由于经常受到随机突变诸如外界随机干扰、内部元件的随机故障和失效等影响, 实际系统可以用Markov跳变系统来刻画.它是一类包含多个模态的重要随机混杂系统, 有着广泛的应用,例如网络控制系统[1]、机械系统[2]、故障检测系统[3]和经济系统[4]等.
转移概率 (TPs) 作为Markov跳变系统的一个关键性因素,直接影响系统性能.若Markov跳变系统的转移概率矩阵不随时间t发生变化, 即转移概率与t是相互独立的, 则为齐次Markov过程, 除此之外则被称为非齐次Markov过程[5].近20年来, 针对齐次Markov跳变系统取得了很多研究成果[6-9], 它们均假定Markov跳变过程满足齐次性, 然而转移概率在实际系统运行过程中很难长时间保持恒定.例如系统工程中的组件故障率、网络控制系统的随机丢包和时延等问题, 此类系统子模态之间的切换规律符合分段齐次Markov过程, 它是非齐次Markov跳变过程的一种特殊情况, 意味着转移概率随时间变化但在一定时间间隔内保持不变.由于考虑分段齐次转移概率能更好地描述许多实际系统的特性, 近几年, 分段齐次Markov跳变系统的研究逐渐成为热点[5, 10-12].
另一方面, 执行器饱和的存在严重影响系统性能甚至导致系统不稳定, 例如平衡指针[13-14]、小车弹簧摆系统[13, 15]、F-8飞行器[13, 16]、RLC电路[17]等.近几年, 越来越多的学者研究具有执行器饱和的Markov跳变系统, 取得丰硕的成果[18-21].然而, 却没有关于具有执行器饱和的分段齐次Markov跳变系统的文献报道.
1 问题描述及相关引理考虑一类Markov饱和跳变系统:
(1) |
式中:x(t)∈Rn, u(t)∈Rm分别是系统的状态、控制输入;A(rt) 和B(rt) 为已知的具有适当维数的模态依赖常数矩阵; 标准饱和函数σ(·) 定义为
其中,σ(ui)=sign (ui) min{1, |ui|}为符号函数;rt是在有限集合S1={1, 2, …, S}中取值的Markov过程, 转移概率定义为
式中:h>0, 且有h→0时, ο(h)/h→0;λij(δt+h)表示系统从t时刻模态i跳变到t+h时刻模态j的转移率, 并且有
考虑δt, 意味着转移概率是时变的.同时, 假设δt为t的分段常函数.跳变转移概率矩阵定义为
注1 Markov跳变过程的分段齐次转移概率矩阵Λ(δt+h)是时变转移概率矩阵的一种特殊情况, 转移概率随时间变化但在一定时间间隔内保持不变.
类似地, 参数{δt, t≥0}也是一个Markov跳变过程, 随t在有限集合Γ={1, 2, …, M}中取值.
(3) |
式中:h>0, ο(h)/h→0,qkl表示转移概率从t时刻的Λ(k)跳变到t+h时刻的Λ(l)的转移率, 并且有
函数σ(·):Rm→Rm是标准的向量饱和函数, 即
式中,
对于任意的rt=i和δt=k, 为了简化记号, A(rt), B(rt) 记为Ai, Bi.
设计参数依赖的状态反馈控制器为
(4) |
式中,Fi, k为待定的控制器增益.
定义1[19]对任意的初始模态rt∈Γ, 初始状态x0∈Ψ, Ψ⊂Rn下, 使得
对于任意矩阵Pi, 定义椭圆
引理1[19]对于任意的矩阵Fi, k, Hi, k∈Rm×n, 如果x(t)∈φ(Hi, k), 则σ(Fix(t)) 可以表示为
(5) |
式中:
考虑控制器 (4), 可以得到闭环系统:
(6) |
定理1考虑一类分段齐次Markov饱和系统 (6),对于i=1, 2, …, S,ν=1, 2, …, 2m,k=1, 2, …, M,如果存在正定对称矩阵Pi, k,使得
(7) |
(8) |
式中:
则集合
证明
式中:
如果条件 (7) 成立, 则ΔV(xt, rt, δt) < 0.类似于文献[11]中定理3.1的证明:条件 (7) 成立,能保证集合
本节采用椭圆不变集来估计系统的吸引域, 在吸引域中求解最大的作为系统的吸引域估计值.令参考集χR⊂Rn为一个包含原点的凸集.对于包含原点的集合φ⊂Rn, 定义
选择多面体集合χR, 定义
定理1给出了系统 (6) 随机稳定的充分条件, 需要将这些充分条件转化为便于求解的线性矩阵不等式的形式, 进而求得状态反馈控制增益Fi, k和最大不变吸引域.另外, 通过求解下列凸优化问题,验证给定的初始状态x0∈Rn是否在C0{x1, x2, …, xω}内.
(9) |
式中:hi, k, l1是矩阵Hi, k的第l1行;i=1, 2, …, S;l1=1, 2, …, m;k=1, 2, …, M;g=1, 2, …, ω;ν=1, 2, …, 2m.如果αmax>1, 则初始状态x0在均方意义下的吸引域内.令
(10) |
通过分析可知条件 (i) 等价于α2(x0g)2Pi, kx0g≤1, 由schur补定理知式 (10) 可进一步转化为
(11) |
式中:g=1, 2, …, w;i=1, 2, …, S;k=1, 2, …, M.
对于i∈S1,k∈Γ,由于存在设计参数Fi, k, Hi, k, 不等式 (7) 是非线性的,对不等式左边分别左乘和右乘Qi, k得
根据schur补引理可得
(12) |
式中:
条件 (8) 等价于
(13) |
对式 (13) 左边分别左乘和右乘对角阵{Qi, k, I}:
(14) |
式中:Zi, k, l1是Zi, k的第l行, Zi, k, l1=hi, k, l1 Qi, k, i=1, 2, …, S, k=1, 2, …, M, l1=1, 2, …, m.
最后优化问题 (8) 转化为如下线性矩阵不等式形式的优化问题:
(15) |
如果βmin < 1(αmax>1), 则设计的控制器u(t)=Fi, kx(t) 会使初始状态x0属于C0的系统 (5) 随机稳定, 同时状态反馈控制器增益为Fi, k=Yi, kQi, k-1.
3 数值仿真用一个数值算例来验证主要结论的有效性.假设执行器饱和的分段齐次Markov跳变系统具有两个模态,即S={1, 2}, 其参数矩阵为
初始状态和分段转移概率矩阵为
Λ(δt)(δt={1, 2, 3, 4}) 随机跳变的转移概率矩阵为
求解凸优化问题可得βmin=8.084 2×10-5 < 1,控制器增益为
图 1~图 3分别为系统模态、上层切换和状态轨迹.由图可见, 所求解的参数依赖状态控制器可使初始状态属于凸集C0{x01}的闭环系统 (6) 随机稳定.
注2通过求解优化问题 (14), 可以验证初始状态满足吸引域条件.通过转移概率矩阵Π, 由Matlab仿真可以得到图 2.当图 2中的纵坐标为1时,考虑Λ1对系统的影响;当纵坐标为2, 考虑Λ2对系统的影响.以此类推得到图 1.转移概率矩阵Π可以作为上层随机切换, 控制下层Λ1,Λ2,Λ3,Λ4之间的切换.
4 结论针对具有执行器饱和的Markov跳变系统, 在考虑分段齐次转移概率的情况下, 构造系统均方意义下的稳定域, 在线性矩阵不等式的框架下, 实现了控制器增益和吸引域最大估计值的求解.数值仿真进一步验证了所得结论的有效性.
