Resumen

Este documento investiga la estabilización de sistemas de control en red (NCSs) con retrasos y periodos de muestreo aleatorios. Los periodos de muestreo pueden cambiar aleatoriamente entre tres casos según los tipos alto, bajo y medio de carga de red. Los retrasos y periodos de muestreo aleatorios de sensor a controlador se modelan como cadenas de Markov. Las probabilidades de transición de las cadenas de Markov no necesitan ser completamente conocidas. Se diseña un controlador de retroalimentación de estado a través del enfoque iterativo de desigualdad matricial lineal (LMI). Se muestra que el controlador diseñado es de dos modos y depende no solo del retraso actual sino también del periodo de muestreo disponible más reciente en el nodo del controlador. Los sistemas en lazo cerrado resultantes son sistemas lineales de salto discretos especiales con dos modos. Se establecen las condiciones suficientes para la estabilidad estocástica. Se presenta un ejemplo del carro y péndulo invertido para ilustrar la efectividad del resultado teórico.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Sistemas de control en red; Retrasos aleatorios; Períodos de muestreo aleatorios; Cadenas de Markov; Enfoque de desigualdad de matrices lineales; Estabilidad estocástica.
• Keywords:Networked control systems; Random delays; Random sampling periods; Markov chains; Linear matrix inequality approach; Stochastic stability.