Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

  1. (School of Electronics Engineering, Chungbuk National University, Korea.)



Time-delay, Stability, New form of LKF, Bessel-Legendre inequality, Improved reciprocally convex inequality

1. 서 론

잘 알려진 바와 같이 시간지연은 시스템 성능 저하뿐만 아니라, 시간지연 시스템이 불안정하게 만들기까지 한다(13)(14). 따라서 지난 몇 세기 동안 시변 시간지연을 갖는 시간지연 시스템의 안정성에 관한 많은 연구가 활발히 이루어져 왔고(13)(14), 자세한 것은 최근의 survey 논문을 참고 바란다(11).

다음으로 기술되는 시변 시간지연을 갖는 시간지연 선형 시스템을 생각하자.

(1)
$$ \left\{\begin{array}{l}{x(t)=A x(t)+A_{1} x(t-d(t)), t \geq 0} \\ {x(t)=\phi(t), t \in[-h, 0]}\end{array}\right. $$

여기서 $x(t)\in R^{n}$은 시스템의 상태, $A ,\: A_{1}\in R^{n\times n}$은 상수 시스템 행렬들, $\phi(t)$는 상태의 초기 조건, 그리고 시간 지연 $d(t)$는 상수 $h,\:\mu_{1},\:\mu_{2}$에 대하여 다음을 만족한다.

(2)
$$ \left\{\begin{array}{l}{0 \leq d(t) \leq h} \\ {\mu_{1} \leq \dot{d}(t) \leq \mu_{2}}\end{array}\right. $$

먼저 완벽 Lyapunov 함수 (Complete Lyapunov function) 방법을 이용하면 시간지연이 상수인 시간지연 선형시스템의 안정성에 관한 필요 충분 조건을 얻을 수 있다(13)(14). 반면에 단순 Lyapunov-Krasovskii 함수(Simple Lyapunov-Krasovskii functional) 방법은 안정성에 관한 충분조건 만을 얻을 수 있지만 시간지연이 시변인 경우에도 적용이 가능하며 또한 쉽게 적용할 수 있다는 장점이 있다. SLKF 방법은 단순한 형태의 LKF후보함수에 기초하여 시간지연 선형시스템의 안정성을 보장하는 시간지연의 최대상한을 구하는 것으로 지금도 활발히 연구가 진행 중이다. LKF를 이용한 안정성 해석은 크게

(ⅰ) 좀 더 나은 LKF의 선택(2차 적분항 추가, 3차 적분항의 추가, 확장 변수 추가)

(ⅱ) 적분부등식의 좀 더 엄밀한 상한 값의 결정(Jensen 적분 부등식, Wirtinger 기반 적분 부등식, Bessel Legendre 적분 부등식, 자유행렬 기반 적분 부등식)

(ⅲ) affine함수가 아닌 2차함수의 상한의 세 단계를 통하여 개선된 결과를 얻는다(11)(13)(14).

본 논문에서는 기존의 LKF와는 다른 새로운 형태의 LKF를 제안하고, 이를 바탕으로 시변 시간지연을 갖는 시간지연 선형시스템의 안정성을 보장하는 결과를, Bessel- Legendre 적분 부등식과 개선된 reciprocally convex inequality를 이용하여, 선형행렬부등식(LMI) 형태로 제시한다. 그리고 제시된 결과는 잘 알려진 두 개의 예제를 통하여 기존의 결과들보다 우수함을 보인다.

2. 예비 결과

다음의 보조정리 1과 이를 이용하면 쉽게 유도되는 Remark 1은 다음의 주요 결과 유도에 사용될 예비 결과들이다.

보조정리 1(6) : 대칭 행렬 $M_{1},\: M_{2},\: M_{3}\in R^{n\times n}$에 대하여 스칼라 $\theta$에 대한 1차와 2차의 두 함수 $\Omega_{1},\:\Omega_{2}$를 생각하자.

$$ \left\{\begin{array}{l}{\Omega_{1}(\theta)=\theta M_{2}+M_{1}} \\ {\Omega_{2}(\theta)=\theta^{2} M_{3}+\theta M_{2}+M_{1}}\end{array}\right. $$

그러면 다음이 성립한다.

