离散智能系统鲁棒控制器设计：SNNM方法

"该文探讨了离散标准神经网络模型(SNNM)在鲁棒控制器设计中的应用，针对离散智能系统，利用李亚普诺夫稳定性理论和S方法，提出了鲁棒状态反馈控制律的充分条件，并通过线性矩阵不等式(LMI)求解控制器参数。该方法适用于大多数基于神经网络或T-S模糊模型的离散智能系统，提供了一种统一的控制器综合策略。实证分析和仿真结果证明了这种方法的有效性和实用性，为非线性系统的鲁棒控制设计提供了新途径。" 本文是2009年发表于《华中科技大学学报(自然科学版)》的一篇自然科学论文，作者是张建海、张森林和刘妹琴。研究重点在于解决离散智能系统的鲁棒控制器综合问题，特别是采用了离散标准神经网络模型(SNNM)。SNNM是一种模拟人脑神经元工作方式的数学模型，常用于处理复杂非线性问题。 在论文中，作者利用了李亚普诺夫稳定性理论，这是一个在控制系统理论中广泛使用的工具，用于分析系统的稳定性。通过该理论，他们推导出确保系统鲁棒稳定性的状态反馈控制律的充分条件。此外，他们引入了S方法，这是一种优化工具，帮助在给定的约束条件下寻找控制律的参数化表示。这里的约束条件表现为线性矩阵不等式，这是一种强大的数学工具，可以有效地求解这类优化问题。 论文指出，大部分基于神经网络或T-S模糊模型的离散智能系统可以转换成SNNM的形式，这使得可以使用统一的方法来设计控制器，而不必为每种特定的系统结构单独开发设计策略。这样的通用性大大简化了控制器的设计过程。 论文通过数值示例和仿真验证了所提方法的可行性和效率。这些示例和结果表明，该方法不仅简单易行，而且在实际应用中具有良好的鲁棒性，对于解决非线性系统的控制问题提供了新的视角和方法。 总结来说，这篇论文在离散智能系统控制领域做出了贡献，提出了一种基于SNNM的鲁棒控制器设计方法，利用了李亚普诺夫稳定性理论和线性矩阵不等式，为非线性系统的鲁棒控制提供了新的理论基础和实用工具。