不确定系统鲁棒控制方法及在火控系统中的应用
控制系统鲁棒控制
控制系统鲁棒控制鲁棒控制是一种在控制系统中应用的重要技术，旨在实现对误差、干扰和不确定性的抵抗能力。
该技术的核心思想是通过设计控制器，以使系统对于各种不确定因素的影响具有一定的容忍性，从而保证系统的性能和稳定性。
本文将介绍控制系统鲁棒控制的概念、应用、设计方法以及鲁棒性分析等内容。
一、概述控制系统鲁棒控制是指在设计控制器时考虑到系统参数的不确定性、外界干扰以及测量误差等因素，以保证系统的稳定性和性能。
鲁棒控制的目标是使系统对于这些不确定因素具有一定的容忍性，从而实现了对不稳定因素的抵抗，提高了系统的可靠性和性能。
二、鲁棒控制的应用鲁棒控制广泛应用于各个领域，例如飞行器、机器人、汽车等。
在这些领域中，系统的参数往往难以准确获取，外界环境也存在不确定性因素，因此采用鲁棒控制可以提高系统的稳定性和性能。
三、鲁棒控制的设计方法鲁棒控制的设计方法有很多种，其中比较常用的是H∞控制和μ合成控制。
1. H∞控制H∞控制是一种常用的鲁棒控制设计方法，其主要基于H∞优化理论。
通过给定性能权重函数，设计一个状态反馈控制器，使系统的传递函数具有一定的鲁棒稳定性和性能。
2. μ合成控制μ合成控制是一种另类的鲁棒控制设计方法，其基于多项式算法和复杂函数理论。
通过对系统的不确定因素进行建模，并对控制器进行优化设计，实现对系统的鲁棒性能的最优化。
四、鲁棒性分析在控制系统中，鲁棒性分析是非常重要的一步，可以评估控制系统对于不确定性和干扰的容忍程度。
常用的鲁棒性分析方法有小增益辨识、相合性和鲁棒稳定裕度等。
1. 小增益辨识小增益辨识是通过对系统的稳定性和性能进行评估，以确定系统参数的变化范围。
通过小增益辨识可以分析系统对于参数变化的容忍能力，从而指导控制器的设计。
2. 相合性相合性是通过分析系统的输入和输出关系，以确定系统的稳定性和性能。
在鲁棒性分析中，相合性是评估系统对于不确定因素的鲁棒性能的一种重要指标。
3. 鲁棒稳定裕度鲁棒稳定裕度是指系统在设计的控制器下的稳定性边界。
控制系统中的鲁棒控制与模糊控制比较
控制系统中的鲁棒控制与模糊控制比较在控制系统中，鲁棒控制和模糊控制是两种常见的控制方法。
它们都在处理系统的不确定性和非线性方面起着重要作用。
然而，鲁棒控制和模糊控制在原理和实际应用方面存在一些差异。
本文将比较鲁棒控制和模糊控制的特点、优点和缺点，并分析它们在控制系统中的适用性。
1. 鲁棒控制鲁棒控制是一种处理系统模型不确定性的控制方法。
它通过设计鲁棒稳定控制器来确保系统在存在参数变化或外部干扰时的稳定性和性能。
鲁棒控制方法通常基于系统的数学模型，并利用最优控制理论和鲁棒性分析方法来设计控制器。
鲁棒控制的特点：1.1 基于数学模型：鲁棒控制方法要求系统有准确的数学模型，并且能够对模型中存在的不确定性进行分析和处理。
1.2 强鲁棒性：鲁棒控制的目标是设计一个控制器，使系统在参数变化、扰动和建模误差的情况下保持稳定。
鲁棒控制方法具有较强的鲁棒性能。
1.3 易于分析和设计：鲁棒控制是一种基于数学模型的控制方法，可以通过分析系统的稳定性和性能指标来设计控制器。
鲁棒控制的优点：2.1 稳定性：鲁棒控制方法能够保证系统在存在不确定性和外部扰动的情况下保持稳定。
2.2 鲁棒性能：鲁棒控制方法能够在参数变化和建模误差的情况下保持较好的控制性能。
