具有一般转移概率和间歇性测量的马尔可夫跳系统的非平稳控制

《European Journal of Control》:Non-stationary control of Markov jump systems subject to general transition probabilities and intermittent measurements

【字体: 大 中 小 】 时间:2026年08月28日 来源:European Journal of Control 2.6

编辑推荐:

   摘要 本文提出了一种适用于在多个时变延迟条件下运行的马尔可夫跳变系统(MJSs)的非平稳耗散控制器设计方法。本工作的关键贡献在于对被控系统和控制器采用了不同的模态相关(MD)结构,分别由平稳马尔可夫链τ(k)和非平稳马尔可夫链σ(k)驱动。本研究的一个新颖之处在于考虑了两个

  

摘要

本文提出了一种适用于在多个时变延迟条件下运行的马尔可夫跳变系统(MJSs)的非平稳耗散控制器设计方法。本工作的关键贡献在于对被控系统和控制器采用了不同的模态相关(MD)结构,分别由平稳马尔可夫链τ(k)和非平稳马尔可夫链σ(k)驱动。本研究的一个新颖之处在于考虑了两个不同马尔可夫链中的广义转移概率(GTPs),其中概率并非完全已知,这对现有框架构成了一项重要扩展。此外,我们的MJSs模型完全纳入了多个模态相关(MD)时变延迟,记为d?τ(k)(k)、d?τ(k)(k)和d?σ(k)(k)。利用Lyapunov稳定性理论和随机分析,我们获得了一个充分条件,该条件同时保证所形成的闭环MJSs的随机稳定性以及给定的(??,??,?)-γ-耗散性能水平。最后,通过两个数值算例证明了所提出控制策略的可行性和有效性。

引言

在过去几十年中,马尔可夫跳变系统(MJSs)因其强大的建模能力而受到越来越多的关注,这种能力体现在对表现出结构或参数随机变化的复杂控制系统的刻画上。MJSs的研究已取得大量理论进展 Kao et al. (2024); Luo et al. (2025); Wan et al. (2023); Wang et al. (2023)。许多现有研究的一个共同前提是假设控制器与被控对象之间完美同步。然而,实际实施中的挑战,例如信号处理和数据传输中的固有延迟,往往使这一理想化框架无法实现。因此,为了应对模态不匹配现象,需要重新审视广泛的控制问题。在实际场景中,当系统模态无法精确识别或无延迟传输时,控制器可能基于偏离实际系统模态的模态信息运行。这使得被控对象与控制器之间模态信息完美同步的常规假设不再成立,由此产生了所谓的异步运行现象 Xu et al. (2024)。在各种方法中,基于检测器的方法被认为是解决这一挑战的最有效方案,因为它通过非平稳或隐马尔可夫模型构建系统模态的估计 Zhang and Wu (2024)。相应地,非平稳控制和滤波方法已被广泛采用,以解决MJSs中的异步问题 Cheng, Shan, Cao, Park, 2021, Cheng, Wu, Wu, Yan, 2022b; Kim (2019); Zhou et al. (2021)。与传统的同步方案不同,这些方法将控制器模态建模为在概率上依赖于系统模态。这种方法的一个关键优势在于其通用性。通过简单地调整转移概率,传统的同步或模态无关控制方案可以作为特例导出。

