2.中国人民解放军93116部队, 辽宁 沈阳 110141
2. Unit of 93116, PLA, Shenyang 110141, China.
Corresponding author: DU Jin-ming, E-mail: dujinming19840521@163.com
作为一类混杂系统,随机Markov切换系统由微分(或者差分)方程组、It型随机干扰和Markov过程(或者Markov链)组成.这类系统已被广泛研究,并取得了许多成果[1].实际中的控制系统,由于某些随机因素的突然变化,可以描述为Markov切换系统,例如经济系统、网络控制系统、容错控制系统等.作为关键性的因素,转移概率决定了Markov切换系统的性能.关于Markov切换系统的分析和综合,大多建立在假设转移概率完全已知的情况下.在实际情况下,由于各种复杂因素,转移概率不可能完全得到.因此,转移概率部分未知的随机Markov切换系统已经成为研究热点[2, 3, 4].
另一方面,由于物理限制或安全因素的考虑,执行器饱和会出现在实际的控制系统中.由于执行器饱和的存在,会导致系统的性能下降或者闭环系统的不稳定.许多学者对于执行器饱和问题进行了研究,例如线性系统执行器饱和的稳定性分析和控制器设计方法[5]、吸引域的估计问题[6].近年来,执行器饱和的Markov切换系统的稳定性分析和控制器设计已有部分文献报道[7, 8].
跳变和随机理论方面的最新研究成果包括有限时间稳定[9]、模糊控制[10]、神经网络[11]等.通过上面的分析,关于执行器饱和的随机Markov切换系统的观测器设计问题还有待深入的研究.通过采用Lyapunov函数,保证了闭环饱和系统的随机稳定性.在此基础上,设计了基于状态反馈的观测器,并且得到了均方意义下吸引域的估计值.最后,数值算例验证了该方法的有效性.
1 系统描述考虑如下随机Markov切换系统:
式中:x(t)∈Rn是状态向量;u(t)∈Rm是控制输入;w(t)是标准维纳过程;y(t)∈Rq是测量输出;x0,g0,t0分别是初始状态、初始模态和初始时间,x(t0)=x0,gt0=g0,t0=0;A(gt),B(gt),W(gt),Cy(gt)是已知模态依赖的适当维数的常数矩阵;sat(·)函数是向量值标准饱和函数:
式中,sat(ui)=sign(ui)min{1,|ui|}为符号函数.
gt为有限集S={1,2,…,N}中取值的连续Markov过程.从t时刻模态i到t+Δt时刻模态j的转移概率:
当i≠j,
转移概率是建立在部分未知情况下的,意味着转移概率矩阵Π=[πij]中有一些元素是部分未知的. 对于∀i∈S,Si=Ski+Siuk,
Ski={j:πij是已知的,对于任意j∈S},
Suki={j:πij是未知的,对于任意j∈S}.
如果Si≠∅,可以描述为Ski={k1i,k2i,…,kmi},1≤m≤N.其中kmi∈S代表矩阵Π第i行中序号为kmi的第m个已知元素.本文构造n维观测器状态:
式中:xc(t)∈Rn是估计状态;u(t)∈Rp是控制输入;xc0,g0,t0分别是估计初始状态、初始模态和初始时间;xc(t0)=xc0,gt0=g0,t0=0;K(gt)是状态反馈增益;H(gt)是观测器增益.定义矩阵中的符号为gt=i.
定义状态估计误差:
对于正定对称矩阵Pi>0,定义椭圆集合
给定一组矩阵Fi,定义多面体集合
ψ(Fi)={ξ(t)∈R2n:|fijξ(t)|≤1,j=1,2,…,m}, fij为矩阵Fi的第j行.
引理1[6]:对于已知矩阵i,Fi∈Rm×2n,如果ξ(t)∈ψ(Fi),则σ(iξ(t))可表示为
其中:0≤ηv≤1;
ψ(Fi)={ξ(t)∈R2n:|fijξ(t)|≤1,j=1,2,…,m}, fij为矩阵Fi的第j行.其中Uv表示一个m×m阶对角元素不是1就是0的对角矩阵集.该集合中有2m个元素,其中每个元素表示为Uv,v=1,2,…,2m,令 Uv-=(I-Uv),如果Uv-在这个集合内,那么Uv也在这个集合内.
定义
由此可得
基于状态反馈的观测器(3),可得闭环误差随机Markov切换系统如下:
其中,
定义1 在任意的初始模态g0∈S,初始状态ξ0∈∂,∂⊂R2n下,存在一个正的标量参数T(ξ0,g0)使得
那么集合∂⊂R2n被称为随机Markov切换系统(4)均方意义下的吸引域.
定义2[1] 定义随机Markov饱和切换系统(4)的Lyapunov函数为V(ξ(t),i),其无穷小算子为
2 观测器设计
首先,考虑随机Markov切换系统(4)的稳定性.
定理1 转移概率部分未知的闭环随机Markov切换系统(4)是随机稳定的,如果存在对称正定矩阵Pi∈R2n×2n以及对称矩阵Qi∈R2n×2n,对于∀i∈S,使得下列不等式成立:
此外,集合∩i=1Nζ(Pi)包含闭环系统在均方意义下的吸引域.