(3)
$$ \left\{\begin{array}{c}{(\text { i }) \Omega_{1}(h)<0, \Omega_{1}(0)<0 \Rightarrow \Omega_{1}(\theta)<0, \forall \theta \in[0, h]} \\ {\text { (ii) } \Omega_{2}(h)<0, \Omega_{2}(0)<0, \Omega_{2}(0)-h^{2} M_{3}<0} \\ {\Rightarrow \Omega_{2}(\theta)<0, \forall \theta \in[0, h]}\end{array}\right. $$

증명 : $\Omega_{1}$은 스칼라 $\theta$에 관하여 affine 함수이므로 convex 함수 성질에 의하여 (i)이 성립하고, (ii)의 증명은 (8)에 있으므로 자세한 것은 생략한다. $$

보조정리 2(5) : 양확정 행렬 $W >0$에 대하여 다음이 항상 성립한다.

$-\int_{a}^{b}\dot x^{T}(s)W\dot x(s)ds\le -\dfrac{1}{b-a}\sum_{m=1}^{3}(2m-1)\chi_{m}^{T}(a,\: b)W\chi_{m}(a,\: b)$

여기서

$$ \left\{\begin{array}{l}{\chi_{1}(a, b)=x(b)-x(a)} \\ {\chi_{2}(a, b)=x(b)+x(a)-2 \frac{1}{b-a} \int_{a}^{b} x(s) d s} \\ {\chi_{3}(a, b)=\chi_{1}+6 \frac{1}{b-a} \int_{a}^{b} x(s) d s-12 \frac{1}{(b-a)^{2}} \int_{a}^{b}(s-a) x(s) d s}\end{array}\right. $$

보조정리 3(9) : 양확정 행렬 $W_{1}>0 ,\: W_{2}>0$과 실수 $\alpha\in(0,\: 1)$에 대하여 다음이 항상 성립한다.

$$ \begin{array}{c}{-\operatorname{diag}\left\{\frac{1}{\alpha} W_{1}, \frac{1}{1-\alpha} W_{2}\right\} \leq} \\ {-\left[\begin{array}{cc}{(2-\alpha) W_{1}-(1-\alpha) S_{2} W_{2}^{-1} S_{2}^{T}} & {S_{1}+\alpha\left(S_{2}-S_{1}\right)} \\ {\star} & {(1+\alpha) R_{2}-\alpha S_{1}^{T} W_{1}^{-1} S_{1}}\end{array}\right]}\end{array} $$

3. 주요 결과

편의를 위하여, $t_{d}=t-d(t),\: t_{h}=t-h,\:h_{d}(t)=h-d(t)$라하고, 다음과 같이 벡터를 정의하고

(4)
\begin{align*} \left\{v_{1}(t)=\dfrac{1}{d(t)}\int_{t_{d}}^{t}x(s)ds,\: \\ v_{2}(t)=\dfrac{1}{h-d(t)}\int_{t_{h}}^{t_{d}}x(s)ds,\:\\ v_{3}(t)=\dfrac{1}{d^{2}(t)}\int_{t_{d}}^{t}(s- t_{d})x(s)ds,\:\\ v_{4}(t)=\dfrac{1}{h_{d}^{2}(t)}\int_{t_{h}}^{t_{d}}(s- t_{h})x(s)ds\right. \end{align*}

앞으로 사용될 벡터 및 행렬들을 다음과 같이 정의하고.

