دانلود ترجمه مقاله کنترل غیرشکنده مبتنی بر مدل فازی برای سیستم های آشفته منفرد

1. مقدمه 2. فرمولاسیون مسئله 3. نتایج اصلی 4. مثال های عددی 5. نتیجه گیری

چکیده – این مقاله با مسئله کنترل غیرشکننده مبتنی بر مدل فازی برای سیستم های آشفته منفرد غیرخطی گسسته زمان با پارامترهای پرش احتمالاتی، سروکار دارد. پارامترهای احتمالاتی از فرآیند نیمه مارکوف تولید می شوند. خاصیت حافظه احتمالات گذار میان زیرسیستم ها یا سیستم های فرعی در سیستم های بررسی شده کاملاً مورد ملاحظه قرار گرفته است. در نتیجه، این محدودیت که احتمالات گذار بدون حافظه هستند که در مدل پرش مارکوف گسسته زمان بسیار مورد استفاده قرار گرفته را می توان مرتفع کرد. براساس رویکرد مدل فازی T-S و مفهوم کرنل نیمه مارکوف، چندین ضابطه که پایداری میانگین مربع خطای δ سیستم حلقه بسته ضمنی را تضمین می کنند، ایجاد شدند. با کمک این ضابطه ها، روالهای طراحی شده می توانند بخوبی با مسئله شکننده بودن در پیاده سازی کنترلر مبتنی بر مدل فازی پیشنهادی سروکار داشته باشند که اینها در اینجا ارائه می شوند. روشی برای برآورد حداکثر مقدار مجاز پارامتر آشفته منفرد برای سیستم های آشفته منفرد پرش نیمه مارکوف غیرخطی گسسته زمان ابداع شده است. در نهایت، اعتبار نتایج نظری ایجاد شده با یک مثال عددی توضیح داده می شود و یک مدل مدار دیودی تونلی اصلاح شده نشان داده می شود. مقدمه: سیستم های آشفته منفرد (SPS ها) یک دسته از سیستم های دینامیک هستند که ویژگی های چندین مقیاس چند زمانی (MTS) از خود نشان می دهند. به عنوان یک الگوی مدل سازی مناسب، SPS ها شدیداً قادر به تحلیل رفتارهای دینامیک بسیاری از سیستم های فیزیکی با تعدادی از پارامترهای پارازیتی، مانند گذرایی در رگولاتورهای ولتاژ یا راکتانس های ماشین در مدلهای سیستم قدرت، ثابت های زمانی فعالسازها (بوبین) ها در سیستم های کنترل صنعتی، تعداد کمی آنزیم در مدلهای بیوشیمی، نوترون های سریع در مدلهای راکتور هسته ای می باشند [1]. قبلاً توضیح داده شده که چرا کارهای پژوهشی متعدد در مطالعه SPS های خطی و غیرخطی ، مشارکت داشته اند. بطور کلی، اکثر نتایج مرتبط موجود بر تحلیل و کنترل SPS های خطی تمرکز کرده اند که بنابراین یک مسئله غامض و فوری این است که چگونه چنین نتایجی را به SPS های غیرخطی تعمیم دهیم. با تشخیص چنین حقیقتی، تعدادی کار اخیر تحلیل و طراحی SPS های غیرخطی بوسیله رویکرد مدل گراف اتصال ، [2]، روش اویلر [3]، روش مدل فازی T-S در [4 تا 11] و غیره را بررسی کرده اند.

This paper is concerned with the fuzzy-model-based nonfragile control problem for discrete-time nonlinear singularly perturbed systems with stochastic jumping parameters. The stochastic parameters are generated from the semi-Markov process. The memory property of the transition probabilities among subsystems is fully considered in the investigated systems. Consequently, the restriction that the transition probabilities are memoryless in widely used discrete-time Markov jump model can be removed. Based on the T-S fuzzy model approach and semi-Markov kernel concept, several criteria ensuring δ-error mean square stability of the underlying closed-loop system are established. With the help of those criteria, the designed procedures which could well deal with the fragility problem in the implementation of the proposed fuzzy-model-based controller are presented. A technique is developed to estimate the permissible maximum value of singularly perturbed parameter for discrete-time nonlinear semi-Markov jump singularly perturbed systems. Finally, the validity of the established theoretical results is illustrated by a numerical example and a modified tunnel diode circuit model. INTRODUCTION: Singularly perturbed systems (SPSs) denote a class of dynamic systems displaying multiple-time scales (MTS) features. As a suitable modeling paradigm, SPSs are strongly capable of analyzing the dynamics behaviors of many physical systems with some parasitic parameters, such as transients in voltage regulators or machine reactances in power system models, time constants of actuators in industrial control systems, a small number of an enzyme in biochemical models, fast neutrons in nuclear reactor models [1]. It is readily explained why numerous research works have contributed to the study of linear and nonlinear SPSs. On the whole, most of the existing related results focus on the analysis and control of linear SPSs, an urgent question, therefore, is that how to extend such results to nonlinear SPSs. Realizing such a fact, some recent works have investigated the analysis and design of nonlinear SPSs by bond graph model approach [2], Euler’s methodology [3], T-S fuzzy model approach [4]–[11] and so on.