改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

T-S模糊系统的部分状态反馈H∞控制

基于部分状态信息的控制器是一类特殊的静态输出反馈控制器, 一般难以利用线性矩阵不等式工具求解. 本文研究T-S模糊系统的部分状态反馈镇定及部分状态反馈H∞控制问题. 首先, 通过矩阵变换, 将T-S模糊系统的部分状态反馈镇定问题转换成求解一组线性矩阵不等式(LMIs); 然后, 以此为基础得到基于LMI的部分状态反馈H∞控制器设计方法; 最后, 通数值例子验证所给方法的有效性.     

时变广义系统的H∞控制

研究系统矩阵中含有范数有界不确定性广义系统的H∞控制问题，通过广义系统的有界实引理分析不确定广义系统容许性以及H∞干扰衰减问题，利用线性矩阵不等式方法和Schur补定理将时变广义系统H∞控制问题转化为对定常广义系统H∞控制问题进行研究，得出了具有时变不确定性广义系统在范数有界的约束下等价于定常广义系统的结论。     

广义系统H∞控制的GARI方法

本文在[1]的基础上给出了广义系统在一般情况下H∞动态控制器存在的充要条件并在一定条件下将充分条件归结为两个代数Riccati不等式满足广义约束（CARI）的解，给出广义系统在该条件下的H∞次优控制器，并给出了数值实例说明本文的结果。     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。     

不确定模糊动态系统的二次稳定性研究

研究了连续不确定模糊模型的二次稳定性,这种不确定的模糊模型被用来表示一类不确定的连续的复杂的非线性系统,该系统既包括语言信息又包括系统的不确定性。本文还证明了:如果一个合适的Riccati方程或者一个Riccati方程的集合有解的话,那么该不确定模糊动态系统是二次稳定的。