(5)
$$ \begin{array}{l} {\xi_{t}=\operatorname{col}\left\{x(t), x\left(t_{d}\right), x\left(t_{h}\right), \dot{x}\left(t_{d}\right), \dot{x}\left(t_{h}\right), v_{1}(t), v_{2}(t), v_{3}(t), v_{4}(t)\right\}}, \\ {e_{i}=\operatorname{col}\left\{0_{n(i-1) \times n}, I_{n \times n}, 0_{n(9-i) \times n}\right\}, i=1,2, \cdots, 9}, \\ {E_{a}=\operatorname{col}\left\{e_{1}, e_{2}\right\}, E_{b}=\operatorname{col}\left\{e_{2}, e_{3}\right\}}, \\ {E_{1}(d(t))=\operatorname{col}\left\{e_{1}, e_{2}, e_{3}, d(t) e_{6}, h_{d}(t) e_{7}, d(t) e_{8}, h_{d}(t) e_{9}\right\}}, \\ {E_{2}=\operatorname{col}\left\{E_{a}, e_{6}, e_{8}\right\}}, \\ {E_{3}=\operatorname{col}\left\{E_{b}, e_{7}, e_{9}\right\}}, \\ {E_{4}=\operatorname{col}\left\{E_{a}, e_{1}, A_{c}\right\}}, \\ {E_{5}=\operatorname{col}\left\{E_{a}, e_{2}, e_{4}\right\}}, \\ {E_{6}=\operatorname{col}\left\{E_{b}, e_{2}, e_{4}\right\}}, \\ {E_{7}=\operatorname{col}\left\{E_{b}, e_{3}, e_{5}\right\}}, {E_{8}=\operatorname{col}\left\{e_{1}-e_{2}, e_{1}+e_{2}-2 e_{6}, e_{1}-e_{2}+6 e_{6}-12 e_{8}\right\}}, \\ {E_{9}=\operatorname{col}\left\{e_{2}-e_{3}, e_{2}+e_{3}-2 e_{7}, e_{2}-e_{3}+6 e_{7}-12 e_{9}\right\}}, \\ {A_{c}=A e_{1}+A_{d} e_{2}}, \\ {X_{1}(\dot{d}(t))=Z+(1-\dot{d}(t)) R_{33}}, \\ {X_{2}=Z+\widehat{R}_{33}}, \end{array} $$

이들의 시간에 대한 미분항이 포함된 행렬들은 다음이 된다.

(6)
$$ \begin{array}{l} {\widetilde{E}_{1}(\dot{d}(t))=\frac{d}{d t} E_{1}(d(t))=\operatorname{col}\left\{A_{c},(1-\dot{d}(t)) e_{4}, e_{5}, e_{1}-(1-\dot{d}(t)) e_{2}\right.}, \\ {(1-\dot{d}(t)) e_{2}-e_{3}, e_{1}-(1-d(\dot{t})) e_{6}-\dot{d}(t) e_{8},(1-\dot{d}(t)) e_{2}-e_{7}+\dot{d}(t) e_{9} \}}, \\ {\widetilde{E}_{a}(\dot{d}(t))=\frac{d}{d t} E_{a}=\operatorname{col}\left\{A_{c},(1-\dot{d}(t)) e_{4}\right\}}, \\ {\widetilde{E}_{b}(\dot{d}(t))=\frac{d}{d t} E_{b}=\operatorname{col}\left\{(1-\dot{d}(t)) e_{4}, e_{5}\right\}}, {\widetilde{E}_{2}(d(t), d(t))=d(t) \frac{d}{d t} E_{2}=\operatorname{coo}\left\{d(t) A_{c}, d(t)(1-\dot{d}(t)) e_{4}\right.}, \\ {e_{1}-(1-\dot{d}(t)) e_{2}-\dot{d}(t) e_{6}, e_{1}-(1-\dot{d}(t)) e_{6}-2 \dot{d}(t) e_{8} \}}, \\ {\widetilde{E}_{3}(d(t), d(t))=h_{d}(t) \frac{d}{d t} E_{4}=\operatorname{col}\left\{h_{d}(t)(1-\dot{d}(t)) e_{4}, h_{d}(t) e_{5}\right.}, \\ {(1-\dot{d}(t)) e_{2}-e_{3}+\dot{d}(t) e_{7},(1-\dot{d}(t)) e_{2}-e_{7}+2 \dot{d}(t) e_{9} \}}. \end{array} $$

다음은 시간지연 (2)를 갖는 시간지연 선형 시스템 (1)의 안정성을 보장하는 주요 결과이다.

