网络控制系统H∞鲁棒控制器设计

合集下载

基于混合灵敏度的H∞鲁棒控制器的设计仿真

clcclose allK=31.31b0=50.88b1=57.81Ag=[0 1;-b0 -b1]Bg=[0;1]Cg=[K 0]Dg=[0];[num,den]=ss2tf(Ag,Bg,Cg,Dg) Gs=tf(num,den)[z,p,k]=tf2zp(num,den)Gs1=zpk(z,p,k)%W1S=tf([0.2 3],[1 0.001])%W2S=tf([0.002],[1])%W3S=tf([0.002 0.00001],[1]) %W1S=tf([0.2 4],[1 0.002])%W2S=tf([0.003],[1])%W3S=tf([0.001 0.00001],[1]) %加权函数W1S=tf([0.2 10],[1 0.001])W2S=tf([0.001],[1])W3S=tf([0.001 0.00001],[1]) W3NUM=W3S.num{1,1};W3DEN=W3S.den{1,1};i=0;j=0;a=length(W3NUM);b=length(W3DEN);for c=1:1:aif W3NUM(c-i)~=0break;elseW3NUM(c-i)=[];i=i+1;endendfor d=1:1:bif W3DEN(d-j)~=0break;elseW3DEN(d-j)=[];j=j+1;endendGg=ss(Ag,Bg,Cg,Dg);[Aw1,Bw1,Cw1,Dw1]=tf2ss(W1S.num{1,1},W1S.den{1,1});[Aw2,Bw2,Cw2,Dw2]=tf2ss(W2S.num{1,1},W2S.den{1,1});if Polyorder(W3NUM)>Polyorder(W3DEN)[Q,R]=deconv(W3NUM,W3DEN)W3poly=Q[Aw3,Bw3,Cw3,Dw3]=tf2ss(R,W3DEN)else[Aw3,Bw3,Cw3,Dw3]=tf2ss(W3NUM,W3DEN)W3poly=[]endW1=[Aw1,Bw1;Cw1,Dw1]W2=[Aw2,Bw2;Cw2,Dw2]W3=[Aw3,Bw3;Cw3,Dw3][A,B1,B2,C1,C2,D11,D12,D21,D22]=augss(Ag,Bg,Cg,Dg,Aw1,Bw1,Cw1,Dw1,Aw2,Bw2,Cw2,Dw2,A w3,Bw3,Cw3,Dw3,W3poly)G=[A,B1,B2;C1,D11,D12;C2,D21,D22];[Acp,Bcp,Ccp,Dcp,Ac1,Bc1,Cc1,Dc1]=hinf(A,B1,B2,C1,C2,D11,D12,D21,D22)[knum,kden]=ss2tf(Acp,Bcp,Ccp,Dcp) %控制器的状态空间形式转换成传递函数形式K=tf(knum,kden) %控制器的传递函数[z,p,k]=tf2zp(knum,kden) %控制器的传递函数转换成零极点增益形式Kzpk=zpk(z,p,k)%{[gnum,gden]=ss2tf(Ag,Bg,Cg,Dg)Gs=tf(gnum,gden) %标称系统的传递函数P=nd2sys(gnum,gden,1) %标称系统的系统矩阵形式K1=nd2sys(knum,kden,1) %鲁棒控制器的系统矩阵形式[type,out,in,n]=minfo(P)I=eye(out)S=minv(madd(I,mmult(P,K1))) %灵敏度函数(1+GK)^-1 ，其中P和K1都是系统矩阵的形式T=msub(I,S)W1S1=nd2sys(W1S.num{1,1},W1S.den{1,1},1)INVW1S1=minv(W1S1) %加权函数W1的逆W1^-1INVW3S1=nd2sys(W3S.den{1,1},W3S.num{1,1},1) %加权函数W3的逆W3^-1w=logspace(-5,5,500)Sw=vsvd(frsp(S,w)) %灵敏度函数的频域响应的奇异值Tw=vsvd(frsp(T,w)) %补灵敏度函数的频域响应的奇异值INVW1S1w=vsvd(frsp(INVW1S1,w))INVW3S1w=vsvd(frsp(INVW3S1,w))figure(1)vplot('liv,lm',Sw,'r-',INVW1S1w,'b--')title('Singular values of sensivity function S and W1^{-1}')set(gca,'color','w')xlabel('Frequency(rad/sec)')ylabel('Amplitude')grid onfigure(2)vplot('liv,lm',Tw,'r-',INVW3S1w,'b--')title('Singular values of complementary sensivity function T and W3^{-1}')set(gca,'color','w')xlabel('Frequency(rad/sec)')ylabel('Amplitude')grid on%}w=logspace(-5,5,500);figure(3)bode(W1S,'-b',W3S,'-r',w)legend('W1','W3')title('Bode Diagram Of Weighed Function W1 and W3')grid on[Acg,Bcg,Ccg,Dcg]=series(Acp,Bcp,Ccp,Dcp,Ag,Bg,Cg,Dg)[As,Bs,Cs,Ds]=feedbk(Acg,Bcg,Ccg,Dcg,1) %灵敏度函数的状态空间(1+GK)^-1 [At,Bt,Ct,Dt]=feedbk(Acg,Bcg,Ccg,Dcg,2) %补灵敏度函数的状态空间GK(1+GK)^-1svs=sigma(As,Bs,Cs,Ds,w);svs=20*log10(svs);[Aw1i,Bw1i,Cw1i,Dw1i]=unpck(minv(pck(Aw1,Bw1,Cw1,Dw1)));svw1i=sigma(Aw1i,Bw1i,Cw1i,Dw1i,w);svw1i= 20*log10(svw1i);figure(4)semilogx(w,svw1i,'b--',w,svs,'r-')title('Singular values of sensivity function S and W1^{-1}')xlabel('Frequency(rad/sec)')ylabel('Amplitude(db)')legend('W1^{-1}','S');grid on[Aw3i,Bw3i,Cw3i,Dw3i]=tf2ss(W3S.den{1,1},W3S.num{1,1})svw3i=sigma(Aw3i,Bw3i,Cw3i,Dw3i,w);svw3i=20*log10(svw3i);svt=sigma(At,Bt,Ct,Dt,w);svt=20*log10(svt);figure(5)semilogx(w,svw3i,'b--',w,svt,'r-')title('Singular values of complementary sensivity function T and W3^{-1}')xlabel('Frequency(rad/sec)')ylabel('Amplitude(db)')legend('W3^{-1}','T');grid onsvtt=sigma(Ac1,Bc1,Cc1,Dc1,1,w);svtt=20*log10(svtt);figure(6)semilogx(w,svtt,'b-')xlabel('Frequency(rad/sec)')ylabel('Amplitude(db)')title('Frequency Characteristic of Closed-Loop System Twz') grid onsvcp=sigma(Acp,Bcp,Ccp,Dcp,1,w);svcp=20*log10(svcp);figure(7)semilogx(w,svcp,'b-')xlabel('Frequency(rad/sec)')ylabel('Amplitude(db)')title('Frequency Characteristic of H∞Controller')grid ont=[0:0.01:15];setvalue=8y=setvalue*step(At,Bt,Ct,Dt,1,t);figure(8)plot(t,y,'-b')axis([0,10,0,10])xlabel('Time(s)')ylabel('L/Min)')grid onfigure(9)bode(Ag,Bg,Cg,Dg,1,w)title('Bode Diagram Of The Plant')grid on[cnum,cden]=ss2tf(At,Bt,Ct,Dt,1)figure(10)step(Ag,Bg,Cg,Dg,1)grid on。

