基于T-S模型的非线性系统鲁棒H∞控制方法研究

基于T-S模型的非线性系统鲁棒H∞控制方法研究

论文摘要

现如今,越来越多的工程系统具有高度非线性、不确定性以及时滞现象,数学模型也越来越无法精确地描述系统。T-S模糊模型对非线性系统有很好的逼近能力,而且应用广泛、便于分析,利用T-S模糊模型的模糊控制是解决非线性系统控制问题的一种成功方法,本文基于T-S模糊模型研究了非线性时滞系统的稳定性分析和控制器设计问题。鲁棒H∞控制是解决时滞的不确定性系统控制问题的一种成功方法,本文将两者结合起来,找到一种满足H∞范数界约束下二次型稳定的控制器设计方法。本文基于T-S模糊思想,用T-S模糊系统去逼近一个非线性系统,然后针对这样的分段线性系统进行稳定性分析和控制器设计研究。本文内容分为两大部分:第一部分为T-S模糊系统稳定性分析及不含时滞非线性系统的鲁棒H∞控制器设计,采用并行分配补偿法(Parallel Distributed Compensation,PDC),给出系统全局稳定的条件,通过对算例的仿真验证本文得出的算法和结果,说明结果的有效性;第二部分为T-S时滞模糊系统稳定性分析及一类不确定时滞非线性系统的鲁棒H∞控制器设计,采用分段光滑Lyapunov函数,给出系统全局稳定的条件,通过对算例的仿真验证本文得出的算法和结果,说明结果的有效性。论文分析了目前研究时滞稳定性的主要方法,找出了其中存在的一些局限,引入一个新的Lyapunov-Krasovskii泛函,并提出基于积分不等式法研究时滞相关稳定性的新的方法。由于新的Lyapunov-Krasovskii泛函限定更严格的系统镇定条件,所得结论具有较其它文献更小的保守性。其次,对非线性系统进行模糊建模,采用并行分配补偿法(Parallel DistributedCompensation,PDC)来设计控制器,即对各个子系统分别设计局部控制器使子系统稳定,从而给出使系统全局渐进稳定的条件。最后利用倒立摆的T-S模型,将倒立摆的非线性模型线性化,应用鲁棒H∞控制解决非线性问题,通过仿真结果验证所得的结果的有效性;最后针对一类不确定非线性时滞系统,建立其模糊T-S模型,通过求解响应的线性矩阵不等式(LMI),寻求满足条件的反馈增益矩阵,使得系统全局二次稳定。所采取的分段光滑Lyapunov函数法,求解公共矩阵较并行分配补偿法更为简洁,在满足H∞范数界约束下,给出了满足系统二次型稳定的控制器设计方法,通过算例仿真表明该方法的有效性。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 引言
  • 1.2 T-S模糊系统综合研究与发展现状
  • ∞控制综合研究与发展现状'>1.3 时滞系统鲁棒H控制综合研究与发展现状
  • 1.4 研究的目的和意义
  • 1.5 本课题主要研究内容及本文结构安排
  • 2 数学基础
  • 2.1 矩阵代数基础
  • ∞控制理论基础'>2.2 H控制理论基础
  • 2.3 线性矩阵不等式基础
  • 3 系统稳定性分析
  • 3.1 T-S模糊系统的稳定性分析
  • 3.2 T-S时滞模糊系统的稳定性分析
  • 3.3 本章小结
  • ∞控制器设计'>4 一类不确定非线性系统鲁棒H控制器设计
  • 4.1 引言
  • 4.2 需用的引理
  • 4.3 非线性系统T-S模型描述
  • ∞控制'>4.4 鲁棒H控制
  • ∞控制指标'>4.4.1 鲁棒H控制指标
  • ∞控制器设计'>4.4.2 鲁棒H控制器设计
  • 4.5 算例仿真
  • 4.5.1 模型描述
  • ∞控制器设计'>4.5.2 鲁棒H控制器设计
  • 4.5.3 仿真结果
  • 4.6 本章小结
  • ∞控制器设计'>5 一类不确定时滞非线性系统鲁棒H控制器设计
  • 5.1 引言
  • 5.2 需用的引理
  • 5.3 系统描述
  • ∞控制器设计'>5.4 鲁棒H控制器设计
  • 5.5 算例仿真
  • 5.5.1 模型描述
  • ∞控制器设计'>5.5.2 鲁棒H控制器设计
  • 5.5.3 仿真结果
  • 5.6 本章小结
  • 6 结论与展望
  • 致谢
  • 参考文献
  • 附录 攻读硕士学位期间所发表的学术论文
  • 相关论文文献

