摘要：针对主动悬架存在传输时滞和参数不确定性的控制问题,设计了含时滞的参数不确定鲁棒控制器。首先,运用线性分式变换方法推导出含时滞的参数不确定主动悬架状态空间方程,采用零阶保持器取值处理和双线性变换,建立主动悬架离散控制系统模型。其次,以车身垂向加速度为车辆悬架系统的最优化输出目标,采用Lyapunov泛函方法,推导出系统渐进稳定的鲁棒控制器充分条件,得到满足最优H∞性能指标约束的反馈控制律,再通过求解线性矩阵不等式获得控制器参数。最后,进行数值算例仿真,结果表明,相较于只考虑时滞的控制器,含时滞的参数不确定鲁棒控制器具有更好的控制效果和鲁棒性,且受采样周期与不确定参数的耦合影响较小。

摘要：针对一类含扰动的非线性离散系统,讨论了系统状态观测器的设计问题,给出了一种离散系统状态观测器的设计方法,并将该方法应用到奇异系统观测器设计中。首先,根据李雅普诺夫稳定性理论,得到离散系统在不含外部扰动下观测器增益矩阵存在的充分条件;其次,考虑到离散系统的扰动项,针对系统中的外部扰动在李雅普诺夫函数设计中纳入性能指标,得到含扰动情况下离散系统观测器增益矩阵存在的充分条件,该方法可以通过设置性能指标减弱扰动对系统状态估计的影响,同时也有利于增益矩阵的设计与求解;最后,将非线性离散系统观测器的设计方法推广到奇异系统中,从而使该方法更具一般性。利用三个数值算例对所提方法进行了检验,仿真结果表明了文中所提方法的可行性与有效性。

摘要：针对离散控制系统,研究其降阶H∞控制器设计方法。首先,采用线性矩阵不等式方法,给出离散系统状态反馈H∞控制器存在的条件;利用离散系统H∞控制器可解的条件,研究离散系统的降维观测器设计方法;通过设计系统的降维观测器,使降维观测器的观测输出和系统的状态反馈输入误差趋于零,以降阶观测器的输出作为系统的控制输入,使闭环控制系统满足H∞控制条件;最后给出基于Sylvester方程和降阶观测器存在条件的降阶H∞控制器设计方法。仿真结果说明了设计方法的有效性。

摘要：针对一类不确定线性离散系统,提出一种基于预见补偿和观测器的重复控制器设计方法。首先,为提高跟踪精度,将预见信息引入控制器,并将重复控制器的设计问题转化为一类二维线性离散系统的稳定性问题。然后,通过线性矩阵不等式(LMI)方法,获得预见重复控制器的参数求解方法。在此基础上,考虑到系统状态不可观测,进一步考虑线性离散系统基于预见补偿和观测器的重复控制器设计问题。最后,通过直线电机跟踪控制数值仿真验证了所提方法的有效性。

摘要：本文提出一个离散系统状态反馈下HZ／H∞同步优化控制问题．本文提出的问题是利用设计动态状态反馈控制器来使某闭环传递函数的H2范数达到最优，同时也使另一闭环传递函数满足预先给定的H∞范数值．本文所考虑的系统有相当之普遍性，只要求其中一个从控制输人到被控制输出的开环传递函数是左可逆．本文也建立了所提出的HZ／H∞同步优化控制问题有解之充分和必要条件．

摘要：针对非线性离散脉冲系统,设计了一种基于多包传输的脉冲反馈控制器以保证相应的闭环系统渐近稳定.首先,考虑从测量变送器到控制器以及从控制器传输到执行器都有数据丢包,并均为独立的Bernoulli过程,建立了闭环多包传输离散脉冲反馈控制系统的数学模型.其次,根据系统范数稳定理论,给出系统在连续状态和脉冲发生时刻保证系统渐近稳定的充分条件,并给出了脉冲反馈控制器增益的设计步骤.最后,在给定的数值仿真算例中,多包传输丢包概率分别取0,0.3,0.7,1.0,得到4种不同概率下的系统响应.分析结果表明,利用所设计的脉冲控制器能够保证基于多包传输的闭环非线性离散系统是渐近稳定的.

摘要：针对一类非匹配不确定离散系统,设计一种无抖振离散积分滑模控制器.为了抑制非匹配不确定性对系统的影响,采用线性矩阵不等式方法设计一种新型的切换函数和对应的滑模控制律,并证明了闭环系统的Lyapunov稳定性.同时,引入饱和函数设计控制器,使系统状态在积分滑模面的某个小邻域内做准滑模运动,并通过合理选择饱和函数的边界层厚度,使控制信号不含任何抖振.理论分析和数值仿真验证了所提出方法的有效性.

摘要：针对一类多输入多输出非匹配不确定离散系统,在状态不完全可测的情况下,设计了输出反馈滑模控制器.首先利用Lyapunov函数方法和线性矩阵不等式技术,给出了滑动模面函数方程,并进行了稳定性证明;其次,为了减弱离散指数趋近律的抖振现象,给出了基于幂次函数趋近律的控制律设计和理论分析过程,最后根据仿真结果验证了该设计方法的可行性和有效性.

摘要：自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽松假设下的非线性随机系统,研究带有折扣因子的无限时域最优控制问题.所提的随机系统Q-learning算法能够将初始的容许策略单调不增地优化至最优策略.基于数据驱动思想,随机系统Q-learning算法在不建立模型的情况下直接利用数据进行策略优化.其次,利用执行−评判神经网络方案,实现了随机系统Q-learning算法.最后,通过两个基准系统,验证本文提出的随机系统Q-learning算法的有效性.

摘要：针对一类工作于重复条件下的一阶非正则离散时间非线性系统追踪迭代域非严格重复的参考轨迹问题,提出基于高阶内模(HOIM)的迭代学习控制方法.利用高阶内模,描述系统输出追踪参考轨迹的迭代域变化规律问题.在针对非线性系统的迭代学习控制律设计过程中,根据内模原理,将高阶内模与D型迭代学习控制律相结合,设计合适的学习增益.从理论上严格证明,在所提出的基于高阶内模的迭代学习控制律的作用下,系统跟踪误差的迭代域收敛性.对机械手离散时间模型的仿真结果表明了该迭代学习控制方法的有效性.