含有不确定时延网络控制系统的鲁棒H_∞控制

ｎｌｎｌｓｈｎｐｒｒａｃｉｄｘｏＴｅｓｔａｅｆｍｎｅｎｅｏｉｄｒｅ．ｄ日ｃｎｒｌｌｗｄｓｇｔｏｓｆｒｄｎｍｉａｕｐｔｆｅｂｃｒｒｓｎｅ．ｓｅｉｄＡｎｖｏｔａｅｉｎｍｅｈｄｙａｃｌｏｔｕｅｄａｋａｅｐｅｅｔｄｏｏ
中国矿业大学信息与电气工程学院，苏徐州２１０江２０８
ＳｈｏｆＩｆｒｔｎａｄＥｅｔｃｌＥｇｎｅｉｇＣｈｎｉｅｓｙｏｎｎｎｅｈｏｏｙ，ｚｏＪａｇｕ２１０，ｈｎｃｏｌｏｎｏｍａｉｎｌｃｒａｎｉｅｒ，ｉａＵｎｖｒｉｆＭｉｉｇａｄＴｃｎｌｇＸｕｈｕ，ｉｎｓ２０８Ｃｉａｏｉｎｔ
ＣｍｕｒＥｇｎｅｉｎｐｌａｏｓｏｐｔｎｉｅｒｇａｄＡｐｉｔｎ计算机工程与应用ｅｎｃｉ
２１，６１）２１００４（８１
含有不确定时延网络控制系统的鲁棒日∞ 控制
张倩，西进郭
ＺＡＧＱａ，ＵｉｊＨＮｉｎＧＯＸ —ｉｎ
ＡｎｕｅｉａｓｍｕｌｔｏｅａｐｅｍｒｃｌｉａｉｎｘｍｌｗｉｈｔＭａｌｂｈｗｓｈａｈｄｅｉｎｔａｓｏｔｔｔｅｓｇｍｅｏｉｅｆｃｉｅｈｔｄｓｆｅｔｖ．
Ｋｅｏｄ：ＮｔｏｋＣｎｒｌＳｓｍ（Ｃ）ｒｎｏｉｅｄｌ；ｃｎｒｌｄｎｍｉｏｔｕｆｅｂｃｙｗｒｓｅｒｏｔｙｔＮＳ；ｄｍｔ－ｅｙ日ｏｔ；ｙａｃｕｐｔｅｄａｋｗｏｅａｍａｏ

网络控制系统的鲁棒H∞容错控制器设计

定，且具有范数界．
Ｈ中图分类号：Ｔ２３Ｐ７文献标识码：Ａ文章编号：１０００（０８增刊（Ⅱ）０８－５０１— ５５２０）－１５０
ＲｏｕｔＨｆｕｔｔｌｒｎｏｔｏｌｒｄｓｇｏｅｗｏｋｄｃｎｒｌｓｓｅｂｓａｌ－ｏｅａｔｃｎｒｌｅｉｎｆｒｎｔｒｅｏｔｏｙｔｍｅ
ｃｎｏｐｌｍｅｔｒｔｉｅｒｚｔｎａｇｒｔｍ．Ｆｉａｌｏｅｃｍｅｎａｙｌｎａｉａｉｌｏｉｉｏｈｎｌｙ，ｔｅｎｍｅｉａｘａｐｅａｄｉｕａｉｎａｅｈｕｒｃｌｅｍｌｎｓｍｌｔｏｓｈｖ
ＡｓａｔＴｅｐｏｌｏｂｔｃ：ｈｒｂｅｆＨｆｕｔｏｅａｔｏｔｌｒｅｉｎｏｅｗｒｅｏｔｌｓｓｍｓ（Ｓｒｍａｌｔｌｒｎｎｒｌｓｆｔｏｋｄｃｎｒｙｔ — ｃｏｅｄｇｎｏｅＮＣ）
ｈｓｂｅｔｄｅａｅｎｓｕｉｄ．ＢａｅｎａＮＣＳｍｏｅｔｈｅｅｆｃｓｏｅａｎａａｐａｋｅｒｐｔｉｏｖｄ，ｓｄｏｄｌｗｉｔｆｅｔｆｄｌｙａｄｄｔｃｔｄｏｏｕｎｖｌｅｈ
ａｍｏｅｐａｔａｎｅｒｌｃｓｃｕｔａｌｒｓｉｏｉｅｅｒｒｃｉｌａｄｇｎｅａａｅｏｆａｔａｏｒｆｉｕｅｓｃｎｓｄｒｄ．Ｂｙｉｔｏｕｉｅｉｔｇａｎ — ｃｎｄｃｎｇｔｎｅｒｌｉｅｒｈｑａｉｙ，ｔｅｏｕｓｓａｌｙｃｎｉｉｎｒｂａｎｄｂａｅｏａｕｖＫｒａｏｋｉｆｎｔｎｌｕｌｔｈｒｂｔＨｔｂｉｔｏｄｔｏｓａｅｏｔｉｅｓｄｎＬｙｐｎｏｓｓｖｓｉｕｃｉａｉｏ