2.3 数学分析：鲁棒控制方法可以通过数学分析对系统的稳定性和性能进行准确的评估和设计。
鲁棒控制的缺点：3.1 复杂性：鲁棒控制方法通常依赖于系统的数学模型，且设计过程较为复杂。
3.2 非线性限制：鲁棒控制方法对系统的非线性特性有一定的限制，不适用于高度非线性系统。
3.3 效果依赖于模型准确性：鲁棒控制方法的性能依赖于系统模型的准确性，当模型存在误差时，控制效果可能会下降。
2. 模糊控制模糊控制是一种处理非线性和模糊信息的控制方法。
它通过设计模糊控制器来实现对系统的控制。
模糊控制方法通常基于经验规则和专家知识，并利用模糊逻辑和模糊推理来设计控制器。
模糊控制的特点：4.1 非精确建模：模糊控制方法不要求系统有准确的数学模型，能够处理不确定性和模糊性信息。
控制系统中的鲁棒性分析与设计
控制系统中的鲁棒性分析与设计在控制系统中，鲁棒性是指控制系统对于参数变化、外部干扰、测量噪声等不确定性因素的稳定性和性能表现。
鲁棒性分析与设计主要目的是提高控制系统的稳定性、鲁棒性和性能，以适应实际工程环境中的不确定性。
1. 鲁棒性分析鲁棒性分析是控制系统设计的重要环节。
它可以帮助工程师评估以及量化控制系统对于参数变化、干扰和噪声的容忍程度。
以下是一些常用的鲁棒性分析方法：1.1 系统感度函数分析系统感度函数是用来描述控制系统输出对于参数变化的敏感程度。
通过分析系统感度函数，可以确定系统的脆弱性和稳定性。
系统感度函数分析常用于评估系统的稳定性边界、参数不确定性边界和鲁棒性边界。
1.2 线性矩阵不等式(LMI)方法线性矩阵不等式方法是一种基于数学理论的鲁棒性分析方法。
它通过建立一系列矩阵不等式，来刻画控制系统的稳定性和性能。
LMI方法在控制系统设计中被广泛应用，它不仅可以评估系统的鲁棒性，还可以用于设计鲁棒控制器。
1.3 干扰分析干扰是控制系统中常见的不确定因素，对系统的性能和稳定性产生重要影响。
干扰分析可以帮助工程师了解系统对于不同干扰的响应，并根据需要采取相应的措施来改进系统鲁棒性。
常用的干扰分析方法包括频域分析、时域分析和能量分析等。
2. 鲁棒性设计鲁棒性设计旨在采取控制策略和控制器结构，使得控制系统对于不确定性因素具有较好的稳定性和性能。
以下是一些常见的鲁棒性设计方法：2.1 鲁棒控制器设计鲁棒控制器设计是指根据鲁棒性需求，设计出满足控制系统鲁棒性要求的控制器。
常用的鲁棒控制器设计方法包括H∞控制、μ合成、鲁棒PID控制等。
这些方法都是基于数学理论，可用于设计满足鲁棒性和性能要求的控制器。
2.2 鲁棒优化设计鲁棒优化设计是指结合鲁棒控制与优化方法，兼顾控制系统的稳定性和性能。
通过优化设计，可以在满足鲁棒性要求的前提下，使系统的性能指标达到最优。
鲁棒优化设计方法包括H∞优化、线性二次调节器和状态反馈等。
鲁棒控制方法
鲁棒控制方法鲁棒控制是一种能够在不确定因素存在的情况下保持系统稳定性和高性能的控制方法，能够有效地应对干扰、模型不确定性、测量误差等问题。
在工业自动化、航空航天、电力电子、汽车控制等众多领域都得到了广泛应用。
下面将介绍几种常见的鲁棒控制方法。
一、H∞控制方法H∞控制是一种基于H∞范数的优化设计方法，在保证系统稳定的前提下，同时最小化输出误差对系统控制的敏感性。
在应对不确定因素和干扰时，H∞控制具有良好的性能。