人们普遍认为,模态信息——包括模态状态和模态转移概率——在决定MJSs的控制性能方面起着关键作用。尽管其重要性显而易见,大多数研究仍假设转移概率矩阵(TPM)的完整先验知识,以简化问题表述。例如,关于马尔可夫跳变神经网络异步滤波的研究 Shen et al. (2019); Zhou et al. (2020) 无不依赖于这一预设。不幸的是,这一假设极大地限制了其实际适用性。在许多现实场景中,获取完整的转移概率(TP)知识不仅技术上具有挑战性,而且经济上不可承受,从而使该假设缺乏实用性 Cheng et al. (2018)。为了更好地符合实际条件,Shan, Liu, She, Zhong, Cheng, Zhang, 2020, Shan, She, Zhong, Cheng, Yu, Deng, 2022 的作者采用了一种更为现实的方法,考虑模态转移概率仅部分可获取。在一项相关工作中,Shao et al. (2025) 针对具有部分已知TP的模糊MJSs提出了一种多项式增益调度机制。尽管这是一项进步,但上述研究未能充分纳入不确定性的作用。在实践中,一种常见的权宜之计是仅使用这些概率的估计值,这种方法上的局限性正式称为切换概率不确定性 Shen et al. (2016)。在现有文献中,不确定切换概率的建模主要通过两种主要框架完成:范数有界型 Xiong et al. (2005); Cheng et al. (2017) 和凸多面体形式 Ning et al. (2020); Tian et al. (2022)。基于这些框架,Kim (2019) 针对非齐次离散时间马尔可夫跳变模糊系统提出了一种异步模态相关耗散控制方法。该工作考虑了一步超前模态完全已知或未知但有界的情况。在他们的研究中,Ding et al. (2023) 研究了具有时变转移概率的离散时间描述子MJSs,采用凸多面体方法对TP的时变特性进行建模。然而,这些方法仍需要TP的名义项或有界值先验知识。在许多实际场景中,精确确定这些有界值仍然具有挑战性甚至不可能。因此,需要一个更通用的框架来处理完全已知、部分已知、完全未知或不确定的TPM。近期研究 Li et al. (2021); Xu et al. (2024) 引入了广义隐马尔可夫模型,该模型考虑了转移和观测概率中的不确定性和未知特性。同时,Tao and Wu (2023) 研究了具有复杂TP的隐马尔可夫跳变线性系统的异步稳定。然而,构建一个能够全面处理部分状态信息的非平稳马尔可夫框架仍然是一个开放问题。此外,构建一个能够同时处理被控对象和控制器TPM中不确定性和未知性质同时存在的综合非平稳马尔可夫模型,仍然是将非平稳马尔可夫框架应用于MJSs部分信息问题的一个尚未解决的挑战。这两个开放问题部分地驱动了本文的研究工作。

然而,时间延迟是许多工程系统固有的方面,无法在其模型中避免。大多数现有研究假设单一延迟 Ding and Zhu (2023a);然而,这种过度简化限制了其实际适用性。为了克服这一简化,一些切换系统已开发出更为复杂的时间延迟模型,如 Li et al. (2025); Wang et al. (2022) 所记录的那样。需要特别指出的是,上述文献中考虑的时间延迟是模态无关的,并未考虑系统模态的影响。实际上,时间延迟本质上受到系统模态的影响,必须纳入任何试图捕获真实系统动态的模型中。因此,模态相关(MD)时间延迟已成为近年来研究的关键领域 Chen and Zhou (2024); Shamrooz et al. (2025); Tian et al. (2022)。尽管已有这些努力,具有复杂MD时变延迟的非平稳MJSs的稳定性和综合问题仍未解决。这一空白驱动了我们对具有多个延迟的此类系统耗散控制的研究。

与此同时,网络化控制系统提供了一个高度可靠的框架,同时降低了运行成本并简化了维护程序。过去十年中,大量的研究工作致力于减轻网络引起的问题,例如间歇控制 Ding et al. (2021); Yang et al. (2020) 和采样控制 Ding and Zhu (2023b) 的研究即为示例。然而,网络化控制系统会受到传感器故障、带宽限制和测量噪声导致的数据损坏和丢包问题。这可能导致性能显著下降甚至系统完全失效。尽管现有文献已广泛讨论了MJSs/半MJSs背景下的间歇测量/控制 Liu et al. (2025); Wang et al. (2026),但在广义转移概率(GTPs)和非平稳动态条件下,该问题变得更加难以处理。具体而言,模态转移的不确定性与数据丢失的随机性相互耦合,产生了一种复杂的混合随机过程。因此,必须开发新的策略来减轻网络化控制系统中的时间延迟和丢包问题,从而提升其整体性能。据我们所知,关于这一相关主题的可用结果很少。同时受到时间延迟和丢包影响的马尔可夫切换描述子系统的稳定化仍然是一个开放挑战,这进一步驱动了我们的研究工作。

本工作的主要贡献有三方面:(1) 我们提出了一种适用于MJSs非平稳耗散控制的新框架,该框架有效地考虑了非平稳模态和多个MD时变延迟的关键特性。为所形成的系统开发非平稳控制器是一项相当大的挑战。(2) 所提出的框架处理了一个更通用且更实际的场景,涉及受限和复杂的模态转移。它通过将广义转移概率(GTPs)作为同时建模系统和控制器模态的扩展,拓展了现有的MJSs非平稳控制方法 Cheng, Park, Yan, Wu, 2022a, Cheng, Shan, Cao, Park, 2021; Dong and Zhou (2022)。处理这些GTPs的挑战通过利用引理2.1中提出的方法论进展得以优雅解决。(3) 与 Ran et al. (2023); Shen et al. (2023) 中忽略控制器设计中时间延迟的策略不同,本文引入了一种纳入MD时变延迟的间歇测量方法,用于研究MJSs的耗散性。值得注意的是,该方法在部分测量可用的实际约束下运行。

