Stability and stabilization of sampled-data control for lure systems

• Autor(a) principal: Titton, Mathias Giordani
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/223670
• topic: Sistemas de controle; Controle baseado em dados; Amostragem; Sampled-data control; Lure systems; Stability and stabilization; Looped-functional approach; Particle swarm optimization algorithm

Este trabalho apresenta um novo método para a análise de estabilidade e estabilização de sistemas do tipo Lure com controle amostrado, sujeitos a amostragem aperiódica e não linearidades que são limitadas em setor e restritas em derivada, em ambos contextos global e regional. Assume-se que os estados da planta estão disponíveis para medição e que as não linearidades são conhecidas, o que leva a uma formulação mais geral do problema. Os estados são adquiridos por um controlador digital que atualiza a entrada de controle em instantes de tempo discretos e aperiódicos, mantendo-a constante entre dois instantes sucessivos de amostragem. A abordagem apresentada neste trabalho é baseada no uso de uma nova classe de looped-functionals e em uma função do tipo Lure generalizada, que leva a condições de estabilidade e estabilização que são escritas na forma de desigualdades matriciais lineares (LMIs) e quasi-LMIs, respectivamente. Com base nestas condições, problemas de otimização são formulados com o objetivo de computar o intervalo máximo entre amostragens ou os limites máximos do setor para os quais a estabilidade assintótica da origem do sistema de dados amostrados em malha fechada é garantida. No caso em que as condições de setor são válidas apenas localmente, a solução desses problemas também fornece uma estimativa da região de atração para as trajetórias em tempo contínuo do sistema em malha fechada. Como as condições de síntese são quasi-LMIs, um algoritmo de otimização por enxame de partículas é proposto para lidar com as não linearidades envolvidas nos problemas de otimização, que surgem do produto de algumas variáveis de decisão. Exemplos numéricos são apresentados ao longo do trabalho para destacar as potencialidades do método.