[1] | Dong J W, Kim W J. Markov-chain-based output feedback control for stabilization of networked control systems with random time delays and packet losses[J]. International Journal of Control, Automation and Systems, 2012, 10(5): 1013–1022. DOI:10.1007/s12555-012-0519-x |
[2] | Shen L J, Buscher U. Solving the serial batching problem in job shop manufacturing systems[J]. European Journal of Operational Research, 2012, 221(1): 14–26. DOI:10.1016/j.ejor.2012.03.001 |
[3] | Yin Y, Shi P, Liu F, et al. Gain-scheduled fault detection on stochastic nonlinear systems with partially known transition jump rates[J]. Nonlinear Analysis:Real World Applications, 2012, 13: 359–369. DOI:10.1016/j.nonrwa.2011.07.043 |
[4] | Mao X R, Yuan C G. Stochastic differential equations with Markovian switching[M]. London: Imperial College Press, 2006. |
[5] | Zhang L X. H∞ estimation for discrete-time piecewise homogeneous Markov jump linear systems[J]. Automation, 2009, 45(11): 2570–2576. DOI:10.1016/j.automatica.2009.07.004 |
[6] | Mao X R. Stability of stochastic differential equations with Markovian switching[J]. Stochastic Process and Their Applications, 1999, 79(1): 45–67. DOI:10.1016/S0304-4149(98)00070-2 |
[7] | Boukas E K. Stochastic switching systems:analysis and design[M]. Berlin: Birkhauser, 2005. |
[8] | Zhang L, Boukas E K. Stability and stabilization of Markovian jump linear systems with partly unknown transition probabilities[J]. Automatica, 2009, 45(2): 463–468. DOI:10.1016/j.automatica.2008.08.010 |
[9] | Zhang Y, He Y, Wu M, et al. Stabilization for Markovian jump systems with partial information on transition probability based on free-connection weighting matrices[J]. Automatica, 2011, 47(1): 79–84. DOI:10.1016/j.automatica.2010.09.009 |
[10] | Ding Y C, Liu H. Filtering-based fault detection for a class of piecewise homogeneous Markov jump systems[J]. Mechatronics and Control, 2014: 759–764. |
[11] | Zhang L.H-infinity control of a class of piecewise homogeneous Markov jump linear systems[C]// Proceedings of the 7th Asian Control Conference.Hong Kong, 2009:197-202. |
[12] | Wu Z G, Ju H P, Su H, et al. Stochastic stability analysis of piecewise homogeneous Markovian jump neural networks with mixed time-delays[J]. Journal of the Franklin Institute, 2012, 349(6): 2136–2150. DOI:10.1016/j.jfranklin.2012.03.005 |
[13] | Tarbouriech S, Garcia G. Stability and stabilization of linear systems with saturating actuators[M]. London: Springer-Verlag, 2011. |
[14] | Khalil H K. Nonlinear systems[M]. London: Macmillan, 1992. |
[15] | Grimm G, Hatfield J, Postlethwaite I, et al. Anti-windup for stable linear systems with input saturation:an LMI based synthesis[J]. IEEE Transactions on Automatic Control, 2003, 48(9): 1509–1525. DOI:10.1109/TAC.2003.816965 |
[16] | Wu F, Grigoriadis K M, Packard A. Anti-windup controller design using linear parameter-varying control methods[J]. International Journal of Control, 2000, 73(12): 1104–1114. DOI:10.1080/002071700414211 |
[17] | Zhao J J, Wang J, Park J H, et al. Memory feedback controller design for stochastic Markov jump distributed delay systems with input saturation and partially known transition rates[J]. Nonlinear Analysis:Hybrid Systems, 2015, 15: 52–62. DOI:10.1016/j.nahs.2014.07.002 |
[18] | Boukas E K. Stochastic output feedback of uncertain time-delay systems with saturating actuators[J]. Journal of Optimization Theory and Applications, 2003, 118(2): 255–273. DOI:10.1023/A:1025443220763 |
[19] | Liu H P, Boukas E K, Sun F C, et al. Controller design for Markov jumping systems subject to actuator saturation[J]. Automatica, 2006, 42(3): 459–465. DOI:10.1016/j.automatica.2005.10.017 |
[20] | Li J N, Pan Y J, Su H Y, et al. Stochastic reliable control of a class of networked control systems with actuator faults and input saturation[J]. International Journal of Control, Automation and Systems, 2014, 12(3): 564–571. DOI:10.1007/s12555-013-0371-7 |
[21] | Wang Y J, Zuo Z Q, Cui Y L.Stochastic stabilization of Markovian jump systems in the presence of partial unknown transition probabilities and actuator saturation[C]// Proceedings of 29th Chinese Control Conference.Beijing, 2010:29-31. |