《Neurocomputing》:Fuzzy observer-based event-triggered sliding mode control for delayed networked T-S fuzzy systems with dissipativity guarantees: A delta operator approach
编辑推荐:
本文针对一类时延不确定Takagi-Sugeno(T-S)模糊系统,在δ算子框架下提出了一种结合动态状态观测器(DSO)与事件触发传输机制(ETTM)的智能滑模控制(SMC)策略。通过构造增广系统并引入严格耗散性指标,论文在保证系统渐进稳定与滑模区域可达的同时,显著降低了网络通信负载,为数据驱动的网络化控制提供了新思路。
亮点(Highlights)
- •
针对时延不确定Takagi-Sugeno(T-S)模糊δ算子系统,提出了一种基于动态状态观测器(DSO)的事件触发滑模控制(SMC)方法。
- •
设计的事件触发传输机制(ETTM)有效降低了传感器到观测器之间的通信负担。
- •
通过引入严格耗散性准则,刻画了估计误差动态与外部扰动之间的能量感知交互关系。
- •
基于依赖时延的Lyapunov框架,推导了保证系统渐进稳定、严格耗散性以及滑模区域可达的充分条件,并以凸优化问题形式呈现。
- •
仿真结果表明,所提方法在保持鲁棒控制性能的同时,显著节约了网络通信资源。
引言(Introduction)
在复杂动态系统的控制中,精确的数学模型往往难以获取,导致控制效果不佳。Takagi-Sugeno(T-S)模糊模型为非线性系统提供了一种便捷且精度较高的建模手段,为控制系统稳定性分析奠定了基础。为更好地利用计算机技术进行在线分析与仿真,Middleton与Goodwin提出了δ算子方法,构建了连续与离散系统的统一框架。在高采样情况下,基于δ算子描述的离散系统接近于对应的连续系统,所得结果也能与连续系统结论保持一致。基于这些特点,进一步研究T-S模糊δ算子系统有望为控制理论(尤其是高速信号处理与数字采样控制)提供新的高效分析工具。
传统控制方法因实际系统中常存在不确定性、外部扰动及快速变化等动态特性,难以满足高性能要求。滑模控制(SMC)因其对匹配不确定性及干扰的强鲁棒性,成为解决此类问题的有效手段之一。历经数十年发展,学者们已将SMC的研究范畴扩展到δ算子系统、脉冲系统及各类型网络化控制系统。Ji等人与Li等人分别研究了T-S模糊δ算子系统的SMC问题。尽管该方向已取得一定理论与应用进展,仍有若干问题值得深入探索。
在各种控制问题中,由于经济与技术限制,往往难以通过传感器获取被控对象的所有状态。为提高控制器效能,可借助状态观测器对实际系统中未知状态进行估计,以补充或替代不可测信号。如今,基于观测器反馈的滑模控制(OFSMC)已成为控制理论的研究热点,并已取得丰硕成果。与静态状态观测器相比,在观测器模型中引入动态结构能为观测器设计提供更多自由度,从而在一定程度上提升系统稳定性。
耗散性的本质是从能量存储函数与供给率函数的不等式角度,刻画被控系统与外部环境之间的能量交互关系。Willems通过状态空间描述提出了耗散性理论,为控制系统的分析与综合提供了重要工具。近年来,耗散性理论已被广泛应用于多种系统的SMC设计中。通过适当引入事件触发传输机制(ETTM),可有效避免控制问题中的数据拥塞。ETTM是一种按需传输的有效方法,已引起众多学者的关注。
本文将δ算子理论应用于离散T-S模糊系统。针对实际系统状态无法完全获取的现象,采用观测器技术重构未知状态,以增强所设计控制器的效果。运用耗散性理论从能量角度描述观测输出误差系统与外部扰动之间的关系。在资源受限场景下,引入ETTM以提升资源利用效率。主要贡献包括:(1)应用δ算子方法描述离散系统,构建了连续与离散系统的统一框架;(2)基于T-S模糊时延δ算子系统模型重构不可测系统状态,并利用动态变量构建动态状态观测器(DSO),这一附加动态结构为观测器设计提供了更大的自由度;(3)给出依赖时延的Lyapunov方法推导OFSMC律表达式,该律不仅能驱动增广系统轨迹到达滑模面附近的小邻域,还能保证增广系统的渐进稳定性与严格耗散性。
