By this author

Optimal Absolute Stabilization of Unknown Lurie Systems Based on Experimental Data and A Priori Information

Issue number 2 from 01.02.2025

Для систем Лурье, состоящих из неизвестной линейной подсистемы и неизвестных нелинейных функций, лежащих в заданных секторах, разработан метод построения оптимального абсолютно стабилизирующего управления на основе экспериментальных и априорных данных. В основе метода лежит минимаксный подход, при котором максимизация интегрального квадратичного функционала осуществляется на пересечении двух матричных эллипсоидальных множеств, выделяемых по экспериментальным и априорным данным. Результаты математического моделирования нелинейного осциллятора показывают преимущество получаемого закона управления над классическим робастным управлением, синтезируемым на основе априорной информации.

6 0

On the Lagrange Duality of Stochastic and Deterministic Minimax Control and Filtering Problems

Issue number 2 from 15.02.2023

Показано, что нормы линейного оператора в детерминированном и стохастическом случаях являются оптимальными значениями двойственных по Лагранжу задач. Для линейных нестационарных систем на конечном горизонте принцип двойственности приводит к стохастическим интерпретациям обобщенных H2- и H∞-норм системы. Рассмотрены стохастические минимаксные задачи фильтрации и управления при неизвестных ковариационных матрицах случайных факторов. Получены уравнения обобщенных H∞-субоптимальных регуляторов, фильтров и идентификаторов, обеспечивающих компромисс между дисперсией ошибки на конце интервала наблюдений и суммой дисперсий ошибок на всем интервале.

7 0

Design of Suboptimal Robust Controllers Based on a Priori and Experimental Data

Issue number 8 from 15.08.2023

Развивается новый подход, позволяющий в едином формате синтезировать субоптимальные робастные законы управления неопределенными объектами при различных критериях на основе априорной информации и экспериментальных данных. Показано, что гарантированные оценки γ0-, обобщенной H2- и H∞-норм замкнутой системы и соответствующие субоптимальные робастные законы управления выражаются в терминах решений линейных матричных неравенств, формируемых с учетом априорного знания и данных, полученных при моделировании объекта. Численный пример демонстрирует улучшение качества систем управления при совместном использовании априорных и экспериментальных данных.

3 0

Design of Generalized H∞-Suboptimal Controllers Based on Experimental and A Priori Data

Issue number 1 from 15.01.2024

Показано, что при отсутствии математической модели линейного непрерывного или дискретного динамического объекта закон управления, обеспечивающий субоптимальное гашение начального и/или внешнего возмущений, может быть реализован по экспериментальным и априорным данным. В основе подхода лежат методы построения робастного управления, теория двойственности и аппарат линейных матричных неравенств.

7 0

How to Improve Robust Control of a Linear Time-Varying System by Using Experimental Data

Issue number 6 from 15.06.2024

Показано, что робастное управление, построенное только по априорной информации о неопределенности в объекте, может быть значительно улучшено за счет дополнительного использования экспериментальных данных. Излагается синтез обобщенных H∞-управлений неизвестной линейной нестационарной системой на конечном горизонте, которые оптимизируют уровни гашения внешнего и/или начального возмущений, а также максимальное уклонение терминального состояния системы. Метод не требует выполнения условия неисчезающего возбуждения или рангового условия, гарантирующих идентифицируемость системы, что позволяет значительно уменьшить объем экспериментальных данных.

7 0