论文部分内容阅读
T-S模糊模型是研究非线性系统的一种典型的方法,能够有效解决现实生活中复杂非线性控制系统的难题。随着非线性系统广泛存在于实际工程系统当中,经典控制理论受到一定的局限性,有待更加深入的研究。本文基于T-S模糊模型和模糊神经网络模型分析了控制系统的采样问题,利用输入时滞法对采样控制系统进行研究。通过构建Lyapunov-Krasovskii泛函,并结合线性矩阵不等式、自由权矩阵和凸优化等方法,分别给出了保守性更小的稳定性判据和控制器的设计准则。具体工作如下所示:1)针对基于T-S模糊模型的非线性系统采样控制进行了研究。考虑到控制信号传输中存在延时、干扰和不确定性的问题,设计具有不确定性的T-S模糊系统模型,充分利用时变采样时刻的信息和非线性系统的函数特征,构造分段的LyapunovKrasovskii泛函,结合线性矩阵不等式的方法(LMIs)分析系统的稳定性,并设计采样控制器。通过仿真验证了本文所用方法的有效性和可行性。2)研究了模糊神经网络模型采样控制的问题。基于神经网络模型的结构特点,结合T-S模糊规则将逼近非线性的原理,得到带有随机不确定性的模糊神经网络误差系统模型。构建合适的Lyapunov-Krasovskii泛函,通过Schur补定理和FreeMatrix-Based不等式等方法进行推倒,分析采样控制系统的稳定性,利用LMIs方法求得最大允许的采样周期,最后用仿真证明了所用方法的有效性和优越性。图8幅;表3个;参50篇。