其基本思想是将控制系统中的不确定因素和干扰转化为一个被授权的、有界的、外部加入控制系统的信号，从而获得一个与系统扰动和不确定因素有关的李亚普诺夫函数，通过最小化该函数构建H∞控制器。
H2控制是一种线性鲁棒控制方法，通过最小化系统输出误差的均方值来保证系统控制的鲁棒性。
对于有利于系统稳定的外部干扰和参数扰动，可以采用H2控制增强系统鲁棒性。
该方法常用于工业自动化、电力电子、通信网络等领域。
三、μ-合成方法μ-合成方法是一种基于μ分析技术的鲁棒控制方法。
利用复杂的控制算法来确保系统的鲁棒性较强。
μ-合成方法的基本思想是将控制器的参数综合考虑到控制系统的所有可能变化，以及控制系统的不确定性和干扰，从而建立一个更加鲁棒的系统。
该方法的优点是具有较高的控制精度和鲁棒性，同时也适合于复杂的多变量系统。
四、经验模态分解鲁棒控制方法经验模态分解（EMD）是一种对非线性、非平稳数据进行处理的信号分析方法。
EMD鲁棒控制方法利用EMD分析信号的自适应性和鲁棒性，将系统的状态之间的相互作用显式地考虑在内，使控制器在不断改善的系统控制下不断优化控制效果，从而达到较好的控制效果和较高的鲁棒性。
综上所述，鲁棒控制方法可以有效地通过考虑控制系统中的不确定因素和干扰来提高系统的控制精度和鲁棒性。
选择合适的鲁棒控制方法取决于具体情况，需要根据控制目标、系统模型、预期性能和鲁棒性需求等因素进行选择。
控制系统中的鲁棒控制与自适应控制
控制系统中的鲁棒控制与自适应控制鲁棒控制与自适应控制是控制系统中两种重要的控制策略。
本文将对这两种控制方法进行详细介绍，并探讨它们在控制系统中的应用。
一、鲁棒控制鲁棒控制是一种控制方法，旨在使系统对于参数变化、外部干扰和建模误差具有较好的鲁棒性。
它通过设计控制器，使得系统能够在不确定性条件下保持稳定性和性能。
鲁棒控制通常用于应对实际系统中存在的模型不准确、参数变化和干扰等不确定因素。
鲁棒控制的一个重要工具是H∞控制理论。
H∞控制通过优化系统的H∞范数，将鲁棒性能与控制性能相结合。
它可以通过鲁棒性设计方法来有效地解决不确定性和干扰问题，提高系统的稳定性和鲁棒性。
鲁棒控制广泛应用于工业控制、飞行器控制和机器人控制等领域。
例如，在工业控制中，鲁棒控制可以帮助系统应对参数变化、负载扰动和模型不确定性。
在飞行器控制中，鲁棒控制可以提高系统对于风速变化和姿态扰动的鲁棒性。
在机器人控制中，鲁棒控制可以应对不确定的环境和任务需求变化。
二、自适应控制自适应控制是一种控制方法，通过实时地调整控制算法和参数来适应系统的变化。
自适应控制具有较强的适应性和鲁棒性，在面对系统参数变化和模型不准确时表现出良好的控制性能。
自适应控制基于模型参考自适应原理，通过参考模型来实现期望输出与实际输出的一致性。
它根据误差和系统状态，自适应地调整控制器参数，以达到期望的控制效果。
同时，自适应控制器还可以实时地对系统参数进行估计和补偿，提高系统的鲁棒性和性能。
自适应控制在很多领域都有广泛的应用。
例如，在机电系统中，自适应控制可用于解决系统刚性和非线性问题。
在信号处理中，自适应滤波器可用于实时地调整滤波器参数，提高滤波性能。
在网络控制系统中，自适应控制可用于应对网络延迟和通信丢包等问题。
三、鲁棒控制与自适应控制的比较与应用鲁棒控制与自适应控制是两种不同的控制方法，各自具有不同的优势和适用范围。
鲁棒控制适用于系统模型不准确、参数变化和干扰等不确定性较大的情况。