정리 1 : 위의 수식 (5),(6)에 정의된 많은 벡터, 행렬들과 함께, $7 n\times 7n$ 실수 양확정 행렬 $P_{1}>0$, $5n\times 5n$ 실수 양확정 행렬 $Q_{1},\: Q_{2},\: R =[R_{ij}]_{3\times 3},\:\hat R =[\hat R_{ij}]_{3\times 3}>0$, $n\times n$ 양확정행렬 $Z>0$과 일반 $3n\times 3n$ 실수 행렬 $Y_{1},\: Y_{2}$이 존재하여,$Z+(1-\mu_{2})R_{33}>0$을 만족하면서 다음의 LMI들을 만족하면

(7)

(ⅰ) $\Psi_{1}(0,\:\mu_{1})< 0 ,\: \Psi_{1}(0,\:\mu_{2})< 0$

(ⅱ) $\Psi_{2}(h,\:\mu_{1})< 0 ,\: \Psi_{2}(h,\:\mu_{2})< 0$,

(ⅲ) $\Psi_{3}(0,\:\mu_{1})< 0 ,\: \Psi_{3}(0,\:\mu_{2})< 0$,

시간지연 (2)를 갖는 시간지연 시스템 (1)의 점근적 안정성이 보장 된다. 여기서

$$ \Psi_{1}(0, \dot{d}(t))=\left[\begin{array}{cc}{\Phi_{0}(0, \dot{d}(t))+\Phi_{1}(0, \dot{d}(t))} & {F_{1}^{T} Y_{2}} \\ {\star} & {-h \overline{X}_{2}}\end{array}\right], $$ $$ \Psi_{2}(h, \dot{d}(t))=\left[\begin{array}{cc}{\Phi_{0}(h, \dot{d}(t))+\Phi_{1}(h, \dot{d}(t))} & {F_{2}^{T} Y_{1}^{T}} \\ {\star} & {-h \overline{X}_{1}(\dot{d}(t))}\end{array}\right], $$ $$ \Psi_{3}(0, \dot{d}(t))=\left[\begin{array}{ccc}{\Phi_{0}(0, \dot{d}(t))+\Phi_{1}(0, \dot{d}(t))-h^{2} \Omega(\dot{d}(t))} & {F_{1}^{T}} & {\frac{Y}{\mathcal{X}}_{2}} \\ {\star} & {-h} & {\overline{X}_{2}}\end{array}\right], $$

그리고 $\Phi_{0},\:\Phi_{1,\:}\widetilde X_{2},\:\widetilde X_{1},\:\Omega$는 다음으로 주어진다.

