فهرس المقالات Nonlinear systems

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - A Stochastic Lyapunov Theorem with Application to Stability Analysis of Networked Control Systems
  Babak Tavassoli Parviz Jabehdar Maralani
  10.7508/jist.2014.02.004
  The source of randomness in stochastic systems is an input with stochastic behavior as treated in the existing literature. Special types of stochastic processes such as the Wiener process or the Brownian motion have served as an adequate model of such an input for years أکثر

  The source of randomness in stochastic systems is an input with stochastic behavior as treated in the existing literature. Special types of stochastic processes such as the Wiener process or the Brownian motion have served as an adequate model of such an input for years. The body of stochastic systems theory is elegantly shaped around such input models. An example is the Itô’s formula. With development of new applications, we are faced with various phenomena that are more demanding from a stochastic modeling approach. To cope with this problem we restate the stochastic Lyapunov theorem such that it can be applied to a wider class of stochastic systems. In this paper stochastic systems are considered without imposing assumptions on the nature of the stochastic input and the way it affects the sample trajectories. Lyapunov stability theorem is represented for this type of systems in terms of a stability notion that generalizes the notion of stability in moments. As a result, the new theorem finds a larger domain of applications while it can be reduced to some known versions of the stochastic Lyapunov theorem. As an application, an existing deterministic result for nonlinear networked control systems is extended to a more practical probabilistic setting which extends the available analysis tools for checking the stability of continuous-time nonlinear networked control systems in the stochastic setting. The results are applied to a two-channel magnetic levitation system which is controlled over a local communication network to obtain a bound on the rate of transmission failures due to the presence of noise in the industrial environment. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - تخمین حالت سیستم‌های غیر خطی با استفاده از فیلتر کالمن مکعبی جمع گوسی بر اساس قانون شعاعی- کروی سیمپلکس
  محمدامین احمدپور کاخک بهروز صفری نژادیان
  در این مقاله الگوریتم جدیدی از فیلترهای جمع گوسی برای تخمین حالت سیستم‌های غیر خطی ارائه شده است. روش پیشنهادی شامل اجرای چند فیلتر کالمن مکعبی به شکل موازی است به صورتی که هر کدام از این فیلترها بر اساس قوانین شعاعی- کروی سیمپلکس پیاده‌سازی می‌شوند. در این روش تابع چگا أکثر

  در این مقاله الگوریتم جدیدی از فیلترهای جمع گوسی برای تخمین حالت سیستم‌های غیر خطی ارائه شده است. روش پیشنهادی شامل اجرای چند فیلتر کالمن مکعبی به شکل موازی است به صورتی که هر کدام از این فیلترها بر اساس قوانین شعاعی- کروی سیمپلکس پیاده‌سازی می‌شوند. در این روش تابع چگالی احتمال حالت به صورت مجموع وزنی از چند تابع گوسی است که مقادیر میانگین، کواریانس و همچنین ضرایب وزنی این توابع گوسی به صورت بازگشتی و در طول زمان محاسبه می‌شوند و هر کدام از فیلترهای کالمن مکعبی نیز مسئول به روز رسانی یکی از این توابع هستند. در نهایت عملکرد فیلتر پیشنهادی با استفاده از دو مسأله تخمین حالت غیر خطی مورد بررسی قرار گرفته و نتایج آن با فیلترهای غیر خطی مرسوم مقایسه می‌شود. شبیه‌سازی‌های صورت‌گرفته نشان از دقت مناسب الگوریتم پیشنهادی در تخمین حالت سیستم‌های غیر خطی دارد. تفاصيل المقالة