控制系统中的鲁棒自适应控制算法
控制系统中的鲁棒自适应控制算法鲁棒自适应控制算法是一种在控制系统中应用的高级控制方法，用于提高系统性能和稳定性的技术。
该算法结合了鲁棒性控制和自适应控制的特点，能够针对各种系统的不确定性和变化进行动态调整，从而保证系统的稳定性和性能。
一、鲁棒自适应控制的基本原理鲁棒自适应控制算法的基本原理是将控制系统分为两个部分：鲁棒控制器和自适应控制器。
鲁棒控制器是基于鲁棒性控制的原理设计的，能够抵抗外界的干扰和不确定性，保证系统的稳定性和鲁棒性。
自适应控制器是基于自适应控制的原理设计的，能够根据系统的动态特性进行参数的自适应调整，以保证系统的性能和响应速度。
二、鲁棒自适应控制的应用领域鲁棒自适应控制算法广泛应用于工业控制系统、航空航天系统、机器人控制系统等领域。
在这些系统中，系统参数经常发生变化，外界环境的干扰也较大，要能够在这种复杂条件下保持系统的稳定性和性能，就需要采用鲁棒自适应控制算法。
三、鲁棒自适应控制算法的主要特点鲁棒自适应控制算法具有以下几个主要特点：1. 鲁棒性：鲁棒自适应控制算法能够抵抗外界环境干扰和系统参数的变化，保持系统的稳定性和鲁棒性。
2. 自适应性：鲁棒自适应控制算法能够根据系统的动态特性进行参数的自适应调整，以保证系统的性能和响应速度。
3. 良好的鲁棒性能：鲁棒自适应控制算法具有良好的鲁棒性能，能够在各种复杂条件下保持系统的稳定性和性能。
4. 算法复杂度低：鲁棒自适应控制算法具有较低的算法复杂度，能够快速响应系统的变化，并进行相应的调整。
四、鲁棒自适应控制算法的实现方法鲁棒自适应控制算法的实现方法主要包括以下几个步骤：1. 系统建模：首先需要对控制系统进行建模，得到系统的数学模型和动态特性方程。
2. 参数估计：根据系统的实际运行数据，对系统的参数进行估计和调整，以保证控制系统的准确性和可靠性。
3. 控制器设计：根据系统的动态特性和参数估计结果，设计鲁棒控制器和自适应控制器。
4. 系统仿真：通过仿真软件对系统进行仿真，测试鲁棒自适应控制算法的效果和性能。
自动控制系统中的鲁棒控制方法研究
自动控制系统中的鲁棒控制方法研究鲁棒控制方法是自动控制系统中一种重要的控制技术，旨在提高系统的稳定性和性能。
鲁棒控制方法可以有效地处理模型不确定性、外部扰动和控制器参数变化等问题，使得系统能够在各种不确定条件下保持稳定性和良好的性能。
1. 引言自动控制系统是指通过测量系统的状态变量，并根据预定的控制策略对系统进行调节，以使系统的输出满足一定的要求。
然而，现实中的系统往往受到各种不确定因素的影响，如模型误差、外部扰动、传感器噪声等。
这些不确定因素会导致控制系统的性能下降甚至失效。
因此，鲁棒控制方法的研究变得尤为重要，它能够提高控制系统的稳定性、鲁棒性和鲁棒性。
2. 鲁棒控制的基本概念鲁棒控制是指在不确定系统条件下设计控制器的方法。
其目标是确保系统在不确定性条件下依然能够满足性能要求。
鲁棒控制方法的基本概念包括不确定性建模、鲁棒稳定性和鲁棒性能等。
2.1 不确定性建模在鲁棒控制中，对不确定性的建模是非常关键的一步。
不确定性可以来源于多个方面，包括参数不确定性、外部扰动和测量噪声等。
常用的不确定性建模方法包括不确定参数集、不确定传递函数和不确定矩阵等。
2.2 鲁棒稳定性鲁棒稳定性是指系统在考虑不确定性的条件下保持稳定的能力。