(8)
$$ \begin{array}{c} {\Phi_{0}(d(t), \dot{d}(t))=2 E_{1}(d(t)) P_{1} \widetilde{E_{1}}(\dot{d}(t))+E_{4}^{T} Q_{1} E_{4}} \\ {\quad-(1-\dot{d}(t)) E_{5}^{T} Q_{1} E_{5}+(1-\dot{d}(t)) E_{6}^{T} Q_{2} E_{6}-E_{7}^{T} Q_{2} E_{7}} \\ +2\left[\begin{array}{c}{d(t) E_{a}} \\ {d(t) e_{6}} \\ {e_{1}-e_{2}}\end{array}\right] Q_{1}\left[\begin{array}{c}{\tilde{E}_{a}(\dot{d}(t))} \\ {e_{0}} \\ {e_{0}}\end{array}\right]+2\left[\begin{array}{c}{h_{d}(t) E_{b}} \\ {h_{d}(t) e_{7}} \\ {e_{2}-e_{3}}\end{array}\right] Q_{2}\left[\begin{array}{c}{\widetilde{E}_{b}(\dot{d}(t))} \\ {e_{0}} \\ {e_{0}}\end{array}\right] \\ {+2 d(t) E_{2}^{T}\left[\frac{1}{2} R_{11}+\frac{1}{4} R_{22}\right] \widetilde{E_{2}}(\dot{d}(t))} \\ {+d(t) \dot{d}(t) E_{2}^{T}\left[R_{11}+\frac{1}{2} R_{22}\right] E_{2}} \\ {+2 \widetilde{E_{3}^{T}}(\dot{d}(t)) R_{13}\left[e_{1}-e_{6}\right]} \\ {+2 E_{2}^{T} R_{13}\left[\dot{d}(t) e_{1}+d(t) A_{c}-e_{1}+(1-\dot{d}(t)) e_{2}\right) ]} \\ {-6\left[e_{1}-(1-\dot{d}(t)) e_{6}-\dot{d}(t) e_{8}\right] \}+d(t) A_{c}^{T} R_{33} A_{c}} \\ {+2 h_{d}(t) E_{3}^{T}\left[\frac{1}{2} \widehat{R_{11}}+\frac{1}{4} \widehat{R_{22}}\right] \widetilde{E}_{3}(\dot{d}(t))} \\ {-h_{d}(t) \dot{d}(t) E_{3}^{T}\left[\widehat{R_{11}}+\frac{1}{2} \widehat{R_{22}}\right] E_{3}} \\ {+2 \widetilde{E_{3}^{T}}(d(t)) \widehat{R_{13}}\left(e_{2}-e_{7}\right)} \\ {+2 E_{3}^{T} \widehat{R_{13}}\left[-\dot{d}(t) e_{1}+h_{d}(t)(1-\dot{d}(t)) e_{4}-(1-\dot{d}(t)) e_{2}+e_{3}\right]} \\ {+2 \widetilde{E_{4}^{T}}(d(t)) \widehat{R_{23}}\left(e_{2}+2 e_{7}-6 e_{9}\right)} \\ {+2 E_{3}^{T} \widehat{R_{23}}\left\{(1-\dot{d}(t)) e_{2}+h_{d}(t)(1-\dot{d}(t)) e_{4}+2\left[(1-\dot{d}(t)) e_{2}-e_{3}\right]\right.} \\ {-6\left[(1-\dot{d}(t)) e_{2}-e_{7}+\dot{d}(t) e_{9}\right] \}} \\ {+(1-\dot{d}(t)) h_{d}(t) e_{4}^{T} \widehat{R}_{33} e_{4}+h A_{c}^{T} Z A_{c}}, \\ {\Phi_{1}(d(t), \dot{d}(t))=-\frac{1}{h}\left\{\left(2-\frac{d(t)}{h}\right) E_{8}^{T} \overline{X}_{1}(\dot{d}(t)) E_{8}\right.} \\ {\quad+2 E_{8}^{T}\left(Y_{1}+\frac{d(t)}{h}\left(Y_{2}-Y_{1}\right)\right) E_{9}+\left(1+\frac{d(t)}{h}\right) E_{9}^{T} \widetilde{X}_{2} E_{9} \}}, \\ {\Omega(\dot{d}(t))=2} {E_{2}^{T}\left(\frac{1}{2} R_{11}+\frac{1}{4} R_{22}\right) \operatorname{col}\left\{A_{c},(1-\dot{d}(t)) e_{4}, e_{0}, e_{0}\right\}} \\ {} {+2 E_{3}^{T}\left(\frac{1}{2} \widehat{R_{11}}+\frac{1}{4} \widehat{R_{22}}\right) \operatorname{col}\left\{(1-\dot{d}(t)) e_{4}, e_{5}, e_{0}, e_{0}\right\}} {\widehat{X_{1}}(\dot{d}(t))=\operatorname{diag}\left\{X_{1}(\dot{d}(t)), \quad 3 X_{1}(\dot{d}(t)), 5 X_{1}(\dot{d}(t))\right\}} \\ {\widehat{X}_{2}=\operatorname{diag}\left\{X_{2}, 3 X_{2}, 5 X_{2}\right\}} \end{array} $$

증명 : 다음의 LKF 후보함수를 생각하자.

