摘要：针对动力学模型未知的多输入多输出非线性离散时间多智能体系统的随机时延问题,提出一种输入增益补偿策略,并针对其通讯受限问题,提出一种带有死区操作器的事件触发控制机制.首先,采用伪偏导技术沿时间轴方向,在智能体的每个工作点上建立一种紧格式动态线性化数据模型,并给出该数据模型的参数估计算法.在此数据模型的基础上结合符号图论,研究智能体之间的合作与竞争关系,设计一种事件触发的数据驱动双向编队控制算法.最后,通过李雅普诺夫稳定性理论、矩阵理论以及压缩映射原理论证所提出算法的收敛性,并通过仿真实验和实物实验进一步验证该算法的正确性与有效性.

摘要：针对存在随机时延现象的一类网络化非线性系统,基于T-S模糊模型和Bernoulli随机序列,提出一种模糊网络滤波器的设计方法。给出了以线性矩阵不等式描述的模糊网络滤波器存在的充分条件,该条件保证所设计的模糊滤波器满足滤波误差系统均方指数稳定,同时满足期望的耗散性能指标。仿真结果表明,提出的方法能有效解决存在测量数据随机时延非线性系统的滤波器设计问题。

摘要：研究了一类具有随机通讯时延的网络控制系统的控制器设计问题.同时考虑了控制器和执行器之间,控制器和传感器之间这两类由于有限网络带宽而出现的随机传输时延.采用满足Bernoulli分布的二进制序列来描述数据传输的随机时延.利用矩阵不等式方法给出了动态输出反馈控制器存在的充分条件,所设计的控制器使得闭环系统是均方意义下指数稳定并具有给定的H∞性能.采用SLPMM(sequentially linear programming matrix method)给出了控制器的求解算法.仿真算例说明该方法的有效性.

摘要：对于具有随机时延的一类离散系统的滤波器型迭代学习控制,采用满足Bernoulli分布的二进制序列来描述数据传输的随机时延,利用线性矩阵不等式方法设计具有随机时延的l2-l∞滤波器.给出了滤波误差系统均方指数稳定且具有给定的l2-l∞性能的充分条件,分析了滤波器型迭代学习控制收敛的充分条件.仿真实例说明了该设计方法的有效性.

摘要：研究了一类具有随机时延的网络化不确定系统的H_∞滤波器设计问题．这类时延的产生是由于传感器和滤波器通过有限带宽的网络连接而引起的系统测量数据的滞后,而且它是随机发生的．本文采用满足Bernoulli分布随机变量来描述测量数据的这种随机时延．利用线性矩阵不等式,给出了全阶和降阶的滤波器存在的充分条件．所设计的滤波器使得滤波误差系统是均方指数稳定且具有给定的H_∞性能．数值仿真表明设计方法的有效性．

摘要：研究了含有双随机时延的不确定网络控制系统的鲁棒H∞状态反馈控制问题。将传感器到控制器和控制器到执行器的网络时延建模为相互独立的连续时间离散状态的马尔可夫随机过程。基于此网络环境,构造时延依赖的控制器,将不确定网络控制系统转化为马尔可夫跳变系统。通过Lyapunov-Krasovskii泛函方法和新的矩阵不等式技术,给出了系统随机稳定且满足H∞性能的充分条件,并以矩阵不等式形式给出了相应的控制器设计方法。最后,给出了仿真算例,验证了该方法的有效性。

摘要：文中考虑信息传输时延随机发生的情况,采用Bernoulli随机分布描述时延的随机发生,提出了无角速度测量下无人机的姿态同步设计方案。考虑不用角速度作为反馈量,使用基于虚拟系统的方法进行处理,为群中每个无人机设计一个虚拟系统,为各个无人机生成一个中间姿态参考轨迹,将无人机与之相关联,设计控制输入,使得各个无人机跟踪其相应的虚拟系统,同时所有虚拟系统同步它们的姿态。在固定且无向的通信拓扑下,仿真结果显示在不同时延概率下实现了无人机在无角速度测量下的无主式和主从式姿态同步。

摘要：针对网络化控制系统的网络诱导时延,提出了一种改进的补偿时延的预测控制方法。对于反馈通道,根据测量的反馈时延设置预测步长,采用柔性控制增量算法设计预测控制器对时延进行补偿。对于前向通道,前向时延相对控制器来说是未知的,为此在系统输出端和前向通道间添加一个反馈补偿环节,设计一个控制补偿器估算出历史时刻实际作用于被控对象的控制量与控制器在此时刻输出的控制量之间的误差,用该误差来补偿前向时延的影响。当被控对象参数缓慢变化或未知时,给出了渐消记忆递推最小二乘辨识算法的网络化反馈修正算法。最后对闭环系统的稳定性做了分析并通过仿真验证了该策略的有效性,保证了网络化控制系统的良好性能。

摘要：考虑了一类非线性网络控制系统的输出反馈镇定问题.通过齐次马尔可夫链来描述采样器-控制器和控制器-执行器的时延,将网络控制系统建模为带跳非线性系统.利用Lyapunov方法和线性矩阵不等式技巧,得到了闭环系统随机稳定的充分条件,并给出了镇定控制器的设计方法.

摘要：组合导航系统在实际应用中存在信号传输和解算的延时影响,直接使用带有延迟的测量数据会导致滤波算法的精度下降甚至发散。针对这类测量具有随机时延的滤波问题,提出了随机时延卡尔曼滤波算法,该算法的核心是将新的量测用于更新过去的多个状态,以此来对时延进行补偿。GNSS与INS的组合导航系统仿真结果表明,所设计的滤波算法在面对量测具有随机延时的情况下,可以减轻滤波后的尖峰现象,降低估计结果的误差。