对于存在不确定性的自动控制系统，鲁棒控制方法通过设计鲁棒稳定控制器来保证系统在不确定性条件下的稳定性。
2.3 鲁棒性能鲁棒性能是指系统在不确定性条件下满足一定性能要求的能力。
鲁棒控制方法通过设计鲁棒控制器来提高系统的鲁棒性能，如鲁棒追踪性能和鲁棒抑制性能等。
3. 常用的鲁棒控制方法在自动控制系统中，常用的鲁棒控制方法包括H∞控制、μ合成控制和自适应控制等。
3.1 H∞控制H∞控制是一种基于H∞优化理论的鲁棒控制方法，能够处理带有不确定性的系统。
该方法通过设计H∞鲁棒控制器，将系统的输出稳定性和鲁棒性能进行优化。
H∞控制方法的优点是能够处理模型不确定性和外部扰动，但其设计复杂度较高。
不确定时滞系统的鲁棒可靠控制研究
不确定时滞系统的鲁棒可靠控制研究不确定时滞系统的鲁棒可靠控制研究随着科学技术的不断发展和应用，人们对控制系统的要求也越来越高。
然而，真实世界中的许多系统常常受到不确定性和时滞的影响。
不确定时滞系统的鲁棒可靠控制研究，正是为了解决这个问题而展开的一项重要研究。
不确定时滞系统的特点在于，系统参数或者时滞以某种不确定的方式发生变化。
由于不确定性的存在，控制系统的性能容易受到干扰和扰动，甚至可能无法正常工作。
因此，如何设计一种鲁棒可靠的控制方法，是这个领域的研究重点之一。
首先，不确定时滞系统的鲁棒控制研究需要解决的一个关键问题是系统的稳定性。
对于一个不确定时滞系统，我们希望通过控制方法使得系统在任何可能的参数变化和时滞变化情况下都能保持稳定。
这就要求我们设计一种鲁棒的控制策略，能够应对各种不确定性的影响。
其次，不确定时滞系统的鲁棒可靠控制研究还需要解决的问题是系统的性能。
在现实应用中，我们通常希望控制系统不仅能够保持稳定，还能够获得良好的动态性能指标，比如快速收敛、良好的鲁棒性和抗干扰能力等等。
因此，在设计鲁棒可靠控制方法时，我们要综合考虑系统的稳定性和性能指标，以实现最佳的控制效果。
在研究不确定时滞系统的鲁棒可靠控制过程中，一种常见的方法是使用滑模控制。
滑模控制方法具有良好的鲁棒性和抗干扰能力。
它通过引入一个滑动面来实现对系统状态的控制，使得系统状态在滑动面上运动，并最终收敛到期望的值。
滑模控制方法能够应对不确定时滞系统中的不确定参数和时滞变化，从而实现系统的稳定和性能要求。
除了滑模控制方法外，还有一些其他的控制方法也可以用于不确定时滞系统的鲁棒可靠控制。
比如，基于模糊理论的控制方法，可以通过建立模糊规则来实现对系统的控制。
模糊控制方法能够应对不确定时滞系统中的模糊性和不确定性，从而实现对系统的稳定和性能要求。
总结一下，不确定时滞系统的鲁棒可靠控制研究是一个重要的领域，也是控制理论和工程应用的热点问题之一。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
不确定系统鲁棒控制方法及在火控系统中的应用
引言
近年来不确定系统的鲁棒控制问题受到人们的广泛重视。
特别在军事领域，由于恶劣的战场工作环境影响，控制系统参数极易变化(如元器件老化、受损，强干扰影响等)，更增加了系统的不确定性。
为此，为保证武器系统战场环境的高可靠性，控制系统鲁棒性是一项重要的指标。
本文介绍一种基于李亚普诺夫方法的不确定系统鲁棒控制设计方法。
运用该方法可使系统的输出及状态满足指定的指数衰减规律，从而使系统不仅具有较强的鲁棒性，同时具有良好的动态特性。