(9)
$V(x_{t})= v_{1}(x_{t})+ v_{2}(x_{t})+ v_{3}(x_{t})+ v_{4}(x_{t})$

여기서

$$ v_{1}\left(x_{t}\right)=\eta_{1}^{T}(t) P_{1} \eta_{1}(t), \\ v_{2}\left(x_{t}\right)=\int_{t_{d}}^{t}\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w(s)}\end{array}\right]^{T} Q_{1}\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w(s)}\end{array}\right] d s+\int_{t_{h}}^{t_{d}}\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w(s)}\end{array}\right]^{T} Q_{2}\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w(s)}\end{array}\right] d s \\ v_{3}\left(x_{t}\right)=\int_{t_{d}}^{t}\left(s-t_{d}\right)\left[\begin{array}{c}{\eta_{3}(t)} \\ {\lambda\left(s, t_{d}, t\right) \eta_{3}(t)} \\ {\dot{x}(s)}\end{array}\right]^{T} R\left[\begin{array}{c}{\eta_{3}(t)} \\ {\lambda\left(s, t_{d}, t\right) \eta_{3}(t)} \\ {\dot{x}(s)}\end{array}\right] d s \\ +\int_{t_{h}}^{t_{d}}\left(s-t_{h}\right)\left[\begin{array}{c}{\eta_{4}(t)} \\ {\lambda\left(s, t_{h}, t_{d}\right) \eta_{4}(t)} \\ {\dot{x}(s)}\end{array}\right]^{T} \hat{R}\left[\begin{array}{c}{\eta_{4}(t)} \\ {\lambda\left(s, t_{h}, t_{d}\right) \eta_{4}(t)} \\ {\dot{x}(s)}\end{array}\right] d s \\ v_{4}\left(x_{t}\right)=\int_{t_{h}}^{t}\left(s-t_{h}\right) \dot{x}^{T}(s) Z \dot{x}(s) d s $$

그리고 $$ \eta_{1}(t)=E_{1}(d(t)) \xi_{t}, \eta_{2 a}(t)=E_{a} \xi_{t}, \eta_{2 b}(t)=E_{b} \xi_{t}, \eta_{3}(t)=E_{2} \xi_{t} \\ \begin{aligned} \eta_{4}(t) &=E_{3} \xi, w(s)=\operatorname{col}\{x(s), \dot{x}(s)\}, \dot{\eta}_{1}(t) \\ &=\widetilde{E}_{1}(\dot{d}(t)) \xi_{t}, \eta_{2 a}(t)=\widetilde{E_{2 a}}(\dot{d}(t)) \end{aligned}\\ \dot{\eta}_{2 b}(t) )=\widetilde{E_{2 b}}(\dot{d}(t)) \xi_{t}, \dot{\eta}_{3}(t)=\frac{1}{d(t)} \widetilde{E}_{2}(\dot{d}(t)) \xi_{t}, \dot{\eta}_{4}(t)=\frac{1}{h_{d}(t)} \widetilde{E}_{3}(\dot{d}(t)) \xi_{t} \\ \lambda(s, a, b)=\frac{3 s-(a+2 b)}{b-a} $$ 이다. 이를 바탕으로 위의 LKF 후보함수 (9)의 시스템 궤적 (1)에 따른 시간 미분을 구하면 각각 다음을 얻는다.

