Journal of Control

en کنترل بازخورد حالت قوی سیستم های LPV نامشخص با استفاده از محدودیت های درجه دوم یکپارچه Robust State-Feedback Control of Uncertain LPV systems Using Integral Quadratic Constraints تخصصي Special پژوهشي Research paper <div style="text-align: justify;">یک الگوریتم مبتنی بر نابرابری ماتریس خطی (LMI) برای طراحی یک کنترل‌کننده بازخورد حالت قوی با استفاده از محدودیت‌های درجه دوم یکپارچه (IQC) برای یک سیستم متغیر پارامتر خطی نامشخص (LPVS) توسعه داده شده است. LPVS نامشخص با اتصال یک LPVS اسمی توصیف می شود که صرفاً به پارامترهای قابل اندازه گیری و عدم قطعیت ساختار بلوکی وابسته است. رویکرد IQC برای مدل‌سازی رفتار ورودی/خروجی عدم قطعیت‌ها اجرا می‌شود. به طور کلی، روش سنتز قوی و تجزیه و تحلیل پایداری IQC برای LPVS نامشخص منجر به یک مشکل غیر محدب می شود و توسط الگوریتم های تکراری حل می شود. با این حال، در روش پیشنهادی، مسئله به یک مسئله محدب تبدیل می‌شود. بنابراین، سنتز LPV برای LPVS اسمی و تجزیه و تحلیل IQC برای مدیریت عدم قطعیت ها به طور همزمان انجام می شود. در نتیجه، بدون هیچ گونه محدودیتی در ماتریس‌های سیستم اسمی، روش پیشنهادی ممکن است به عملکرد بهتر و بار محاسباتی کمتری دست یابد. علاوه بر این، هدف به حداقل رساندن l_2-gain، کنترل H_∞ است، زمانی که پایداری مجانبی حلقه بسته نیز تضمین شده باشد. عملکرد و اثربخشی روش پیشنهادی بر اساس دو مثال نشان داده شده است</div> <div style="text-align: justify;">A linear matrix inequality (LMI)-based algorithm is developed to design a robust state-feedback controller using integral quadratic constraints (IQCs) for an uncertain linear parameter varying system (LPVS). The uncertain LPVS is described by an interconnection of a nominal LPVS which is solely dependent on the measurable parameters and a block-structured uncertainty. The IQC approach is implemented to model the input/output behavior of the uncertainties. In general, the robust synthesis method and the IQC stability analysis for the uncertain LPVS lead to a non-convex problem and are solved by the iterative algorithms. However, in the proposed method, the problem is converted into a convex problem. Therefore, the LPV synthesis for the nominal LPVS and the IQC analysis for handling uncertainties are performed simultaneously. Consequently, without any constraints on nominal system matrices, the proposed method might achieve a better performance and less computational burden. Furthermore, the object is to minimize the <m:ctrlpr></m:ctrlpr> <m:r><m:rpr><m:scr m:val="roman"><m:sty m:val="bi"></m:sty></m:scr></m:rpr>l</m:r> <m:r><m:rpr><m:scr m:val="roman"><m:sty m:val="bi"></m:sty></m:scr></m:rpr>2</m:r> -gain, <m:ctrlpr></m:ctrlpr> <m:r><m:rpr><m:scr m:val="roman"><m:sty m:val="bi"></m:sty></m:scr></m:rpr>H</m:r> <m:r><m:rpr><m:scr m:val="roman"><m:sty m:val="bi"></m:sty></m:scr></m:rpr>∞</m:r>  control, when the closed-loop asymptotical stability is also guaranteed. The performance and effectiveness of the proposed method are demonstrated based on two examples</div> کنترل کننده برنامه ریزی شده بهره, محدودیت های درجه دوم انتگرال, سیستم چند موضوعی, سیستم های متغیر پارامتر خطی نامشخص. gain-scheduled controller, integral quadratic constraints, polytopic system, uncertain linear parameter varying systems. 45 53 http://joc.kntu.ac.ir/browse.php?a_code=A-10-60-6&slc_lang=en&sid=1 Hadi Behrouz هادی بهروز hadi.behruz@gmail.com 10031947532846009815 10031947532846009815 Yes Faculty of Electrical and computer Engineering, Malek Ashtar University of Technology, Tehran, Iran دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران Iman Mohammadzaman ایمان محمدزمان mohammadzaman@mut.ac.ir 10031947532846009816 10031947532846009816 No Faculty of Electrical and computer Engineering, Malek Ashtar University of Technology, Tehran, Iran دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران Ali Mohammadi علی محمدی ali_mohammadi@yahoo.com 10031947532846009817 10031947532846009817 No Faculty of Electrical and computer Engineering, Malek Ashtar University of Technology, Tehran, Iran دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران