Resumen

Este artículo se centra en los problemas de estabilidad de sistemas lineales continuos con dos componentes de retardo aditivo variables en el tiempo. En primer lugar, se establece un funcional de Lyapunov-Krasovskii (LKF) efectivo y simple, que no solo tiene en cuenta la información adecuada de los componentes de retardo y sus límites superiores, sino que también establece una forma más simple para disminuir la complejidad computacional. En segundo lugar, se obtiene un criterio de estabilidad dependiente del retardo mejorado junto con su corolario mediante el uso de la desigualdad basada en matrices de ponderación libre generalizada (GFWM) y algunas otras técnicas para calcular la derivada del LKF construido, lo que reducirá aún más el error de estimación introducido y hará que los criterios sean menos conservadores. Por último, se presenta un ejemplo numérico para ilustrar la menor conservaduría y menor complejidad computacional de los resultados derivados.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Estabilidad; Sistemas lineales continuos; Componentes de retardo variables en el tiempo; Funcional de Lyapunov-Krasovskii; Criterio de estabilidad dependiente del retardo; Basado en matriz de ponderación libre generalizada; Complejidad computacional
• Keywords:Stability; Continuous linear systems; Time-varying delay components; LyapunovKrasovskii functional; Delay-dependent stability criterion; Generalized free-weighting-matrix-based; Computational complexity