一类非线性区间时滞随机系统的控制与仿真
统 仿 真 学 报© Vol. 22 No. 6
2010年6月 Journal of System Simulation Jun., 2010
第22卷第6期 系
一类非线性区间时滞随机系统的控制与仿真
解相朋1,2, 张化光1,2
(1.流程工业综合自动化教育部重点实验室,沈阳 110004;2. 东北大学 信息科学与工程学院,沈阳 110004)
摘 要:针对一类非线性区间时滞随机系统的控制问题,提出一种基于随机模糊双曲正切模型的时
滞依赖控制策略。应用随机模糊双曲正切模型对非线性随机系统进行建模,其中模型参数可用BP神经网络进行学习。提出一个新颖的Lyapunov-Krasovskii泛函进而推导出闭环系统时滞依赖均方意义渐近稳定的镇定条件。最后采用改进的Euler-Maruyama法对非线性随机微分方程进行仿真,仿真结果验证了所提出的控制策略的有效性。
关键词:模糊双曲正切模型;区间时滞;随机微分方程;随机仿真
中图分类号:TP 13 文献标识码:A 文章编号:1004-731X (2010) 06-1433-04
Control and Simulation for a Class of Nonlinear Interval Delay Stochastic Systems
XIE Xiang-peng1,2, ZHANG Hua-guang1,2
(1. Key Laboratory of Integrated Automation for the Process Industry, Ministry of Education, Shenyang 110004, China;
2. College of Information Science and Engineering, Northeastern University, Shenyang 110004, China)
Abstract: The problem of control and simulation for a class of nonlinear stochastic systems with interval delay was investigated, and delay-dependent control law was proposed based on the stochastic fuzzy hyperbolic tangent model (SFHM). The underlying nonlinear system could be modeled by the SFHM whose model parameters could be learned by BP neural network. The asymptotical stability condition in the mean square sense for the closed systems was derived by applying a new Lyapunov-Krasovskii functional. Finally, an improved Euler-Maruyamma numerical method for nonlinear stochastic differential function was proposed to illustrate the efficiency of the resulted control strategy.
Key words: fuzzy hyperbolic tangent model; interval time delay; stochastic differential equation; stochastic simulation
引 言
近些年来,模糊控制理论凭借其易于处理非线性系统的特点而备受关注。这其中以Takagi-Sugeno(T-S)模糊模型最为显著。在很多基于T-S模糊模型的控制和滤波问题中,需但是要求解满足一组线性矩阵不等式的一个公共的矩阵P,在需要大量模糊规则来高精度逼近非线性系统时往往会导致矩阵P的不存在[1-3]。为了克服这个缺点,文献[4]提出了一种新的模糊状态空间模型—模糊双曲正切模型(FHM)。与T-S模型相比,FHM是一种全局模型,在控制器设计中只需求解一个矩阵不等式。同时,FHM也是一种神经网络模型,可以利用神经网络的学习功能对模型参数进行优化,因而在实际过程中具有很大的应用价值。
另一方面,随机噪声和时滞现象广泛存在于各种工业系统中[5-6]。时滞的存在可能导致系统的不稳定和系统性能的变坏,因此,时滞系统的稳定性和控制研究引起了学者们的广泛关注[7-8]。值得注意的是,上述文献中涉及时滞的下限值均为零,而实际中大量存在时滞下限值不为零的情况,即文献[9]针对线性区间时滞系统提出了考虑区间时滞系统。
[9]
区间信息的时滞依赖稳定判据。对于确定性非线性区间时滞系统,文献[10]给出了基于T-S模型的相应结果。而基于FHM或随机FHM(SFHM)的相应问题还没有被研究过。
基于以上分析,本文研究了非线性区间时滞随机系统基于SFHM的时滞依赖控制和仿真问题。根据SFHM的特点构造出一个新颖的Lyapunov-Krasovskii泛函来推导闭环系统均方意义渐近稳定的充分条件。最后提出一种改进的Euler-Maruyamma(E-M)算法来对非线性随机微分方程进行仿真。这种算法比一般的E-M算法具有更好的逼近性能。最后给出仿真算例以说明本文所提方法的可行性和有效性。
1 预备知识
考虑如下形式的一类非线性区间时滞随机系统:
dx(t)=f(x(t),x(t τ(t)),u(t))dt+
g(x(t),x(t τ(t)))dw(t)x(t)= (t),t∈[ h2,0]
(1)
其中x(t)∈Rn为系统状态变量;u(t)∈Rm表示系统控制输
τ(t)入;f( ),g( )表示非线性函数且满足f(0)=0,g(0)=0;
收稿日期:2008-09-25 修回日期:2008-12-09
基金项目:高等学校学科创新引智计划(B08015);国家自然科学基金(60774048,60904017,60534010, 50977008);教育部长江学者和创新团队发展计划资助项目(IRT0421)。 作者简介:解相朋(1982-), 男, 山东潍坊人, 博士生, 研究方向为随机控制;张化光(1959-), 男, 吉林省吉林市人, 教授, 博导, 研究方向为智能控制、非线性系统控制。
为区间时变时滞,且满足下面条件:
0<h1≤τ(t)≤h2,τ (t)≤d<1 (2)
对系统(1)进行FHM建模,得到它的SFHM为: dx(t)=[tanh(Lx(t))+dtanh(Lx(t
τ(t)))+Bu(t)]dt+[tanh(Lx(

t))+
tanh(Lx(t τ(t)))]dw(t)
(3)
1433
热门文档