不确定线性离散时滞系统的保性能预见重复控制

来源 :系统仿真学报 | 被引量 : 0次 | 上传用户:knightxmu
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
针对一类不确定线性离散时滞系统,提出一种保性能预见重复控制器的设计方法。通过在前向通道中引入重复控制器来提高系统的跟踪精度,利用L阶差分算子构造包含预见信息但不含时滞的增广误差系统,将保性能预见重复控制器的设计问题转化为输出反馈调节问题。运用Lyapunov稳定性理论和线性矩阵不等式方法,得到保证闭环系统渐近稳定的充分条件。用数值仿真来说明目标值预见补偿对不确定离散时滞系统的控制效果。
其他文献
<正>背景:肥胖症已成为全球范围广泛流行,人类目前面临的最易被忽视而发病率在急剧上升的一种疾病。肥胖症的增加与生活经济水平及医疗条件的改善导致的代谢性疾病。流行病调
会议
鉴于羊群行为的复杂性和重要性,基于消费者行为的最新研究成果,以多智能体建模的研究方法仿真并对比分析不同类型复杂网络对羊群效应现象的影响。模型中,决策者的羊群行为采用最新的实证研究成果。通过仿真,不仅验证了数学建模分析能够得到的结论,还因过程仿真而能够发现羊群效应现象的时间特性。通过对常见的小世界网络和无标度网络环境下的羊群行为仿真对比,发现网络结构是决定羊群效应和厚尾效应显著性的关键因素之一。例如
针对风力发电接入微电网后产生的频率波动问题,提出了一种基于模型预测控制(model predictive control,MPC)的微电网频率协调控制策略,将风机和插电式混合动力汽车(plug-in hybrid electric vehicle,PHEV)纳入频率控制体系,通过对风机的浆距角与PHEV的充放电进行控制,来调节电网频率,对微电网的调频资源进行补充。对WTG桨距角控制系统与PHEV功
卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别领域得到广泛应用。在Le Net-5神经网络模型的基础上,提出了跨卷积网络特征融合的SAR图像识别方法。利用MNIST手写数据对LeNet-5网络参数进行初始化,提取SAR图像的深层特征和浅层特征,对浅层特征进行主成分分析以得到关键类