    • [1].基于遗传算法的气动肌肉T-S模糊逻辑控制优化[J]. 液压与气动 2020(04)
    • [2].不确定多时滞广义T-S模糊系统保性能控制[J]. 湖南理工学院学报(自然科学版) 2016(04)
    • [3].基于T-S模糊故障树的高压柱塞泵可靠性分析[J]. 石油矿场机械 2020(06)
    • [4].基于T-S模糊控制的步进电机抗干扰研究[J]. 东华大学学报(自然科学版) 2019(06)
    • [5].T-S模糊模型在单级倒立摆中的控制研究[J]. 现代电子技术 2020(08)
    • [6].T-S模糊神经网络模型训练样本构建及其在鸣翠湖水质评价中的应用[J]. 水动力学研究与进展(A辑) 2020(03)
    • [7].航空发动机T-S分布式系统自适应鲁棒滑模控制[J]. 推进技术 2016(12)
    • [8].基于T-S模型的随机切换模糊系统的稳定性研究[J]. 沈阳大学学报(自然科学版) 2017(02)
    • [9].基于T-S模糊控制的燃料电池客车能量管理策略及仿真分析[J]. 客车技术与研究 2017(04)
    • [10].基于T-S模糊模型的混沌控制方法的复杂网络的广义同步[J]. 北京生物医学工程 2012(04)
    • [11].温室草莓灰霉病T-S模糊控制模型[J]. 辽宁科技大学学报 2015(04)
    • [12].基于T-S模型的奇异摄动系统的采样鲁棒H_∞控制[J]. 数学的实践与认识 2013(21)
    • [13].基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价[J]. 地理科学 2013(06)
    • [14].理想气体多方过程的T-S图的研究[J]. 重庆三峡学院学报 2012(03)
    • [15].基于T-S模糊神经网络的凝汽器故障诊断[J]. 上海电力学院学报 2011(06)
    • [16].基于新模糊系统与T-S模糊系统的比较与研究[J]. 计算机工程与应用 2009(22)
    • [17].基于T-S模型的网络化控制系统的鲁棒容错控制[J]. 华中科技大学学报(自然科学版) 2008(03)
    • [18].基于T-S模糊神经网络模型的极移预报方法[J]. 测绘通报 2020(S1)
    • [19].基于T-S模型的一步输出反馈抗饱和补偿设计[J]. 华中科技大学学报(自然科学版) 2019(11)
    • [20].基于区间T-S模糊模型的自适应故障检测算法研究[J]. 新疆大学学报(自然科学版) 2017(02)
    • [21].基于T-S模糊神经网络模型的钦州市主要河流水质评价[J]. 人民珠江 2017(08)
    • [22].基于区间2型T-S模糊系统的自适应逆控制[J]. 模糊系统与数学 2016(03)
    • [23].最大交互数对非齐次T-S模糊系统的潜在影响[J]. 山东大学学报(理学版) 2015(08)
    • [24].T-S模糊门在因果图中的应用[J]. 重庆工商大学学报(自然科学版) 2015(11)
    • [25].基于T-S模糊模型的半主动悬架非线性控制方法[J]. 兰州理工大学学报 2013(04)
    • [26].基于T-S模型的烧结终点广义预测自适应控制[J]. 电气传动 2012(04)
    • [27].基于T-S模糊模型的网络化控制系统的鲁棒容错控制[J]. 辽宁工业大学学报(自然科学版) 2012(02)
    • [28].T-S图在化工热力学中的应用[J]. 化学工程与装备 2012(12)
    • [29].水下机器人T-S型模糊神经网络控制[J]. 电机与控制学报 2010(07)
    • [30].焦炉燃烧过程T-S模糊数学模型研究[J]. 电子设计工程 2019(23)

    标签:;  ;  ;  ;  ;  

    基于T-S模型的非线性系统鲁棒H∞控制方法研究
    下载Doc文档

    猜你喜欢