最优控制问题的鲁棒控制算法设计

最优控制问题的鲁棒控制算法设计最优控制问题作为控制理论的重要研究领域，涉及到在给定约束条件下，寻找使性能指标最优化的控制策略。

然而，现实中的控制系统常常会受到参数的不确定性和外部干扰的影响，这就需要设计一种鲁棒控制算法，以提高控制系统的稳定性和鲁棒性。

一、最优控制问题简介最优控制问题是研究在给定约束条件下，求解性能函数最优的控制策略的问题。

在控制理论中，最优控制可以分为静态最优控制和动态最优控制，其中动态最优控制又分为无模型和具有模型的控制。

静态最优控制是指在给定约束条件下，通过调节系统的输入使得性能指标最优化。

常用的方法有变分法、极大极小原理等。

动态最优控制则考虑到系统的动力学特性，通过在一段时间内控制系统的状态变量，使得性能指标在这段时间内最优化。

无模型的动态最优控制主要采用最优控制算法，如最优化理论、线性二次型控制等；具有模型的动态最优控制则使用最优化理论中的动态规划方法。

二、鲁棒控制算法设计鲁棒控制算法是为了应对控制系统中的参数不确定性和外部干扰而设计的一种控制策略。

它能够使得控制系统不受扰动的影响，保持稳定性和性能。

1. H∞控制算法H∞控制是一种常用的鲁棒控制算法，它通过优化系统的H∞性能指标来设计控制器。

H∞控制的基本思想是在系统的输入和输出之间引入一个H∞范数，以保证系统对内外干扰的鲁棒性。

2. μ合成算法μ合成算法是一种基于频率域的鲁棒控制算法，它通过优化系统的鲁棒稳定裕度指标来设计控制器。

μ合成算法首先确定系统的不确定性范围，然后通过搜索合适的控制器来最小化系统对不确定性的敏感度。

3. 小波神经网络算法小波神经网络是一种结合小波分析和神经网络的算法，它可以有效地应对控制系统中的不确定性和非线性。

小波神经网络算法通过训练网络的权重和阈值来实现控制系统的稳定性和鲁棒性。

三、鲁棒控制算法的应用鲁棒控制算法在实际控制系统中有着广泛的应用。

下面以飞行器控制系统为例，说明鲁棒控制算法的应用。

最优控制问题的鲁棒H∞控制

最优控制问题的鲁棒H∞控制最优控制问题是控制理论中的一个重要研究领域，其目标是设计最优的控制策略，使得系统在给定的性能指标下达到最佳的控制效果。

然而，在实际应用中，系统参数的不确定性以及外部干扰等因素往往会对控制系统产生严重影响，导致传统最优控制策略难以在这些不确定因素下取得令人满意的控制效果。

为了解决上述问题，鲁棒控制方法被引入到最优控制问题中。

鲁棒控制的主要思想是设计一个能够对系统参数不确定性和外部干扰具有抗扰能力的控制策略，以保证系统在面临这些不确定性因素时仍能保持良好的控制性能。

其中，H∞控制是鲁棒控制的一种重要方法。

H∞控制是一种基于H∞优化理论的控制方法，其目标是设计一个稳定的控制器，使得系统输出对于外部干扰和参数不确定性具有最大的衰减能力。

H∞控制方法能够针对不确定性系统进行鲁棒性分析，并在饱和脉冲干扰和噪声扰动等情况下仍能保持系统的稳定性和性能。

在具体的系统应用中，鲁棒H∞控制方法常常需要进行控制器的设计和参数调整。

控制器的设计一般采用线性矩阵不等式(LMI)方法，在满足一定约束条件的前提下求解最优的控制器参数。

参数调整则可以采用各种数学优化算法，如内点法、遗传算法等，以达到使系统的H∞控制性能最优化的目标。

鲁棒H∞控制方法在许多领域中得到了广泛应用。

例如，在机器人控制、飞行器控制、电力系统控制等领域中，鲁棒H∞控制方法能够有效地抑制参数不确定性和外部干扰，提高系统的鲁棒性和控制性能。

此外，鲁棒H∞控制方法还能够应用于网络控制系统、混合控制系统等复杂系统中，具有广泛的应用前景。

总之，最优控制问题的鲁棒H∞控制方法在解决系统参数不确定性和外部干扰等问题时具有重要的研究意义和实际应用价值。

通过设计稳定的控制器并考虑系统的鲁棒性，能够有效提高控制系统的性能和稳定性，为实际工程应用提供了可靠的控制方案。

一类不确定网络化控制系统的H_∞鲁棒完整性设计

Ａｂｔａｔｓｒｃ：ＴｈｒｂｅｏｏｕｔＨ。ａｌｔｌｒｎｏｔｏｎａｃａｓｏｅｗｏｋｄｃｎｒｌｓｓｅｔｅｐｏｌｍｆｒｂｓ。ｆｕｔｏｅａｔｃｎｒｌｉｌｓｆｎｔｒｅｏｔｏｙｔｍｓｗｉ－ｈ
ＬＩＷｅ，ＪＡＮＧｎ－ｉｎＨＡＮＧｉｎｑａｉＩＤｏｇｎａ，ＺＪａ－ｕｎ，ＷＮＡＧａ－ｕｎＸｉｏｇａｇ
（ｏｌｅｏｌｅｆｎｆｒｔｎＥｉｎｅｉｇａｚｏｉ．ｆｃ．，ａｚｏ７０５，ＣｉａＣｌｇｆｅｔ￣ｌｄＩｏｍａｉ￣ｉｅｒｎ，ＬｎｈｕＵｎｖｏｈＬｎｈｕ３００ｈｎ）ｅＥｉａｎｏｇＴｅ
ｉｈａｅｏａｌｉｔｃｕｔｒｒｔａｓｕｅｓｎｔｅｃｓｆｆｕｔｎｉａｔａｏｓｏｒｎｄｃｒ．Ｂｅｉｅ，ｔｅｄｓｇｐｒａｈｏａｌｔｌｒｎｏｔｏｌｒｓｓｄｓｈｅｉｎａｐｏｃｆｆｕｔｏｅａｔｃｎｒｌ — ｅ
中图分类号：Ｔ２３Ｐ７文献标识码：Ａ
ＲｏｕｔＨ。ｏｐｌｔｎｓｅｉｎｆｒａｃａｓｏｎｃｒａｎｂｓ。ｃｍｅｅｅｓｄｓｇｏｌｓｆｕｅｔｉ
ｎｅｗｏｋｅｏｔｏｙｔｍｓｔｒｄｃｎｒｌｓｓｅ
ｗａｏｖｎｅｔｙｏｔｉｅｙｍｅｎｆｏｕｉｎｏｉｅｒｍａｒｘｉｅｕｌｙｓｔＦｎｌｓｃｎｅｉｎｌｂａｎｄｂａｓｏｌｔｆｌａｔｉｎｑａｉｅ．ｉａｌｓｏｎｔｙ，ｔｅｆａｉｉｔｎｈｅｓｂｌｙａｄｉｅｆｃｉｅｅｓｏｈｓｍｅｈｄｗｅｅｖｒｆｄｗｉｈａｌｓｒｔｖｉｕａｉｎｆｅｔｎｓｆｔｉｔｏｒｅｉｅｔｎｉｕｔａｉｅｓｍｌｔｏ．ｖｉｌ

