线性时滞系统的先验特征方程有无穷多的特征值通常很难完全计算。然而,一阶线性时滞系统的光谱可以用兰伯特函数进行分析。本文研究了稳定和一阶线性时滞系统的状态反馈稳定通过兰伯特详细功能。有关的主要问题是最右边的特征值位置,稳定鲁棒性对延迟时间,响应闭环系统的性能。例子和仿真给出了说明分析结果。
1。介绍
系统内部信号传输延迟是很常见的电气、机械、生物、化学工程问题。系统组件的延迟可能是固有的特点或控制过程的一部分<一个href=”#B1">1一个>]。迟钝型时滞系统探讨属于那些可以由常微分方程建模(常微分方程)结合不同条款,称为微分差分方程(dd) [<一个href=”#B2">2一个>]。
最近,研究工作状态的解决方案,时滞系统的可控性、可观测性和控制器设计是非常丰富的<一个href=”#B3">3一个>,<一个href=”#B4">4一个>]。在控制器设计领域,许多文学评论(<一个href=”#B5">5一个>- - - - - -<一个href=”#B7">7一个>提出线性矩阵不等式(LMI)条件找到控制器。然而,合成LMI条件大多是足够的。
迟钝型时滞系统被认为是无限维的,超越特征方程和一个无限的频谱。在过去的十年里,许多作品来发现的主导特征值甚至整个频谱。例如,在[<一个href=”#B8">8一个>]介绍了很多方法迭代地找到近似最右面的特征值。另一个重要的数值方法提出了(<一个href=”#B9">9一个>),它使用兰伯特函数来开发一个频谱的表达式。随后,表达式应用于决定国家的解决方案,讨论可控制性和可观测性,设计状态反馈控制器(<一个href=”#B10">10一个>- - - - - -<一个href=”#B13">13一个>]。
通过兰伯特函数方法,理论上可以观察到光谱的完整视图。最近,一个辅助矩阵引入结合兰伯特函数寻找高阶时滞系统的光谱,但也指出,这样的辅助矩阵的存在性和唯一性仍开放问题[<一个href=”#B14">14一个>]。因此,作为复杂的高阶时滞系统的基础,本文讨论了一阶延迟系统集中在兰伯特的功能。
一阶线性系统具有输入时滞一直专注的研究在文学评论等(<一个href=”#B8">8一个>,<一个href=”#B15">15一个>]。讨论稳定,普遍关心的三个因素的影响:系统参数、控制器增益,和延迟的大小。在[<一个href=”#B15">15一个>]研究了比例控制器,只有稳定控制器增益的范围进行了分析通过Pade逼近和穿越频率的决心。在[<一个href=”#B8">8一个>),稳定区域图构造对上述三个因素,但该方法提出在本质上是迭代的计算量。通过兰伯特函数的性质,探讨稳定性以及性能的一阶线性时滞系统的状态反馈。不仅稳定条件,但整个闭环谱可以公开,便于控制器的选择收益实现控制目标。更具体地说,将位于最右边的特征值,并将强调一些更深层次的问题,包括稳定和稳定鲁棒性对延迟时间。此外,如何选择反馈增益为了获得更好的响应性能也覆盖。最后,实例和模拟给出了说明分析结果。
考虑一阶时滞系统,<年代pan class="equation" id="EEq2.1">
在哪里<年代vg height="10.8875" id="M2" style="vertical-align:-0.33858pt;width:39.787498px;" version="1.1" viewbox="0 0 39.787498 10.8875" width="39.787498" xmlns="http://www.w3.org/2000/svg">
∈
ℝ
是状态变量,<年代vg height="10.8875" id="M3" style="vertical-align:-0.33858pt;width:38.599998px;" version="1.1" viewbox="0 0 38.599998 10.8875" width="38.599998" xmlns="http://www.w3.org/2000/svg">
∈
ℝ
是输入信号,<年代vg height="14.5375" id="M4" style="vertical-align:-3.25793pt;width:45.125px;" version="1.1" viewbox="0 0 45.125 14.5375" width="45.125" xmlns="http://www.w3.org/2000/svg">
0
∈
ℝ
和<年代vg height="10.9875" id="M5" style="vertical-align:-0.33858pt;width:38.537498px;" version="1.1" viewbox="0 0 38.537498 10.9875" width="38.537498" xmlns="http://www.w3.org/2000/svg">
∈
ℝ
系统参数,<年代vg height="10.95" id="M6" style="vertical-align:-0.1254pt;width:9.1374998px;" version="1.1" viewbox="0 0 9.1374998 10.95" width="9.1374998" xmlns="http://www.w3.org/2000/svg">
ℎ
是一个非负常数延迟时间,<年代vg height="11.075" id="M7" style="vertical-align:-3.25793pt;width:14.8125px;" version="1.1" viewbox="0 0 14.8125 11.075" width="14.8125" xmlns="http://www.w3.org/2000/svg">
0
是初始条件。当一个状态反馈控制器<年代vg height="13.45" id="M8" style="vertical-align:-2.21957pt;width:78.025002px;" version="1.1" viewbox="0 0 78.025002 13.45" width="78.025002" xmlns="http://www.w3.org/2000/svg">
(
)
=
(
)
应用(<一个href=”#EEq2.1">1一个>)成为<年代pan class="equation" id="EEq2.2">
在哪里<年代vg height="14.475" id="M10" style="vertical-align:-3.13504pt;width:53.962502px;" version="1.1" viewbox="0 0 53.962502 14.475" width="53.962502" xmlns="http://www.w3.org/2000/svg">
