东北大学学报:自然科学版   2016, Vol. 37 Issue (1): 1-5   PDF (278 KB)    
执行器饱和的随机Markov切换系统的观测器设计
高宪文1, 杜津名1,2, 齐文海1    
1.东北大学 信息科学与工程学院, 辽宁 沈阳 110819;
2.中国人民解放军93116部队, 辽宁 沈阳 110141
摘要:利用直接法对转移概率是部分未知的,并且具有执行器饱和现象的随机Markov切换系统进行稳定性分析.通过引入自由连接权矩阵降低系统的保守性.首先,针对此类随机Markov切换系统,充分考虑转移概率中元素之间的特性,通过构建参数依赖型Lyapunov函数,并设计观测器确保闭环饱和系统的随机稳定性.然后,在线性矩阵不等式的框架下,得到均方意义下的最大不变吸引域,并将其归结为求解一组线性矩阵不等式的可行性问题.最后,数值仿真算例验证本方法的有效性.
关键词Markov切换系统     转移概率部分未知     执行器饱和     随机稳定性     观测器    
Observer Design for Stochastic Markov Switching Systems with Actuator Saturation
GAO Xian-wen1, DU Jin-ming1,2, QI Wen-hai1    
1.School of Information Science & Engineering, Northeastern University, Shenyang 110819, China;
2. Unit of 93116, PLA, Shenyang 110141, China.
Corresponding author: DU Jin-ming, E-mail: dujinming19840521@163.com
Abstract: The direct approach was used to study the stochastic Markov switching system with partly unknown transition probabilities and actuator saturation considering the problem of stochastic stability analysis. Through using free connection weight matrix, the conservation of the system would be decreased. Firstly, for stochastic Markov switching systems, by considering the properties of the relationship between the transition probabilities, the observer was designed to guarantee the stochastic stability of the closed-loop saturated system based on the parameter-dependent Lyapunov function. And then, the largest contraction invariant set in the mean square sense was proposed in the framework of linear matrix inequalities (LMIs). Finally, a numerical example was given to demonstrate the effectiveness of the method.
Key words: Markov switching systems     partly unknown transition probabilities     actuator saturation     stochastic stability     observer    

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;x0g0t0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:

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;xc0g0t0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iFi∈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Uvv=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g0S,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∈Sukiii=,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.

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Riq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

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.

图 1 系统模态 Fig. 1 System mode

图 2 系统和观测器状态轨迹 Fig. 2 State trajectories of the system and observer

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.

参考文献
[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)