不确定离散网络控制系统的H∞鲁棒控制

ｃａｌｌｅｄｎｅｔｗｏｒｋｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍｓ（ＮＣＳｓ）．Ｉｔｈａｓｂｅｅｎ
ｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｉｎｄｕｓｔｒｉａｌｃｏｎｔｒｏｌｎｅｔｗｏｒｋ，ｅｌｅｃｔｒｉｃａｌ
⑥
２０１３Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ．
不确定离散网络控制系统的日∞鲁棒控制
周霞屈百达
（江南大学轻工过程先进控制教育部重点实验室，无锡２１４１２２）
摘
要研究一种不确定离散网络控制系统（ＮＣＳｓ）的日鲁棒控制。将带有有界网络诱导和数据包丢失的网络控制系统建
ｎｏｎ — ｉｄｅａｌｎｅｔｗｏｒｋｃｏｎｄｉｔｉｏｎ．Ｐｅｎｇ＿６Ｊｅｍｐｌｏｙｅｄｔｈｅｆｒｅｅｗｅｉｇｈｔｉｎｇｍａｔｒｉｃｅｓａｎｄｔｈｅｃｏｎｖｅｘｉｔｙｏｆｔｈｅｆｕｎｃｔｉｏｎｔｏ
表明了所提出方法的有效性。
关键词控制系统
中图法分类号
日鲁棒控制
反凸技术
Ａ
线性矩阵不等式
ＴＰ３９３．０２；
文献标志码
Ｆｅｅｄｂａｃｋｃｏｎｔｒｏｌｓｙｓｔｅｍｓｗｈｅｒｅｉｎｔｈｅｃｏｎｔｒｏｌ

最优控制问题的鲁棒H∞控制设计

最优控制问题的鲁棒H∞控制设计最优控制理论在工程系统控制中具有重要的应用价值。

然而，传统的最优控制方法在系统模型存在不确定性或外部干扰的情况下可能无法有效应对。

为了克服这一问题，鲁棒控制方法被引入到最优控制中，并且在实际应用中取得了显著的成果。

本文将探讨最优控制问题的鲁棒H∞控制设计方法及其应用领域。

一、鲁棒控制概述鲁棒控制是一种针对不确定性或外部干扰具有克服能力的控制方法。

其目标是在不确定性环境中实现系统稳定性和性能要求。

最常见的鲁棒控制方法之一是H∞控制，该方法通过优化问题来设计控制器，以抑制系统中不确定性的影响。

二、最优控制问题最优控制问题旨在通过选择最佳控制策略来实现系统的最优性能。

在没有不确定性时，可以使用动态规划、变分法等方法求解最优控制问题。

然而，在实际应用中，系统往往存在参数不确定性或外部干扰，导致最优控制问题变得更加复杂。

因此，需要引入鲁棒控制方法来解决这些问题。

三、鲁棒H∞控制设计方法鲁棒H∞控制方法是一种常用的鲁棒控制方法，其基本思想是在保证系统稳定性的前提下，优化系统对外部干扰的抑制能力。

鲁棒H∞控制设计问题可以被描述为一个优化问题，目标是最大化系统的H∞性能指标，并且确保控制器对系统模型不确定性具有鲁棒性。

为了实现鲁棒H∞控制设计，可以采用两种常用的方法：线性矩阵不等式（LMI）方法和基于频域分析的方法。

LMI方法通过求解一组线性矩阵不等式来得到控制器参数，从而实现系统的鲁棒H∞控制设计。

基于频域分析的方法则通过频域特性分析来设计控制器，以实现系统对不确定性的鲁棒性。

四、鲁棒H∞控制设计的应用领域鲁棒H∞控制设计方法在工程领域有广泛的应用。

它可以应用于飞行器姿态控制、机器人控制、智能电网控制等多个领域。

以飞行器姿态控制为例，鲁棒H∞控制设计可以有效提高飞行器对外部干扰的鲁棒性，并且保证姿态跟踪性能。

在机器人控制领域，鲁棒H∞控制设计可以提高机器人对环境不确定性的抑制能力，以实现精确的轨迹跟踪。

区间二型T-S模型网络控制系统的鲁棒H∞控制

区间二型T-S模型网络控制系统的鲁棒H∞控制张富生;周绍生【摘要】针对一类具有网络诱导时滞和参数不确定的网络控制系统,研究鲁棒H∞控制器设计问题.基于区间二型T-S模型,通过构造合适的Lyapunov-Krasovskii泛函,引入自由权矩阵来表示New ton-Leibniz公式中各项之间的关系,加入一些附加项,运用不等式放缩和矩阵分解技巧,设计了使系统渐近稳定并满足H∞性能指标的状态反馈控制器.最后,通过数值仿真实例验证了设计方法的有效性.【期刊名称】《杭州电子科技大学学报》【年(卷),期】2019(039)004【总页数】8页(P51-57,77)【关键词】区间二型T-S模型;网络控制系统;自由权矩阵;网络诱导时滞【作者】张富生;周绍生【作者单位】杭州电子科技大学自动化学院 ,浙江杭州310018;杭州电子科技大学自动化学院 ,浙江杭州310018【正文语种】中文【中图分类】TP2730 引言1965年L.A.Zadeh教授首次提出模糊集合概念，1975年又提出二型模糊集合概念[1]。