1
=
。状态方程模型(<一个href=”#EEq2.2">2一个>)是一个DDE,系统的稳定性和稳定研究。特征方程(<一个href=”#EEq2.2">2一个>)是<年代vg height="17.9125" id="M11" style="vertical-align:-3.25793pt;width:144.33749px;" version="1.1" viewbox="0 0 144.33749 17.9125" width="144.33749" xmlns="http://www.w3.org/2000/svg">
Δ
(
)
=
−
0
−
1
−
ℎ
一个先验的,有着无穷多的根源。有一些数值方法求解这类方程,比如ODE-based方法(<一个href=”#B16">16一个>),但利用朗伯函数(<一个href=”#B17">17一个>)公开属性的特征值。
3所示。兰伯特函数
兰伯特函数<年代vg height="13.625" id="M12" style="vertical-align:-2.21957pt;width:31.85px;" version="1.1" viewbox="0 0 31.85 13.625" width="31.85" xmlns="http://www.w3.org/2000/svg">
(
⋅
)
是满足的功能<年代vg height="16.6625" id="M13" style="vertical-align:-2.21957pt;width:144.41251px;" version="1.1" viewbox="0 0 144.41251 16.6625" width="144.41251" xmlns="http://www.w3.org/2000/svg">
(
)
(
)
=
,
∈
ℂ
。它是一个多值函数,函数值和被列为主要分支<年代vg height="10.7375" id="M14" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
th-branch所有非零的整数<年代vg height="10.7375" id="M15" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
。表达<年代vg height="13.4875" id="M16" style="vertical-align:-2.34499pt;width:68.574997px;" version="1.1" viewbox="0 0 68.574997 13.4875" width="68.574997" xmlns="http://www.w3.org/2000/svg">
=
+
和<年代vg height="13.7875" id="M17" style="vertical-align:-2.34499pt;width:94.474998px;" version="1.1" viewbox="0 0 94.474998 13.7875" width="94.474998" xmlns="http://www.w3.org/2000/svg">
(
)
=
+
复数的形式,一个有关系<年代pan class="equation" id="EEq3.1">
在下一节中,这将是清楚<年代vg height="10.8875" id="M19" style="vertical-align:-0.33858pt;width:38.987499px;" version="1.1" viewbox="0 0 38.987499 10.8875" width="38.987499" xmlns="http://www.w3.org/2000/svg">
∈
ℝ
需要讨论这篇文章的目的,所以<年代vg height="13.55" id="M20" style="vertical-align:-2.29482pt;width:35.137501px;" version="1.1" viewbox="0 0 35.137501 13.55" width="35.137501" xmlns="http://www.w3.org/2000/svg">
=
0
或<年代vg height="13.425" id="M21" style="vertical-align:-2.29482pt;width:73.1875px;" version="1.1" viewbox="0 0 73.1875 13.425" width="73.1875" xmlns="http://www.w3.org/2000/svg">
=
−
c
o
t
与<年代vg height="13.55" id="M22" style="vertical-align:-2.29482pt;width:36.049999px;" version="1.1" viewbox="0 0 36.049999 13.55" width="36.049999" xmlns="http://www.w3.org/2000/svg">
=
0
,<年代vg height="13.725" id="M23" style="vertical-align:-2.29482pt;width:62.924999px;" version="1.1" viewbox="0 0 62.924999 13.725" width="62.924999" xmlns="http://www.w3.org/2000/svg">
(
)
=
或<年代vg height="13.7875" id="M24" style="vertical-align:-2.34499pt;width:131.425px;" version="1.1" viewbox="0 0 131.425 13.7875" width="131.425" xmlns="http://www.w3.org/2000/svg">
(
)
=
−
c
o
t
+
。我>函数的部分情节<年代vg height="13.425" id="M25" style="vertical-align:-2.29482pt;width:73.1875px;" version="1.1" viewbox="0 0 73.1875 13.425" width="73.1875" xmlns="http://www.w3.org/2000/svg">
=
−
c
o
t
显示在图<一个href=”//www.newsama.com/journals/jcse/2011/719730/fig1/" target="_blank">1一个>,很容易推断出其余的部分功能。