如果将系统的非线性因素及时变因数作为系统的不确定性，该方法还可应用于相应的非线性与时变系统。
同样，若将高阶系统的高次项作为系统的不确定性，则可能将高阶系统简化为低阶系统，这为控制系统的设计带来方便。
本文将这一方法应用于某双35火炮的随动控制系统设计仿真。
结果表明，设计的控制系统无论对渐变参数还是突变参数均具有极强鲁棒性。
表明这一方法具有良好的实用性。
1 不确定系统鲁棒控制方法
基于李亚普诺夫方法的控制系统设计方法很早就受到人们的重视。
著名的控制理论专家如Kalman,Monopli等早在60年代初期即进行了研究［1～2］。
70年代后期以来，随着不确定系统鲁棒控制问题受到重视，
Gutman,Corless,Leitmann,Barmish,Tsay,Chen和Lee等在这方面做了大量的工作，使基于李亚普诺夫方法的确定系统设计有了很大进展［3］。
本文将Chen
和Lee关于线性不确定系统的设计方法推广到广泛应用的仿射非线性系统，大大扩展了这一方法的应用领域。
考虑如下具有不确定性的仿射非线性系统
(1)
其中x∈Rn为状态向量，u∈Rm为输入控制向量，t∈R为时间。
设系统在平衡点处x=0可线性化，并可表示为下列形式
(2)
则下述定理给出了一类不确定系统关于平衡点指数收敛的充分条件
定理设动态系统(2)的不确定部分有界且满足如下条件
ΔA(x，t)=BD(x，t)，ΔB(x，t)=BE(x，t) (3)及
‖D(x，t)‖≤μ，‖E(x，t)‖≤ε＜1 (4)
则线性状态反馈
u(t)=Kx(t)，K=-rBTP (5)
将使闭环系统以指数衰减率2η渐近稳定于平衡点x=0。
其中实数
(6)
P＞0为代数Riccati方程(A+ηI)TP+P(A+ηI)-PBR-1BP+Q=0 (7)
的解。
方程(7)中Q=QT＞0∈Rn×n，R=δI∈Rm×m，δ＞0
证明：定理的证明方法同文献［3］关于线性不确定系统鲁棒设计方法的证明(略)。
选取Lyapunov函数为
V(x)=xTPx (8)
则由式(2)和式(5)可得(x)为
(9)
考虑式(6)及式(4)，又由于
‖I+0.5(ET+E)‖≥1-0.5‖ET+E‖≥1-‖E‖≥1-ε，得
(10)
由式(4)可得
xT(I-PBD-DTBTP+μ2PBDDTBTP)x≥
xT(I-PBD-DTBTP+PBDDTBTP)x=‖(I-DTBTP)x‖≥0(11)
由式(11)及Riccati方程式(7)，式(10)可简化为(x)≤xT(-Q-2ηP+I)x
又由于Q≥I，最后得
由此有V(x(t))≤V(x(t
0))e-2η(t-t
)
可见，在定理的条件下，V(x(t))是以指数衰减率2η渐近收敛于平衡点x=0。
说明：
①本方法要求的条件式(3)和(4)并不严格。
如对单输入单输出系统，只要可表示为可控标准型，均满足条件式(3)。
式(4)仅要求控制矩阵的不确定部分不大于已知的确定部分，这一要求是合理的。
②由于定理的证明给出的只是充分条件，较为保守。
因此在实用中r可选的相对小一点，这样可以减少反馈量。
r的值可通过仿真或实际调试来确定。
这是一单变量调节问题，比PID控制器的调节要简单的多。
③文献［3］中，Chen和Lee认为V(x(t))是以指数衰减率η渐近稳定于平衡点x=0。
但本文的证明表明V(x(t))是以指数衰减率2η渐近稳定于平衡点
x=0。
下面的仿真可以表明本文的结论是正确的。