在此基础上，J.M.Mendel等[2]提出区间二型T-S模糊集合概念。

区间二型T-S模糊集有主、次2个隶属函数并且次隶属函数为1，可以更好地捕捉系统的不确定信息并降低计算的复杂度[3]。

文献[4]针对一类传感器故障的网络控制T-S模糊系统，提出一种鲁棒可靠的控制方法。

文献[5]针对数据丢包的离散非线性网络控制系统，设计了区间二型状态反馈控制器。

文献[6]给出一类适当的Lyapunov-Krasovskii函数，充分利用时滞信息，引入一些关于时滞信息的附加项来改善现有的方法。

文献[7]在构造Lyapunov-Krasovskii时忽略了文献[6]中所提到的关于时滞信息的附加项，研究了一类T-S模型网络控制系统。

文献[8]研究了前件不匹配条件下的区间二型模糊模型控制系统的稳定性。

目前为止，关于区间二型T-S模型网络控制系统的研究成果较少。

具有鲁棒性的控制设计方法

具有鲁棒性的控制设计方法控制系统的设计和实现通常面临着各种不确定性和外部扰动的挑战。

为了克服这些问题并确保系统能够稳定和可靠地运行，具有鲁棒性的控制设计方法变得至关重要。

在本文中，将介绍一些常用的鲁棒控制设计方法，并探讨它们的优点和适用范围。

一、H∞控制方法H∞控制方法是一种广泛应用于工业控制系统中的鲁棒控制方法。

它的核心思想是通过优化控制器的H∞范数性能指标，使得控制系统对不确定性和扰动具有一定的鲁棒性。

H∞控制方法可以通过对控制器设计的性能要求进行权衡，从而实现系统的稳定性和鲁棒性。

H∞控制方法的主要优点是能够有效地处理各种不确定性和扰动，并具有较好的鲁棒性。

然而，它也存在一些局限性，例如需要对系统模型的不确定性进行较为准确的描述，以及对系统的结构进行一定的约束。

二、μ合成控制方法μ合成控制方法是一种基于现代控制理论的鲁棒控制方法。

它通过优化控制器的μ性能指标，实现系统的鲁棒性和性能要求之间的权衡。

μ合成控制方法能够有效地处理不确定性和扰动，并在实际应用中取得了良好的效果。

μ合成控制方法的主要优点是能够在控制器设计过程中兼顾系统的性能和鲁棒性要求，并具有较好的数学理论基础。

然而，μ合成控制方法也存在一些技术难题，例如需要进行复杂的计算和优化，并对系统的结构和参数进行一定的限制。

三、鲁棒PID控制方法鲁棒PID控制方法是一种基于传统PID控制算法的鲁棒控制方法。

它通过在PID控制器中引入补偿器，实现对系统不确定性和扰动的补偿，从而提高系统的稳定性和鲁棒性。

鲁棒PID控制方法的主要优点是简单易用，适用于各种不确定性和扰动情况，并且不需要对系统模型进行精确的描述。

然而，鲁棒PID 控制方法也存在一些问题，例如控制器的性能受限于PID结构的局限性，并且对不确定性和扰动的补偿能力有一定的限制。

四、自适应控制方法自适应控制方法是一种通过在线估计和补偿系统的不确定性和扰动的鲁棒控制方法。

它通过不断更新控制器的参数，使系统能够自适应地应对不确定性和扰动的变化，从而实现系统的鲁棒稳定性。

最优控制问题的鲁棒H∞控制设计

最优控制问题的鲁棒H∞控制设计随着科技的发展，控制理论在工程领域发挥着越来越关键的作用。

最优控制是控制理论中的一个重要分支，它的目标是在给定的约束条件下，使系统的性能达到最佳。

然而，实际系统常常受到各种不确定因素的干扰，这就需要应用鲁棒控制来解决这些问题。

本文将探讨最优控制问题的鲁棒H∞控制设计。

1. 引言最优控制问题是控制理论中的一个经典问题，它的目标是在给定的约束条件下，通过合适的控制策略使系统的性能达到最佳。

最优控制的方法有很多种，比如动态规划、最优化理论等。

而鲁棒控制是一种可以应对系统参数不确定性或者外部干扰的控制方法。

H∞控制是鲁棒控制的一种重要方法，可以有效地抑制系统的不确定性，并在一定程度上保证系统的稳定性和性能。

2. 最优控制与鲁棒控制的结合最优控制问题的解决需要考虑系统的性能以及各种约束条件，而鲁棒控制则可以应对系统参数变化或者外部扰动对系统性能的影响。

将最优控制和鲁棒控制相结合，可以得到更加鲁棒的控制策略。

在最优控制问题中引入鲁棒性的考虑，可以通过引入H∞范数来描述系统的性能和不确定性。

H∞范数可以有效地衡量系统的响应对不确定因素的敏感程度，通过优化H∞范数，可以得到更加鲁棒的控制策略。

3. 鲁棒H∞控制设计的方法鲁棒H∞控制设计的关键是确定系统的H∞范数和设计合适的控制器来优化H∞范数。

通常可以采用以下步骤进行鲁棒H∞控制设计：(1) 确定系统的数学模型，并分析系统的不确定性和外部干扰。

(2) 设计系统的H∞性能指标，可以根据系统的需求和约束条件来确定。

(3) 根据系统的H∞指标和约束条件，设计合适的控制器结构。

可以采用线性控制器，如PID控制器，或者非线性控制器，如模糊控制器等。

(4) 利用数学工具和优化算法，优化系统的H∞范数，得到最优的控制器参数。

(5) 实施最优控制器，并进行系统的仿真和实验验证。

4. 实例分析为了更好地理解鲁棒H∞控制设计的方法和效果，我们选取一个简单的控制系统进行实例分析。

一类网络控制系统的鲁棒H∞状态反馈控制器设计

一类网络控制系统的鲁棒H∞状态反馈控制器设计朱虹锦;孙文安;李丕贤;裴炳南【期刊名称】《计算技术与自动化》【年(卷),期】2015(000)004【摘要】针对一类具有状态时变时滞且模型中具有参数摄动的网络控制系统，通过构造输入时滞、添加自由矩阵的技巧，利用 Lyapunov 泛函和线性矩阵不等式工具，得到闭环系统鲁棒渐近稳定且满足给定H∞扰动抑制水平γ的时滞条件，并给出系统的鲁棒H∞状态反馈控制器的设计方法。

所用方法适合时滞以任何速度变化的系统，且不需要知道时滞的导数信息。

最后用实例仿真证明了结论的有效性。

%This paper focuses on a class of networked control system with time varying delays and state time varying de-lays and the uncertainty parameters.Take advateage of the free weighting matrix and input time delay,the closed-loop sys-tem has been robust asymptotically stable and satisfied the given H∞ disturbances rej ection level of the delay-dependent con-ditions by using Lyapunov functional and linear matrix inequality.At the same time,the rob ust H∞ State-feedback controller design method is also given.This method has no limit on the time delay derivation and suits any speed varying system.Fi-nally,an application simulation results prove the effectiveness of the conclusion.【总页数】6页(P1-6)【作者】朱虹锦;孙文安;李丕贤;裴炳南【作者单位】大连大学信息工程学院，辽宁大连 116622;大连大学信息工程学院，辽宁大连 116622;大连大学信息工程学院，辽宁大连 116622;大连大学信息工程学院，辽宁大连 116622【正文语种】中文【中图分类】TP13【相关文献】1.一类多时延网络控制系统的稳定性分析和鲁棒H∞控制 [J], 刘电霆;陈小雄2.一类飞行器网络控制系统的鲁棒故障检测算法 [J], 牛尔卓;王青;董朝阳3.一类随机时延网络控制系统的鲁棒容错控制 [J], 池云4.一类不确定时滞网络控制系统的鲁棒容错保成本控制 [J], 赵立娟;孙文安;陈胜贵;裴炳南5.一类不确定网络控制系统的鲁棒H∞控制 [J], 孙文安;丁卜琳;邵洪艳;张强因版权原因，仅展示原文概要，查看原文内容请购买。