系统模型(System model)
考虑具有r条模糊规则的时延不确定T-S模糊δ算子系统:
第i条规则(Plant rule i):如果θ1(tk)是Mi1,…,θp(tk)是Mip,那么
δx(tk) = (Ai+ ΔAi(tk))x(tk) + Adix(tk? d) + Biu(tk) + Diω(tk)
y(tk) = Cix(tk)
z(tk) = Eix(tk)
其中θ(tk) = [θ1(tk) … θp(tk)]T为可测前提变量,Mij为模糊集。tk为满足tk+1? tk= h的采样时刻(h为采样周期)。x(tk) ∈ Rn、u(tk) ∈ Rm和y(tk) ∈ Rq分别表示系统状态、控制输入和测量输出。d为满足0 < d ≤ dM的时延。?(tk)为状态初始条件。外部扰动ω(tk) ∈ Rl属于L2[0, ∞)且满足∫0∞ωT(t)ω(t)dt < ∞。此外,Ai、Adi、Bi、Ci、Di和Ei为已知矩阵。
主要结果(Main results)
下文首先分析增广系统的渐进稳定性与严格(Q,S,R)-耗散性,随后给出滑模区域的可达性分析,最后提供DSO及控制器增益矩阵的一组解。
定理1(Theorem 1)
对T-S模糊δ算子系统(3),假设OFSMC律及DSO的增益矩阵Ki、Li、Mi、Ni和Hi已给定。对于给定标量γ>0、常数τ1、τ2和τ3,若存在矩阵P>0、Q>0和R>0使得以下条件成立:
[具体矩阵不等式因篇幅省略]
则增广系统(8)是渐进稳定的,且关于供给率函数φ(ω(tk), ze(tk)) = ?ze(tk), Qze(tk)? + 2?ze(tk), Sω(tk)? + ?ω(tk), Rω(tk)?严格(Q,S,R)-耗散。
定理2(Theorem 2)
考虑T-S模糊δ算子系统(1)及DSO(4)。若存在矩阵P>0、Q>0、R>0、Ki、Li、Mi、Ni、Hi以及标量ε1>0、ε2>0、γ>0、τ1、τ2、τ3,使得定理1的条件成立,则增广系统(8)是渐进稳定的,且严格(Q,S,R)-耗散。此外,滑模控制器(11)能确保系统轨迹在有限时间内到达滑模面s(tk)=0的邻域,并最终维持在该邻域内。
仿真结果(A simulation result)
本节通过数值算例验证所提结果的有效性。考虑具有两条模糊规则的时延不确定T-S模糊δ算子系统(1),采样周期h=0.01,时延d=2,系统参数选取如下:
[具体参数矩阵因篇幅省略]
外部扰动满足ω(tk) = 0.5sin(0.5πtk)e?0.02tk。隶属度函数为μ1(θ(tk)) = sin2(x1(tk)),μ2(θ(tk)) = cos2(x1(tk))。耗散性相关参数选为Q=?0.5、S=0.6、R=1.2。ETTM参数为σ=0.35、ρ=0.5。其余系数选为ε1=0.1、ε2=0.1和γ=1.2。
给定初始条件x(0)=[?0.5 0.3]T、x?(0)=[0 0]T,应用定理2求解线性矩阵不等式(LMI),可得DSO及控制器的增益矩阵。仿真结果表明,所设计的基于DSO的事件触发滑模控制器能有效驱动系统状态轨迹到达滑模面邻域,并保持在该区域内;同时,事件触发机制显著降低了数据传输频率,节约了网络资源。状态估计误差与观测器状态随时间收敛,验证了DSO的有效性。此外,耗散性性能指标得到满足,说明系统在外部扰动下具有良好的能量耗散特性。
结论(Conclusions)
本文研究了时延不确定T-S模糊δ算子系统基于DSO的耗散性滑模控制问题。为节约网络通信资源,在传感器与观测器之间引入了ETTM,并利用ETTM的传输信息构建了DSO。基于DSO的状态信息提出了滑模函数与OFSMC律,并通过观测输出误差构造了耗散性性能指标。采用依赖时延的Lyapunov方法推导了保证增广系统渐进稳定、严格耗散以及滑模区域可达的充分条件,并以LMI形式呈现。仿真结果验证了所提方法的有效性。