2 不确定系统鲁棒控制方法在火控系统设计中的仿真研究
实验表明，某双35火炮随动系统的开环为1型四阶系统，开环传递函数为
(12)
此处略去有关参数具体数值。
为检验本文鲁棒方法的有效性，对上述模型采取略去高阶导数项的方法可直接简化为
这时，对应于式(12)的系统可用下述带不确定性的状态方程表示
对应式(2),显然有
若希望系统的输出和状态按衰减率为2的负指数规律稳定收敛于平衡点x=0,则有η=1。
设选取Q=1，R=0.1。
由Riccati代数方程可得解
由式(5)可得相应的鲁棒控制为
取r=5，该闭环控制系统在初值为［x
1(0) x
2
(0)］=［-1 2］时调节过程如图1
所示。
从图中可以看出，状态是按ke-2t规律向x=0衰减收敛的。
为进一步检验系统的鲁棒性，我们取Δb=2sign(sin5t)，Δa=20sin(10t)。
其仿真结果如图2所示。
图中曲线db表示Δb，da表示Δa。
从图中可以看出，尽管系统的参数变化剧烈，不仅有渐变(由Δa表示)，而且还有突变(由Δb表示)，系统状态的响应同图1无不确定性时相比基本变化不大。
这充分表明了本文方法的鲁棒性。
图1 无参数不确定时的闭环系统响应图2 具有参数不确定时
的闭环系统响应
3 结束语
针对控制系统的鲁棒设计问题，本文介绍了一种基于李亚普诺夫方
法的设计方法。
该方法通过Riccati方程的求解，可以得到使系统的指
数衰减率向平衡点收敛的鲁棒控制算法。
本文通过将系统在平衡点处改写为线性化模型加不确定性的方法表明，本方法不仅对线性系统适用，同样适用于一类相当广泛的仿射非线性系统。
本文还对文献［3］所给出的指数收敛率进行了修正。
由于代数Riccati方程是非线性方程，过去其求解是相当麻烦的。
但目前由于计算机辅助计算工具的普遍应用，这已不在是问题了。
因此本方法有较强的实用性。
*中科院自动化所复杂系统动力学开放实验室基金资助课题
作者简介：王庆林.男，1963年生，北京理工大学自动控制系副教授，控制理论与应用教研室主任，中科院自动化研究所博士，中国自动化学会青年委员会副主任。
主要从事模糊控制、非线性控制、鲁棒控制及文献计量学研究。
董如梅.女，1972年生，硕士，北京理工大学自动控制系助教。
研究方向为计算机控制及模糊控制与决策。
陈锦娣.女，1937年生，北京理工大学自动控制系教授，工业自动化教研室主任。
研究方向为线性系统、智能控制及故障诊断与决策分析。
作者单位：(北京理工大学北京100081)
参考文献
1 Kalman R E,Bertram J E.Control System Analysis and Design Via the “Second Method” of Lyapunov,Journal of Basic Engineering.1990,6:371～393
2 Monopoli R V.Controller Design for Nonlinear and Time Varying Plants, NASA CR-152,1965
3 Chen C T,Lee M C.A New Class of Robust Controllers for Linear Uncertain Systems.J.of Control Systems and
Technology.1996,4(1):63～71。