驱动电机负载模型Hinf(H无穷)鲁棒控制器设计

驱动电机负载模型H8控制器设计一、引言电动机是指能将直流电能转换成机械能的旋转电机。

电动机按使用电源不同分为直流电动机、交流电动机；按照定子和转子的相对速度可分为同步电机、是异步电机。

作为最常用的驱动执行器，它在车辆中应用广泛，如门窗的起降，自动雨刮器，电动汽车驱动，冷却风扇，发动机起动机等等。

目前电机的控制，尤其是直流电机的控制方法，主要以PID控制和LQR 控制为主。

随着汽车性能要求的不断提高，人们越来越关注于系统的稳定性，对于电机的控制也提出了新的要求。

尤其是作为电动汽车的驱动电机，在车辆行驶过程中，特别是高速行驶中，一个微小的摄动可能会对车辆运动产生很大的影响。

在驱动电机工作过程中，由于环境温度变化等工作状况的变动；外部路面干扰；车辆负载突增；老化机械参数变化；建模误差等缘故，会造成模型不精确，也就是模型的不确定性是广泛存在，不可避免的。

因此，需要一种固定的控制器，可以保证模型与实际系统出现偏差时，仍能保持所需的控制品质。

而鲁棒性就是系统的强壮性。

这便引出了使用鲁棒控制来解决电机负载扰动这一问题的讨论。

二、系统工作原理与建模u S图1电机负载模型如图1所示建立一个简单的驱动电机负载模型。

模型的输入为控制电压V,通过电枢电阻R与电机转矩建立关系，电机连接一个弹性轴，弹性轴的转动惯量为丿"将输出经过减速齿轮后的车辆模型进行简化，用输出端粘滞摩擦系数炕来简单代替轮胎模型的阻力。

系统参数选取如下:参数参数意义参数值电机输出轴扭转刚度1280. 2陶电机常量10J M电机转动惯量0.5J L负载转动惯量p传动比电机粘滞摩擦系数P L负载粘滞摩擦系数R电枢电阻建立系统的微分方程。

首先，电机扭矩与电流直接相关:M = K T XI其中陌是电机固有参数。

接下来建立驱动电机负载模型的扭矩关系式：X + Kg—+ 仇 X 3L = 0（ 1 ）J M X =/<T X Z — /?M X O>M + —（——）（ 2 ）p p设置电机负载系统输入为电压值V,输出为负载转速⑰，建立驱动电机负载模型的状态空间方程。

控制理论系统鲁棒控制器设计方法

控制理论系统鲁棒控制器设计方法鲁棒控制器设计方法是控制理论系统中的重要研究方向之一。

通过设计有效的鲁棒控制器，可以在不确定性和外部干扰的情况下保持系统的稳定性和性能。

本文将介绍一种常用的鲁棒控制器设计方法——H∞控制器设计方法，以及其在实际应用中的一些问题和挑战。

H∞控制器设计方法是鲁棒控制器设计中广泛应用的一种方法。

该方法通过鲁棒性性能指标H∞范数来描述系统的稳定性和性能，并通过优化过程来设计出满足要求的控制器。

在H∞控制器设计中，系统的不确定性和外部干扰被建模为带有加性扰动的系统。

通过引入权重函数，可以对系统的不同频率范围进行加权，从而实现对不确定性和干扰的控制。

在H∞控制器设计方法中，首先需要对系统进行数学建模。

这包括确定系统的状态方程、输入和输出方程以及系统的不确定性和外部干扰。

然后，根据系统的性能要求和鲁棒性要求，选择适当的H∞范数来描述系统的稳定性和性能指标。

一般来说，H∞范数越小，表示系统对不确定性和干扰更鲁棒。

接下来，通过优化过程来设计H∞控制器。

优化过程的目标是找到满足要求的控制器参数，使得系统的H∞范数最小。

这个过程通常通过数值优化方法来实现，例如线性矩阵不等式（LMI）方法。

通过计算和迭代，可以得到满足系统性能要求的控制器参数。

然而，H∞控制器设计方法在实际应用中面临一些挑战和问题。

首先，系统的建模可能存在不确定性和误差，这会影响控制器设计的准确性和性能。

其次，优化过程可能会面临计算复杂度的问题，尤其是在系统的维度较大的情况下。

此外，控制器的实时实施和稳定性问题也需要考虑。

针对这些问题和挑战，研究人员提出了一些改进和解决方法。

例如，可以使用系统辨识方法来改善系统的建模精度，从而提高控制器设计的准确性。

同时，优化算法的改进和并行计算技术的使用也可以显著提高控制器设计的效率。

此外，针对具体应用领域的特点，可以设计和应用一些特殊的鲁棒控制策略，例如基于自适应控制和模糊控制的方法。

一类大时滞网络控制系统的H_∞鲁棒控制

Ｆ＿ＦＭＮｏ
）Ｆ∽ ≤，（）４若Ａ含有零特征根和重特征根时．有类似结仍果，但厅，），作相应改变。对系统（）采Ｅ要２，用如下形式的满阶输出反馈控制器：
・
ｌ１Ａ）（互＋）ｃ＠＋ｋ（；ｙ）ｉ露）㈣＝
１３８５
Ｒ堆
木｛
｝水
木木
Ｊｌ１０，．日【２０６Ｊ
第ｌ４卷第４期
重庆科技学院学报（自然科学版）
２１０２年８月
一
类大时滞网络控制系统的鲁棒控制
伍超
（安徽建筑工业学院，肥２０２）合３０２
摘
要：究一类大时滞不确定网络控制系统的输出反馈圩鲁棒控制问题。将具有随机大时滞的网络控制系统模研
・
１４・４
伍超：一类大时滞网络控制系统的Ｈ鲁棒控制地研究，系统（）模成离散的模型：将１建
Ｍｏ［，， …，］Ｎ＝０．，，Ｅ］＝ＤＴ０ＯｏＪ，－Ｅ— ０，－０Ｃ＝ｃ０，０＠＝）ｒ－）ｚ］［，０…，］，）［，（１ …，‘ ｕｋ，一本文目的是设计形如式（的控制器，得５）使
Ｏ
对任意（）２０ｏ有 ∈Ｌ［，）ｏ
伍超：类大时滞网络控制系统的日鲁棒控制一毋，并记ＸＰＱ，＝，＝￣，＝ｃ然后＝－皿＝～ＣＴＡＲｙＴ，再次应用引理１矩阵的Ｓｈｒ及ｃｕ补性质．即可得矩