证明:对于系统(4),选择Lyapunov函数:
其中Pi>0.由条件(9)得出,若ξ(t)∈∩i=1Nζ(Pi),则有ξ(t)∈ψ(Fi).由定义2可得无穷小算子
由于,其中Qi为对称矩阵,则
对∀j∈Suki,若i∈Ski,由条件(6),条件(7)和πij≥0(∀i,j∈S,i≠j)可得Πij < 0.另一方面,对∀j∈Suki,若i∈Suki,πii=,由条件 (6)~条件(8) 同样可得 Πij < 0.所以,
最终
综上所述,转移概率部分未知的随机Markov切换系统(4)是随机稳定的,集合∩i=1Nζ(Pi)包含闭环系统在均方意义下的吸引域.证明完毕.
其次,设计基于状态反馈的观测器(3)获得随机Markov切换系统(4)在均方意义下的最大吸引域.对于∩i=1Nζ(Pi)的大小由参数χR取最大α通过αχR⊂∩i=1Nζ(Pi)得到.通常取椭球体χR={ξ∈R2n:ξTR11ξ≤1,R11>0}.此外,可以解决估计集合∩i=1Nζ(Pi)最大值优化问题.
令β=α-2,Xi=Pi-1,Ri=F1iX1i,
通过Schur补引理,不等式(9)等价于
其中Riq表示Ri第q行.
通过Schur补引理,条件(Ⅰ)等价于
对不等式(6)左乘和右乘Xi,通过Schur补引理,可得
其中:
接下来,讨论式(15)的两种不同情况.
情况1 对于i∈Ski,通过Schur补引理,不等式 (15)等价于
情况2 对于iSki,通过Schur补引理,不等式(15)等价于
其中:
对不等式(7)左乘和右乘Xi,通过Schur补引理,可得
对不等式(8)左乘和右乘Xi,可得
综上所述,优化问题(12)转变为
若βmin < 1(即αmax>1),那么初始状态是在均方意义下的,并且转移概率部分未知的闭环系统是随机稳定的.此外,状态反馈控制器增益为Ki=YiX1i-1和观测器增益为Hi= X1iCyiT.
3 仿真算例 考虑四模态的随机Markov切换系统的参数如下所示:
系统的初始状态为x0=[-0.5 0.4]T.
观测器的初始状态为xc0=[0.5 -0.4]T.
系统的初始模态为g0=2.
部分未知转移概率矩阵如下:
求解优化问题 (20),可得β=0.824 8,α=1.101 1,状态反馈控制器增益参数和观测器增益参数如下:
图 1为系统模态,图 2为系统和观测器状态轨迹.
由图可见,所求解的观测器使得初始状态属于ζ(Pi)的系统(4)随机稳定.求解优化问题(20)可得β=0.712 4,α=1.184 8,由此可得完全已知转移概率能扩大饱和吸引域的范围.
4 结论本文针对转移概率部分未知的随机Markov饱和切换系统,采用椭圆不变集构造系统均方意义下的稳定域,完成了基于观测器的状态反馈设计.在线性矩阵不等式的框架下,实现了观测器和最大吸引域的求解.最后,数值仿真验证了本文方法的有效性.
[1] | Chen W H,Xu J X,Guan Z H.Guaranteed cost control for uncertain Markovian jump systems with mode-dependent time-delays[J].IEEE Transactions on Automatic Control,2003,48(12):2270-2277.(2) |
[2] | Ding Y C,Zhu H,Zhong S M,et al.H∞ filtering for stochastic systems with Markovian switching and partly unknown transition probabilities[J].Circuits,Systems,and Signal Processing,2013,32(2):559-583.(1) |
[3] | Liu Y Q,Liu F.Disturbance rejection for Markov jump systems with partly unknown transition probabilities and saturation[J].Circuits,Systems,and Signal Processing,2013,32(6):2783-2797.(1) |
[4] | Zhao J J,Wang J,Shen H.Dynamic anti-windup control design for Markovian jump delayed systems with input saturation[J].Circuits,Systems,and Signal Processing,2013,32(5):2213-2229.(1) |
[5] | Hu T, Lin Z, Chen B M.An analysis and design method for linear systems subject to actuator saturation and disturbance[J].Automatica,2002,38(2):351-359.(1) |
[6] | Zuo Z Q,Wang Y J.On enlarging the domain of attraction for linear systems subject to actuator saturation[J].International Journal of General Systems,2008,37(2):239-248.(2) |
[7] | Zuo Z Q,Ho D W C,Wang Y J.Fault tolerant control for singular systems with actuator saturation and nonlinear perturbation[J].Automatica,2010,46(3):569-576.(1) |
[8] | Li Y,Lin Z.Design of saturation-based switching anti-windup gains for the enlargement of the domain of attraction[J].IEEE Transactions on Automatic Control,2013,58(7):1810-1816.(1) |
[9] | Ai Z D,Zong G D.Finite-time stochastic input-to-state stability of impulsive switched stochastic nonlinear[J].Systems,Applied Mathematics and Computation,2014,245(10):462-473.(1) |
[10] | Shen M Q,Ye D.Improved fuzzy control design for nonlinear Markovian-jump systems with incomplete transition descriptions[J].Fuzzy Sets and Systems, 2013,217(4):80-95.(1) |
[11] | Wu Z G,Shi P,Su H Y,et al.Stochastic synchronization of Markovian jump neural networks with time-varying delay using sampled-data[J].IEEE Transactions on Cybernetics, 2013,43(6):1796-1806.(1) |