分析。通过对比各种拓扑的优缺点,本文提出了一种新型共地式无桥
随着控制科学的不断发展,工业水平不断提高,控制系统逐渐从单一系统向复杂多维的互联大系统转变。传统的集中式控制方式只能用来控制结构相对简单的互联系统,而对于结构比较复杂的高维的非线性互联系统的控制效果就没那么理想了,因此分散式控制方式应运而生,将互联系统分割成多个子系统,为每个子系统设计独立的控制器。由于互联系统规模庞大,子系统间信息相互交流,在加上外部扰动等不可抗因素,互联系统很容易发生故障,因此
随着社会的进步和科技的不断发展,人们对于高效率便携式电源的需求越来越大,如何更有效的解决能源损耗问题,受到了广大国内外学者的关注。传统的反激变换器经常被应用在小功率场合中,但是不能完全回收漏感能量,且效率较低无法满足人们对于高效率的标准。不对称半桥反激在成本上继承了反激变换器的优势,同时与不对称半桥变换器一样可以实现软开关,很好地解决了回收变压器漏感能量的问题,得到了电力电子学界的关注。因此,本文
置信规则库(Belief Rule Base,BRB)推理方法结合了专家系统、模糊集理论和Dempster-Shafer(D-S)证据理论,是一种综合性的非线性系统建模方法。其在IF-THEN规则的后项中加入了分布式的置信结构,具有对模糊不确定、概率不确定甚至不完整信息的建模能力。但是在规则前置属性(外部变量)较多的情况下,置信规则库会出现“组合爆炸”问题,影响该方法的建模精度和适用性。为解决此问