控制系统中的鲁棒性分析和设计

控制系统中的鲁棒性分析和设计控制系统是指用来控制和调节物理过程或计算机软件系统的一组设备或程序。

鲁棒性是指控制系统在不同的外部和内部扰动下能够保持稳定的能力。

在现实世界中，外部和内部的扰动是不可避免的，因此控制系统的鲁棒性是非常重要的。

鲁棒性分析是控制系统设计中的一个重要步骤。

它的主要目的是确定系统对于各种扰动的响应情况，并在此基础上对系统进行调整和改进。

鲁棒性分析可以帮助设计人员找到系统中的弱点，并提供改善方案以增强系统的鲁棒性。

在控制系统中，扰动可以来自很多方面，例如电源电压的变化、机械振动、气压和温度的波动、噪声和干扰等。

这些扰动会改变控制系统的输入和输出，从而影响系统的稳定性和性能。

因此，在进行鲁棒性分析时，需要综合考虑不同扰动的影响，并进行系统模型的建立和数学分析。

控制系统的数学模型通常包括一些基本元素，例如模型参数、系统状态、输入输出关系和控制策略等。

基于这些元素，可以使用不同的数学方法来分析和调整控制系统的鲁棒性。

其中，一个常用的方法是H∞ 渐近鲁棒控制。

它是一种基于线性代数和控制理论的鲁棒性设计方法，可以保证系统对于各种扰动的响应是最小的，并且系统总体性能是最优的。

H∞ 渐近鲁棒控制方法常用于工业控制系统、机器人技术和飞行器控制等领域。

除了H∞ 渐近鲁棒控制之外，还有其他一些设计方法也可以用于鲁棒性分析和优化。

例如，模型预测控制（MPC）和自适应控制方法。

MPC可以在多个预测时刻内对系统进行优化，从而提高系统的鲁棒性和控制效果。

而自适应控制方法可以根据实际环境和扰动情况自动调整系统参数和控制策略，以保证系统的稳定性和鲁棒性。

总之，鲁棒性分析和设计是控制系统设计中的重要环节，可以帮助设计人员找到系统中的弱点，并提供改善方案以提高系统的鲁棒性和性能。

不同的鲁棒性设计方法各有优缺点，需要根据实际需求来选择。

在未来，随着技术的不断进步，我们相信控制系统的鲁棒性分析和优化会变得更加简单和易于实现。

《鲁棒控制与鲁棒控制器设计》

《鲁棒控制与鲁棒控制器设计》鲁棒控制是指在系统存在不确定性和外部干扰的情况下仍然能够保证系统稳定性和性能的控制方法。

在现实生活中，控制系统往往会受到各种不确定因素的影响，如参数变化、外部扰动、测量误差等。

鲁棒控制的目标就是在这些不确定性的情况下，保持系统的稳定性和性能。

鲁棒控制器设计是实现鲁棒控制的关键环节。

其设计目标是要求控制器能够在不确定性和外部干扰的情况下仍然能够保持系统的稳定性和性能。

鲁棒控制器设计的方法有很多种，下面介绍两种常见的设计方法：1.H∞鲁棒控制H∞鲁棒控制是一种基于频域的鲁棒控制方法。

它通过最小化系统输入输出的γ范数来设计控制器，使系统对不确定性和外部干扰具有鲁棒稳定性和鲁棒性能。

H∞鲁棒控制的设计流程一般包括以下几个步骤：首先，建立系统模型，获取系统的传递函数；然后，根据系统模型设计一个传递函数为V的鲁棒性能权值V；接着，利用V来计算问题的解；最后，根据问题的解设计出最优的鲁棒控制器。