$$\dot v_{1}(x_{t})= 2\eta_{1}^{T}(t)P_{1}\dot\eta_{1}(t),\:$$ $$ \dot{v}_{2}\left(x_{t}\right)=\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w(t)}\end{array}\right]^{T} Q_{1}\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w(t)}\end{array}\right]-(1-\dot{d}(t))\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w\left(t_{d}\right)}\end{array}\right]^{T} Q_{1}\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w\left(t_{d}\right)}\end{array}\right] \\ +(1-\dot{d}(t))\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w\left(t_{d}\right)}\end{array}\right]^{T} Q_{2}\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w\left(t_{d}\right)}\end{array}\right] \\ +2 \int_{t_{d}}^{t}\left[\begin{array}{c}{\eta_{2 a}(t)} \\ {w(s)}\end{array}\right] Q_{1}\left[\begin{array}{c}{\eta_{2 a}^{\prime}(t)} \\ {0}\end{array}\right]-\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w\left(t_{h}\right)}\end{array}\right]^{T} Q_{2}\left[\begin{array}{c}{\eta_{2 b}(t)} \\ {w\left(t_{h}\right)}\end{array}\right] \\ +2 \int_{t_{h}}^{t_{d}}\left[\begin{array}{l}{\eta_{2}(t)} \\ {w(s)}\end{array}\right] Q_{2}\left[\begin{array}{c}{\dot{\eta}_{2}(t)} \\ {0}\end{array}\right], \\ {\dot{v}_{3}\left(x_{t}\right)=2 d^{2}(t) \eta_{3}^{T}(t)\left[\frac{1}{2} R_{11}+\frac{1}{4} R_{22}\right] \eta_{3}(t)} \\ {+d(t) \dot{d}(t) \eta_{3}^{T}(t)\left[R_{11}+\frac{1}{2} R_{22}\right] \eta_{3}(t)} \\ +2 \eta_{3}^{T}(t) R_{13}\left[d(t) x(t)-\int_{t-d}^{t} x(s) d s\right] \\ {+2 \eta_{3}^{T}(t) R_{13}\left[\dot{d}(t) x(t)+d(t) \dot{x}(t)-x(t)+(1-\dot{d}(t)) x\left(t_{d}\right)\right]} \\ {+2 \eta_{3}^{T}(t) R_{23}\left[d(t) x(t)+2 \int_{t_{d}}^{t} x(s) d s-\frac{6}{d(t)} \int_{t_{d}}^{t}\left(s-t_{d}\right) x(s) d s\right]} \\ {+2 \eta_{3}^{T}(t) R_{23}\left\{\dot{d}(t) x(t)+d(t) \dot{x}(t)+2\left[x(t)-(1-\dot{d}(t)) x\left(t_{d}\right)\right]\right.} \\ {-6\left[x(t)-\frac{(1-\dot{d}(t))}{d(t)} \int_{t_{d}}^{t} x(s) d s-\frac{\dot{d}(t)}{d^{2}(t)} \int_{t_{d}}^{t}\left(s-t_{d}\right) x(s) d s\right] \}} \\ {+d(t) \dot{x}^{T}(t) R_{33} \dot{x}(t)-(1-\dot{d}(t)) \int_{t_{22}}^{t} \dot{x}^{T}(s) R_{33} \dot{x}(s) d s} \\ {+2 h_{d}^{2}(t) \eta_{4}^{T}(t)\left[\frac{1}{2} \widehat{R_{11}}+\frac{1}{4} \widehat{R_{22}}\right] \dot{\eta}_{4}(t)} \\ {\quad-h_{d}(t) \dot{d}(t) \eta_{4}^{T}(t)\left[\widehat{R_{11}}+\frac{1}{2} \widehat{R_{22}}\right] \eta_{4}(t)} \\ {+2 \eta_{4}^{T}(t) \widehat{R_{13}}\left[h_{d}(t) x\left(t_{d}\right)-\int_{t_{h}}^{t_{d}} x(s) d s\right]} \\ {+2 \eta_{4}^{T}(t) \widehat{R_{13}}\left[-\dot{d}(t) x(t)+h_{d}(t)(1-\dot{d}(t)) \dot{x}\left(t_{d}\right)\right.} \\ {\quad-(1-\dot{d}(t)) x\left(t_{d}\right)+x\left(t_{h}\right) ]} \\ {+2 \eta_{4}^{T}(t) \widehat{R_{23}}\left[h_{d}(t) x\left(t_{d}\right)+2 \int_{t_{n}}^{t_{d}} x(s) d s\right.} \\ {-\frac{6}{h_{d}(t)} \int_{t_{b}}^{t_{d}}\left(s-t_{h}\right) x(s) d s ]} \\ {+2 \eta_{4}^{T}(t) \widehat{R_{23}}\left\{(1-\dot{d}(t)) x\left(t_{d}\right)+h_{d}(t)(1-\dot{d}(t)) \dot{x}\left(t_{d}\right)\right.} \\ {+2\left[(1-\dot{d}(t)) x\left(t_{d}\right)-x\left(t_{h}\right)\right]-6\left[(1-\dot{d}(t)) x\left(t_{d}\right)\right.} \\ {\quad-\frac{1}{h_{d}(t)} \int_{t_{h}}^{t_{d}} x(s) d s+\frac{\dot{d}(t)}{h_{d}^{2}(t)} \int_{t_{h}}^{t_{d}}\left(s-t_{h}\right) x(s) d s ] \}} \\ +(1-\dot{d}(t)) h_{d}(t) \dot{x}^{T}\left(t_{d}\right) \widehat{R_{33}} \dot{x}\left(t_{d}\right)-\int_{t_{h}}^{t_{d} . T}(s) \widehat{R_{33}} \dot{x}(s) d s, \\ v_{4}\left(x_{t}\right)=h x^{T}(t) Z x(t)-\int_{t_{h}}^{t} x^{T}(s) Z x(s) d s. $$

결과적으로 이들을 (8)에 정의된 $\Phi_{0}$를 이용하면 다음을 얻는다.

