乘性噪声干扰下随机系统的谱约束输出反馈控制研究

来源 :中国石油大学(华东) | 被引量 : 0次 | 上传用户:fchbo
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
在过去的几十年里,随机系统凭借其在金融、经济学和生物学等领域的广泛应用而受到愈来愈多学者的关注。在实际应用中,由于噪声的存在,往往使系统的稳定性变差甚至不稳定继而影响系统的其它性能。因此,本文利用谱技术研究了乘性噪声干扰下随机系统的稳定性,利用矩阵理论和随机分析的方法解决了随机系统的H∞以及混合H2/H∞控制问题,并借助线性矩阵不等式求解出了带有谱约束的输出反馈控制器的增益矩阵。本文主要工作可以分为以下三个部分:1.研究了状态乘性噪声干扰下连续型随机系统的谱约束静态输出反馈H2/H∞控制问题。具体来说,一方面基于谱技术定义并讨论连续型随机系统的D(-β,-α)稳定性,得到了确保闭环系统D(-β,-α)稳定性的充分条件。另一方面,进一步研究了系统的H2/H∞控制问题,通过求解最优化问题,得到了静态输出反馈控制器的参数以及最优的H2/H∞性能指标。2.利用随机系统的谱技术,进一步考虑了具有状态、控制输入和干扰依赖乘性噪声的连续型随机多智能体系统的谱约束输出反馈H∞一致性控制问题。其中,核心问题是利用邻近智能体的输出反馈信息设计控制器,使所有智能体状态达到期望的特性。借助于随机分析的方法和克罗内克积,得到了确保闭环系统满足D(-β,-α)一致性以及H∞一致性性能指标的充分条件。3.研究了具有状态、控制输入和干扰依赖乘性噪声的离散型随机系统的谱约束输出反馈H∞控制问题,同时考虑了丢包现象且丢包现象被二项分布的随机变量所描述。基于谱技术定义并讨论了离散型随机系统的D(0,α)稳定性。利用矩阵不等式技术求解出控制器参数,得到了确保闭环系统满足D(0,α)稳定性以及H∞性能的充分条件。此外,通过仿真揭示了系统收敛速率、丢包以及H∞性能指标之间的关系。
其他文献
物联网应用的快速发展,以及智能联网设备远离云计算中心,当前仅基于云计算的框架面临挑战,从而加快了基于云计算与雾计算协作的新型计算框架的产生。雾计算有助于降低传输延迟,提供满意的延迟服务以支持需要近乎实时响应的延迟敏感的应用,而云计算则满足大规模计算密集型应用程序的需求。因此,云雾计算合作是具有前景的框架,它可以有效地满足物联网的数据处理和通信需求。但随着数据中心规模的不断扩大和智能终端用户的激增,
极化码是一种能够达到信道容量的信道编码,由于编译码的低复杂度和信道容量可达的特性,自其被提出就引起了许多学者的关注。但是,传统的连续删除译码算法的串行输出特点导致较大的译码时延。虽然后来提出的简化连续删除译码算法达到了部分组合码的并行译码输出,但是还有一大部分组合码由于串行译码带来的时延较大的问题仍没有得到解决。针对这个问题,本课题设计了一种基于预译码的最大似然简化连续删除(Pre-Decodin
构件式的软件开发方法代表了面向对象软件开发技术的进一步发展。随着大型软件系统的日益复杂化,基于构件的软件开发方法在设计、开发、灵活度和可重用性方面提供了比面向对象技术更多的优势。在构件式软件系统中,构件之间相互调用集成,不同的构件在系统中发挥着不同的作用,其失效对系统造成的影响也是不同的。因此,在构件式软件系统的缺陷预测中应综合考虑不同构件对系统的影响程度及构件组成通路间缺陷的传播趋势,这样得出的
随着人工智能和网络购物的快速发展,越来越多的人喜爱线上购物,其中服装购买占据线上购物的很大部分。但是服装种类繁多,数量巨大,所以面对海量的服装图像数据,如何快速准确有效地搭配出用户所需要服装商品是一个亟待解决的问题。针对这一问题,服装搭配应运而生。服装搭配的目标是根据用户所选择的服装自动搭配出满足用户需求的服装。大部分现有的服装搭配系统依赖于用户的交互输入,然后提取服装的颜色、纹理、材料等特征进行
目标检测是计算机视觉领域的一个研究热点和基本任务,它是图像识别技术和目标定位技术的结合。近来,在卷积神经网络的帮助下取得了巨大的进展,目标检测技术在不同的场景中已经日趋完善。智能监控、自动驾驶、公共安防等实际应用对目标检测技术提出了更大的需求。然而,在这些视频应用中,受目标形变、遮挡、模糊、光照等场景和自然因素的影响,现有的目标检测技术难以克服这些问题。因此,视频目标检测技术面临着更多的挑战。在视
在数据呈现爆炸式增长的背景下,如何从庞大的数据中提取知识显得至关重要。德国的Wille R.教授于1982年提出了形式概念分析理论,通过概念格这一可视化的层次结构表达二维表中对象与属性间的隶属关系,从而进行知识表示和数据挖掘。属性粒度的选择在概念格构造和知识发现的过程中具有重要作用。传统的概念格属性一般是固定的,结合粒计算理论,将属性作为粒计算的对象,对属性进行多粒度讨论,可以得到具有不同结构的概
蜜罐技术作为一种主动防御方式可通过诱骗攻击者达到消耗攻击资源的目的,而蜜罐自身的虚假属性面临被攻击者识别的风险,从而绕开蜜罐陷阱转而攻击真实资源。本文课题提出了一种基于区块链技术的阵列蜜罐防御方案,构建由多种服务组成的真假切换蜜罐阵列,通过不断地变换服务真伪属性迷惑攻击者,为计算机网络安全领域提供防护方案。在表象上真实资源与虚假蜜罐已自成一体,即便攻击者觉察到蜜罐的存在,若其仍保持攻击动机,将无法
很多现实问题都可以建模成数学中的函数问题。为使利益最大化或成本最小化,求解函数极值问题就变得尤其重要。很多传统求解函数极值的方法都要受到函数可微、可导的条件限制,而群智能算法则突破了这些限制,在满足一定终止条件的情况下能够给出满意近似解。群体智能优化算法的思想来源于仿生动物学。人工蜂群算法是近年来提出的一种模拟蜜蜂采蜜过程的群体智能算法。粒子群优化算法是一种模拟鸟类觅食行为的群智能算法。人工蜂群算
如今,汽车为人们出行带来便利的同时,也存在交安全隐患。驾驶员因注意力不集中、疲劳驾驶等常导致交通事故,因此,研究车载安全辅助驾驶系统极具研究价值。而在这些技术实现过程中,车载平台环境下的车辆目标检测与跟踪是重要的研究内容之一。首先传统检测方法存在过于依赖手工调参、目标检测效果差等弊端;其次传统的跟踪方法在目标自身变化剧烈或被遮挡时易产生漂移。最后虽然深度学习在在视频领域取得了突破性进展,研究员总能
海底地貌为研究大陆板块的运动以及海底自然灾害的发生提供重要的参考,为油气资源勘探提供重要的基础海底地形信息,对海上平台和海底管线的安装铺设有指导性意义。海底地貌单元及其边界识别是海洋科学研究与海洋工程实施的基础和前提。目前,海底地貌单元边界提取主要依靠技术人员手动完成,易受主观判断影响,耗时较长,劳动强度大。为了克服手动提取存在的缺陷,本文研究了海底地貌单元边界搜索算法,主要研究内容包括:(1)基