摘要：这份报纸处理与州的时间延期，参数无常和未知统计特征，但是与有限力量骚乱为 lurie 单个系统的一个班过滤的柔韧的 H 的问题，试图设计一个要用体力地稳定的过滤器以便单个系统是的不明确的 lurie 时间延期不仅常规，免费、稳定的推动，而且为所有可被考虑的无常为过滤错误动力学有 H 性能的规定水平。为如此的一个过滤器的存在的一个足够的条件以线性矩阵不平等(LMI ) 被建议。当 LMI 的这个集合的一个答案存在时，一个需要的过滤器的参量的矩阵能容易用 LMI 工具箱被获得。

摘要：无人机在飞行作业时需要精确稳定的高度估计,针对传感器噪声以及气流和温度变化对无人机高度估计影响的问题,本文提出一种基于多传感器数据融合的扩张状态观测器设计方法.首先,建立无人机高度和传感器噪声模型并对其进行简化处理;其次,针对位置传感器、气压计和惯性测量单元的传感器特性,结合多传感器数据融合方法设计扩张状态观测器估计出无人机高度、z轴速度和总扰动,并将总扰动估计值反馈给控制系统;然后,根据四旋翼无人机非线性数学模型进行数值仿真,仿真表明本文设计方法的合理性和有效性;最后,通过实物测试验证了所设计的扩张状态观测器能有效估计和补偿扰动并对传感器噪声有良好的抑制能力.

摘要：讨论了一类具有时变时滞的不确定It类型随机系统的鲁棒H_∞保性能控制问题.运用Lyapunov-Krasovskii泛函方法,设计使得闭环系统鲁棒随机指数均方稳定,且具有给定H_∞干扰抑制度γ的状态反馈保性能控制器,控制器存在的充分条件以线性矩阵不等式(LMIs)的形式表示.进一步,通过求解具有LMIs约束的凸优化问题,给出了不确定随机时滞系统的最优保性能控制器的设计方法.最后通过一个数值例子验证了所提方法的有效性.

摘要：为了考虑系统对外界干扰的抑制性能,对一类同时具有外界干扰和范数有界参数不确定性的时滞系统保性能滤波问题进行了研究.利用Lyapunov-Krasovskii方法,得到以线性矩阵不等式(linear matrix inequality,LMI)表示的鲁棒H∞保性能滤波器设计方法.用该方法设计的保性能滤波器使得滤波误差动态系统鲁棒稳定,且对外界干扰具有给定的抑制度.进而,将最优鲁棒H∞保性能滤波器存在的充分条件归结为一个具有线性矩阵不等式(LMIs)约束的凸优化问题.数值算例表明了所设计的滤波器对系统参数不确定性和外界干扰具有良好的抑制效果.

摘要：为了考虑系统对外界干扰的抑制性能,研究了一类具有范数有界参数不确定性的奇异系统的鲁棒H∞控制问题.控制目标是设计一个状态反馈控制器,使得闭环系统对所有允许的不确定性是正则、无脉冲、稳定且具干扰衰减度.通过引入一个变换矩阵,给出了该问题的一个新的充分必要条件,并且设计方法归结为求一个严格线性矩阵不等式的可行性问题.同时给出了当干扰衰减度未知时的最小干扰衰减度的最优化解决方法.仿真实例表明,所设计的控制器使闭环系统具有良好的响应特性.

摘要：针对部分系统存在输入约束和不可测状态的最优控制问题,本文将强化学习中基于执行–评价结构的近似最优算法与反步法相结合,提出了一种最优跟踪控制策略.首先,利用神经网络构造非线性观测器估计系统的不可测状态.然后,设计一种非二次型效用函数解决系统的输入约束问题.相比现有的最优方法,本文提出的最优跟踪控制方法不仅具有反步法在处理n阶系统跟踪问题上的优势,而且保证了所有虚拟控制器均为最优,同时,该方法可以简化控制器设计过程.最后,基于李雅普诺夫稳定性理论,证明了闭环系统中的所有信号一致最终有界.通过仿真结果验证该方法的有效性.

摘要：研究一类存在一步随机时滞的复杂网络分布式状态估计问题,采用伯努利随机变量刻画测量值的随机时滞情况.基于复杂网络模型和不可靠测量值,分别设计复杂网络的状态预测器和分布式状态估计器,基于杨氏不等式消除节点之间的耦合项,通过优化杨氏不等式引进的参数,优化状态预测协方差.通过设计估计器增益,获得状态估计误差协方差,同时结合预测误差协方差,获得状态估计误差协方差的迭代公式,并给出估计误差协方差稳定的充分条件.最后,对由小车组成的耦合系统进行数值仿真,验证所设计估计器的有效性.

摘要：在有向通讯拓扑图下,针对一类具有输出约束和执行器偏差增益故障的非严格反馈随机多智能体系统,提出一种自适应神经网络容错控制设计方案.采用神经网络逼近未知非线性函数,构造障碍李雅普诺夫函数处理系统的输出约束问题,以反步法和动态面技术为框架,结合Nussbaum函数设计自适应神经网络容错控制方法.基于李雅普诺夫稳定性理论,证明所有跟随者输出与领导者输出达到一致,闭环系统的所有信号依概率半全局一致最终有界且系统输出限制在给定紧集内.论文最后通过仿真实验验证所给出控制方案的有效性.

摘要：针对一类考虑指定性能和带有输入死区约束的严格反馈非线性系统,本文提出了一种自适应模糊最优控制方法.采用模糊逻辑系统逼近系统的未知非线性函数及代价函数,利用backstepping方法及命令滤波技术,设计前馈控制器.针对仿射形式的误差系统,结合自适应动态规划技术,设计最优反馈控制器.采用指定性能控制方法,将系统跟踪误差约束在指定范围内.利用死区斜率信息解决具有死区输入的非线性系统的控制问题.基于Lyapunov稳定性理论,证明闭环系统内所有信号是一致最终有界的.最后仿真结果验证了本文方法的可行性和有效性.

摘要：针对一类非严格反馈的非线性多智能体系统一致性跟踪问题,在考虑全状态约束和指定性能的基础上提出了一种事件触发自适应控制算法.首先,通过设计性能函数,使跟踪误差在规定时间内收敛于指定范围.然后,在反步法中引入Barrier Lyapunov函数使所有状态满足约束条件,结合动态面技术解决传统反步法产生的“计算爆炸”问题,并利用径向基函数神经网络(Radial basis function neural networks,RBF NNs)处理系统中的未知非线性函数.最后基于Lyapunov稳定性理论证明系统中所有信号都是半全局一致最终有界的,跟踪误差收敛于原点的有界邻域内且满足指定性能.仿真结果验证了该控制算法的有效性.