马尔科夫跳跃大系统的分散鲁棒H∞控制理论研究

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:rewyuh
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
大系统理论是近些年来控制理论研究的热点问题之一。大系统广泛存在于工程、网络、社会、经济和军事等领域,此类系统往往具有复杂的结构,一般为多目标、多输入、多输出、多变量、多干扰的复杂系统。大系统的复杂性给系统的分析和控制带来许多困难,集中化的控制方案往往不容易实行,分散控制成为了大系统控制中优先选择的控制策略。   在工业过程中,许多实际系统在运行过程中常常会遭到突发性的环境扰动、内部部件的故障及维修、子系统之间关联改变、非线性系统线性化模型的工作点随机迁移、人为干扰等随机突发的影响,继而发生结构或参数的随机跳变。本文在分析大系统特性的基础上,同时考虑到马尔科夫跳变系统的特点,将大系统的被控对象合理建模为马尔科夫跳跃系统,并对此类系统的鲁棒H∞控制问题进行了初步的探索。具体的研究内容和取得的成果如下:   介绍了马尔科夫跳跃大系统的基本概念,详细综述了此类系统的研究背景和意义,并分析了其研究现状,给出了本文的研究对象和研究方法。   研究了一类马尔科夫跳跃大系统的H∞控制问题,系统中的不确定性输入满足积分二次型约束(IQCs)。考虑系统在具有有限能量的外界扰动下,设计状态反馈控制器使得系统保持均方稳定并且满足一定的H∞性能指标。在文中,控制器的设计是基于局部子系统的模态,能有效地降低控制成本,减少了系统中不可预知的动态不确定性,相较于全局模态的控制器具有更大的优越性。文中对所提出的控制方法进行了数值仿真实验,实验的结果证明了所设计的状态反馈控制器可以快速稳定系统,并且有效抑制外部扰动对系统的影响。   考虑到由于种种未知因素导致系统状态可能并不完全能直接测量或以经济的方式测量的情况下,针对所提出的马尔科夫跳跃大系统的数学模型,设计基于局部模态的输出反馈控制器,使得系统保持均方稳定并且满足一定的H∞性能指标,并且实验结果表明了提出控制方法的有效性。   最后,对本文的研究工作做了总结,并给出了进一步的研究方向。
其他文献
随着计算机电子技术的高速发展以及信息时代的到来,应急电源从传统的独立电源设备发展到今天具有多种通信方式和与计算机设备连接的智能电力设备,如何对其进行高效的监控管理也
随着工农业生产的发展,能源危机和环境污染日益严峻,作为一种绿色可再生能源的太阳能越来越受到青睐。中国西部的一些干旱地区拥有丰富的太阳能,但存在着用水难的问题,同时这些地
绿色植物对人类赖以生存的地球环境,尤其是对城市环境有着非常重要的作用。以前的植物叶片识别系统都是在PC上或者Arm板上开发的,携带不方便,且硬件受到限制,识别率不高等等。本
技术的不断进步为人们提供了新的手段去监测人体的生理状况,由此产生了体域网(Body Area Network,BAN)。体域网的研究目的是设计出能够采集人体生理和运动信息的无线传感器网络
在实际工程应用中,由于现场工作环境和图像信号传输介质的不同,图像质量会产生各种形式的下降,图像去噪和图像增强就成为前期处理的重要手段。图像去噪是将带噪图像中无用的噪声
矢量控制理论在速度控制上的成功应用,使得交流调速系统取代了直流调速系统。为了达到高性能的调速要求,转速闭环控制必不可少,然而通过速度传感器获取的转速受到很多干扰和不确定因素的影响,并且成本偏高、安装不便,使得它的应用受到了限制。无速度传感器技术省去了速度传感器,使得交流调速系统变得简洁、廉价、可靠。矢量控制技术和无速度传感器的结合成为本课题的研究内容。首先,简述了异步电机无速度传感器矢量控制的发展
随着经济、科技的迅猛发展,各国对能源的需求日益增加,传统能源的短缺及其带来的环境污染等问题成为国际关注的热点话题。人们已经越加重视环保、可再生的新型能源开发、应用,也更加注重现有资源使用效率的提高。光伏发电系统以其清洁环保、取之不竭等优势,得到快速发展。本文围绕如何降低开关损耗、提升系统运行效率的主体思路,对光伏三相三电平NPC逆变器的调制、控制方法展开研究。首先,介绍了光伏发电系统后级二极管中点
压缩感知(Compressed Sensing,CS)是针对稀疏信号或可压缩信号的一种新理论,该理论打破了传统奈奎斯特(Nyquist)采样定律,是信号采集方式的一种大胆革新,有着非常广阔的应用前景。在
液面高度测量是铁路罐车容量计量的一种主要方法。目前铁路罐车液面高度普遍采用手动测量的方法。该方法测量效率低,劳动强度大,且难以保证精度。为了解决铁路罐车液位高度测量
在无线传感器网络(WSN)技术的相关研究中,从目前的情况来看,传感器节点布局的优化是研究的热点,WSN的覆盖率和网络生命周期是节点布局需要特别关注的两个重要因素。本文利用智能算