2.μ合成鲁棒控制μ合成鲁棒控制是一种基于频域分析的鲁棒控制方法。

它通过合成满足一定性能要求的不确定性权值函数，来设计鲁棒控制器。

μ合成鲁棒控制的基本思想是先构造正向控制律，使得系统的输出能够满足给定性能要求；然后，构造反向控制律，抵消系统的不确定性和外界干扰，使得系统具有鲁棒稳定性。

以上是两种常见的鲁棒控制器设计方法，它们都能够有效地确保系统在不确定性和外部干扰的情况下仍能保持稳定性和性能。

在实际应用中，根据具体系统的特点和需求，可以选择合适的鲁棒控制器设计方法来解决问题。

总结起来，鲁棒控制器设计是鲁棒控制的关键环节之一、通过合适的设计方法，能够使系统在面对不确定性和外部干扰的情况下仍然能够保持稳定性和性能。

在实际应用中，我们应根据具体情况选择合适的鲁棒控制器设计方法，以满足系统的要求。

控制系统鲁棒性分析与设计

控制系统鲁棒性分析与设计控制系统是现代工程中不可或缺的一部分。

在实际工程应用中，控制系统必须能够应对各种不可避免的外界扰动和系统参数变化。

因此，控制系统的鲁棒性分析与设计变得尤为重要。

本文将着重探讨控制系统的鲁棒性，并介绍其中一些常用的分析与设计方法。

一、什么是控制系统的鲁棒性控制系统的鲁棒性是指系统在面对各种扰动时，仍能保持良好的性能表现。

换句话说，鲁棒性是表征系统抵御不确定因素的能力。

这些不确定因素可能包括外部环境变化、传感器偏差、执行器误差等。

鲁棒性分析与设计的目标是确保系统能够在不确定性条件下稳定运行，并保持所需的性能指标。

二、鲁棒性分析方法1. 线性鲁棒性分析线性鲁棒性分析是指采用线性模型来描述系统特性，并通过相关数学工具进行鲁棒性分析。

其中，最著名的方法之一就是基于Bode图的频域鲁棒性分析。

通过绘制系统的频率响应曲线，并分析曲线上的幅值和相位裕度，可以评估系统的鲁棒性能。

2. 非线性鲁棒性分析非线性鲁棒性分析是指考虑系统的非线性特性，并通过非线性控制理论进行鲁棒性分析。

相比于线性鲁棒性分析，非线性鲁棒性分析更加复杂。

其中一种常用的方法是利用Lyapunov稳定性理论来分析非线性系统的鲁棒性。

三、鲁棒性设计策略1. 基于PID控制器的鲁棒性设计PID控制器是最常用的控制器之一，其鲁棒性设计是十分重要的。

通过选择合适的PID参数，可以提高系统对不确定性的抵抗能力。

常见的PID鲁棒性设计方法包括基于频率响应的方法、基于线性矩阵不等式的方法等。

2. 基于自适应控制的鲁棒性设计自适应控制是一种根据系统实时变化来自主调整控制策略的方法。

通过利用自适应算法，控制系统可以实时更新控制策略，以应对不确定性的变化。

自适应控制的鲁棒性设计方法有许多种，包括模型参考自适应控制、无模型自适应控制等。

3. 基于鲁棒控制的鲁棒性设计鲁棒控制是一种专门针对不确定性的控制方法。

通过设计鲁棒控制器，系统可以保持良好的稳定性和性能指标。

控制系统鲁棒性设计与优化方法研究

控制系统鲁棒性设计与优化方法研究摘要：控制系统鲁棒性设计与优化方法是为了增强控制系统对参数变化、干扰与未知扰动等因素的抵抗能力。

本文将从控制系统的鲁棒性概念出发，探讨鲁棒性设计与优化的方法，并介绍鲁棒性设计在现实世界中的应用。

1. 引言控制系统的鲁棒性是指系统对于参数变化、干扰、噪声和未知扰动等外部因素的变化具有稳定性和可靠性。

在现实世界中，控制系统常常面临各种变化，如传感器的误差、执行器的精度损失、环境的不确定性等。

因此，鲁棒性设计与优化方法的研究对于提高系统的可靠性和性能至关重要。

2. 控制系统鲁棒性设计方法2.1 H∞控制方法H∞控制方法是一种基于鲁棒控制理论的设计方法，能够保证系统对参数变化和未知扰动的鲁棒性。

该方法通过优化问题的最优鲁棒性指标来设计控制器，从而实现对系统动态性能和稳定性的高度要求。

H∞控制方法在很多工业应用中得到了广泛的应用，例如飞行器控制、机器人控制等。

2.2 μ合成方法μ合成方法是一种针对不确定控制系统的设计方法，通过定义鲁棒稳定性指标来实现系统的鲁棒性控制。

该方法将系统模型的参数不确定性表示为频率域上的复数，通过优化器来设计控制器，使系统在不确定性范围内具有所需的鲁棒稳定性和性能。

2.3 鲁棒PID控制方法鲁棒PID控制方法是将经典的PID控制与鲁棒控制相结合的一种设计方法。

通过引入鲁棒辨识、参数整定和补偿制度等手段，提高了PID控制器对系统的鲁棒性。

该方法适用于具有不确定性和变化参数的系统，能够提高系统的鲁棒性和动态响应性能。

3. 控制系统鲁棒性优化方法3.1 线性矩阵不等式优化线性矩阵不等式（LMI）优化方法是一种基于半正定约束的优化方法，能够实现控制系统的最优鲁棒性设计。

通过引入约束条件，LMI优化方法可以得到最优的鲁棒控制器，使系统具有更好的鲁棒性能。

3.2 粒子群优化算法粒子群优化（PSO）算法是一种基于群体智能的优化算法，通过模拟鸟群或鱼群的行为来搜索最优解。

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)。

鲁棒控制器设计
陆仲达，田群宏，王俊科，徐凤霞
（齐齐哈尔大学计算机与控制工程学院，黑龙江齐齐哈尔１６１００６）
摘
要：针对存在不确定时延的网络控制系统，将未知扰动和建模误差转换为满足给定约束的矩阵，建立具有参
数不确定性的网络控制系统模型。基于Ｌｙａｐｕｎｏｖ稳定性理论证明控制系统渐近稳定，结合线性矩阵不等式完成日鲁棒控制器设计。通过仿真实验，比较在不同时延条件下系统的状态响应曲线，结果证明所设计的鲁棒控
ｒｏｂｕｓｔＨｃｏｎｔｒｏｌｌｅｒｂｙｕｓｉｎｇＬＭＩ．Ｉｎｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔ，ｉｔｃｏｍｐａｒｅｄｔｈｅｓｔａｔｅｒｅｓｐｏｎｓｅｕｎｄｅｒｄｉｖｅｒｓｅｔｉｍｅｄｅｌａｙｃｏｎｄｉ — ｔｉｏｎｓ，ａｎｄｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｏｂｕｓｔＨｃｏｎｔｒｏｌｌｅｒｈａｓｔｈｅｒｏｂｕｓｔｎｅｓｓａｎｄｃａｎｓｏｌｖｅｔｈｅｕｎｃｅｒｔａｉｎｔｉｅｓｏｆｍｏｄｅｌｉｎｇｅｒｒｏｒ，ｄｉｓ — ｔｕｒｂａｎｃｅａｎｄｔｉｍｅｄｅｌａｙｏｒｆｔｈｅｃｏｎｔｒｏｌｓｙｓｔｅｍｓ．
第３１卷第２期
２０ｌ４年２月
计算机应用研究
Ａபைடு நூலகம் ｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏ１．３１Ｎｏ．２Ｆｅｂ．２０１４
网络控制系统
Ｋｅｙｗｏｒｄｓ：ｕｎｃｅｒｔａｉｎｔｉｍｅｄｅｌａｙ；Ｌｙａｐｕｎｏｖｆｕｎｃｔｉｏｎ；ｌｉｎｅａｒｍａｔｒｉｘｉｎｅｑｕａｌｉｔｙ（ＬＭＩ）；ｒｏｂｕｓｔＨｃｏｎｔｒｏｌｌｅｒ；ｒｏｂｕｓｔｎｅｓｓ
制器可以解决系统中存在不确定建模误差、干扰和时延等问题，具有一定的鲁棒性。关键词：不确定时延；Ｌｙａｐｕｎｏｖ函数；线性矩阵不等式；Ｈ鲁棒控制器；鲁棒性
中图分类号：ＴＰ２７３文献标志码：Ａ文章编号：１００１ — ３６９５（２０１４）０２ — ０４７２ — ４０
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ — ３６９５．２０１４．０２．０３５
ＤｅｓｉｇｎｏｆｒｏｂｕｓｔＨｃｏｎｔｒｏｌｌｅｒｆｏｒｎｅｔｗｏｒｋｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍｓ
ＬＵＺｈｏｎｇ — ｄａ，ＴＩＡＮＱｎｎ — ｈｏｎｇ，ＷＡＮＧＪｕｎ — ｋｅ，ＸＵＦｅｎｇ — ｘｉａ
（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ＆ＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＱｉｑｉｈａｒＵｎｉｖｅｒｓｉｔｙ，ＱｉｑｉｈａｒＨｅｉｌｏｎｇｉｆａｎｇ１６１００６，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅｎｅｔｗｏｒｋｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍｓｗｉｔｈｕｎｃｅｒｔａｉｎｔｉｍｅｄｅｌａｙ，ｔｈｅｕｎｋｎｏｗｎｄｉｓｔｕｒｂａｎｃｅｓａｎｄｔｈｅｍｏｄｅｌｉｎｇｅｒｒｏｒｗｅｒｅｔｒａｎｓｆｏｒｍｅｄｉｎｔｏｔｈｅｍａｔｒｉｘｗｈｉｃｈｍｅｔｔｈｅｇｉｖｅｎｃｏｎｓｔｒａｉｎｔｃｏｎｄｉｔｉｏｎ．ｔｈｉｓｐａｐｅｒｓｅｔｕｐｔｈｅｍｏｄｅｌｏｆｐａｒａｍｅｔｅｒｕｎｃｅｒｔａｉｎｔｙｎｅｔ — ｗｏｒｋｅｄｃｏｎｔｒｏｌｓｙｓｔｅｍｓ．ＢａｓｅｄｏｎＬｙａｐｕｎｏｖｓｔａｂｉｌｉｔｙｔｈｅｏｒｙ，ｉｔｐｒｏｖｅｄｔｈｅａｓｙｍｐｔｏｔｉｃｓｔａｂｉｌｉｔｙｆｏｒｔｈｅｓｙｓｔｅｍ，ａｎｄｄｅｓｉｇｎｅｄｔｈｅ