本文的整体结构安排如下。为便于理解,本工作中使用的符号定义见表1。第2节概述了MJSs的基本框架,包括模型、关键假设、定义和必要引理。第3节致力于呈现主要结果。首先,建立了MJSs的一个新的随机稳定性准则。随后,以线性矩阵不等式(LMIs)的形式导出了非平稳耗散控制条件。第4节通过两个示例算例验证了所提出的定理3.2和推论3.1。最后一节(第5节)综合了本工作的主要贡献和发现。

预备知识

考虑如下离散时间MJSs:

x(k+1) = A_τ(k) x(k) + A_d_τ(k) x(k-d?_τ(k)(k)) + A_f_τ(k) Σ_{m=1}^{d?_τ(k)(k)} f(x(k-m)) + B_u_τ(k) u(k) + B_ω_τ(k) ω(k);

y(k) = C_τ(k) x(k) + C_d_τ(k) x(k-d?_τ(k)(k)) + C_f_τ(k) Σ_{m=1}^{d?_τ(k)(k)} f(x(k-m)) + D_u_τ(k) u(k) + D_ω_τ(k) ω(k);

x(k) = φ(k?), k? ∈ {0, -1, -2, -3, …}

其中 x(k) ∈ R? 是状态;ω(k) ∈ R^q 是属于 ??[0, ∞) 的扰动;y(k) ∈ R^m 是受控输出;A_τ(k)、A_d_τ(k)、A_f_τ(k)、B_u_τ(k)、B_ω_τ(k)、C_τ(k)、C_d_τ(k)、C_f_τ(k)、D_u_τ(k) 和 D_ω_τ(k) 是具有兼容维度的已知矩阵。其他

主要结果

本节致力于呈现和证明我们的主要结果,其主要目标围绕以下两个维度展开。

问题1(随机稳定):当 ω(k) = 0 时,系统(7)满足定义2.1的条件,实现随机稳定。

问题2((??,??,?)-γ-耗散):根据定义2.2,系统(7)表现出严格的(??,??,?)-γ-耗散性。

定理3.1 当 ω(k) = 0 时,若存在(满足一定条件),则闭环系统(7)是随机稳定的。

算例

本节将通过两个数值算例来说明上述理论的有效性。

算例4.1 考虑具有两种模态(即 n=2)的MJSs (7),具体参数如下:

模态1:
A? = [0.38, 0.39; -0.12, 0.45], A_d? = [0.45, 0.1; -0.15, 0.35], A_f? = [0.85, 0.1; -0.15, 0.65], B_u? = [0.65, 0.39; -0.2, 0.42], B_w? = [0.25; -0.2], C? = [0.58, 0.39; -0.12, 0.45], C_d? = [0.75, 0.1; -0.13, 0.65], C_f? = [0.84, 0.1; -0.14, 0.63], D_u? = [0.66, 0.38; -0.17, 0.4], D_w? = [0.45; 0.2]。

模态2:
A? = [0.62, 0.12; -0.2, 0.6], A_d? = [0.25, 0.05; -0.1, 0.15], A_f? = [0.75, 0.08; -0.12, 0.45]

结论

本工作针对一类受GTPs影响和非平稳耗散的MJSs解决了控制器综合问题。通过利用所建立的引理2.1,有效地处理了部分未知的转移概率。此外,通过结合Lyapunov稳定性理论与随机过程性质,本研究有效地克服了不确定转移概率和多个时变延迟带来的挑战。已推导出充分条件,其形式为(线性矩阵不等式)。

未引用参考文献

Cheng et al. (2017)

CRediT作者贡献声明

闫然山:原始稿撰写、方法论、调查研究、资金获取、形式化分析、概念构思。明秀张:原始稿撰写、调查研究。军程:监督指导、方法论。婷婷天:软件、形式化分析。世宇东:审阅与编辑、资源。

利益冲突声明

作者声明他们没有已知的竞争经济利益或个人关系可能会影响本文所报告的工作。

闫然山 | 明秀张 | 军程 | 婷婷天 | 世宇东

郑州轻工业大学数学与信息科学学院,郑州,450002,中国
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号