(10)
$\dot V(x_{t})=\xi_{t}^{T}\Phi_{0}(d(t),\:\dot d(t))\xi_{t}+ v_{a}(x_{t}),\:$

여기서

$$v_{a}(x_{t})=-\int_{t_{d}}^{t}\dot x^{T}(s)X_{1}(\dot d(t))\dot x(s)ds- \int_{t_{h}}^{t_{d}}\dot x^{T}(s)X_{2}\dot x(s)ds . $$

그리고 $X_{1}(\dot d(t)),\: X_{2}$는 (5)에 정의된 행렬이다. 다음으로 (6)에 정의된 $\widetilde X_{1}(\dot d(t)),\:\widetilde X_{2}$와 보조정리 2와 보조정리 3을 연속적으로 적용하면 다음을 얻는다.

(11)
$$ v_{a}\left(x_{t}\right)=-\int_{t_{d}}^{t \cdot T}(s) X_{1}(\dot{d}(t)) \dot{x}(s) d s-\int_{t_{h}}^{t_{d} . T}(s) X_{2} \dot{x}(s) d s \\ \begin{aligned} \leq &-\frac{1}{h}\left(\frac{1}{\frac{d(t)}{h}}\right)_{m=1}^{3}(2 m-1) \chi_{m}^{T}\left(t_{d}, t\right) X_{1}(\dot{d}(t)) \chi_{m}\left(t_{d}, t\right) \\ &-\frac{1}{h}\left(\frac{1}{1-\frac{d(t)}{h}}\right) \sum_{m=1}^{3}(2 m-1) \chi_{m}^{T}\left(t_{h}, t_{d}\right) X_{2} \chi_{m}\left(t_{h}, t_{d}\right) \end{aligned} \\ \begin{aligned} \leq-& \frac{1}{h}\left\{\left(2-\frac{d(t)}{h}\right) z_{1}^{T} \widetilde{X}_{1}(\dot{d}(t)) z_{1}+2 z_{1}^{T}\left(Y_{1}+\frac{d(t)}{h}\left(Y_{2}-Y_{1}\right)\right) z_{2}\right.\\ &+\left(1+\frac{d(t)}{h}\right) z_{2}^{T} \widetilde{X}_{2} z_{2} \} \end{aligned} \\ \begin{aligned} &+\frac{h_{d}(t)}{h^{2}} z_{1}^{T} Y_{2} \widetilde{X}_{2}^{-1} Y_{2}^{T} z_{1}+\frac{d(t)}{h^{2}} z_{2}^{T} Y_{1}^{T} \widetilde{X}_{1}(\dot{d}(t))^{-1} Y_{1} z_{2} \\ =-& \frac{1}{h} \xi_{t}^{T}\left\{\left(2-\frac{d(t)}{h}\right) E_{8}^{T} \widetilde{X}_{1}(\dot{d}(t)) E_{8}\right.\end{aligned} \\ \begin{array}{l}{+2 E_{8}^{T}\left(Y_{1}+\frac{d(t)}{h}\left(Y_{2}-Y_{1}\right)\right) E_{9}+\left(1+\frac{d(t)}{h}\right) E_{9}^{T} \widetilde{X}_{2} E_{9} \} \xi_{t}} \\ {+\xi_{t}^{T}\left\{\frac{h_{d}(t)}{h^{2}} E_{8}^{T} Y_{2} \widetilde{X}_{2}^{-1} Y_{2}^{T} E_{8}+\frac{d(t)}{h^{2}} E_{9}^{T} Y_{1}^{T} \widetilde{X}_{1}(d(t))^{-1} Y_{1} E_{9}\right\}_{t}}\end{array} \\ =\xi_{t}^{T} \Phi_{1}(d(t), \dot{d}(t)) \xi_{t}+\xi_{t}^{T} \Phi_{2}(d(t), d(t)) \xi_{t} $$

여기서 $\Phi_{1}(d(t),\:\dot d(t))$는 (8)에 정의된 값이고, 그리고 $\Phi_{2}$는 다음의 값이고

$\Phi_{2}(d(t))=\dfrac{h_{d}(t)}{h^{2}}E_{8}^{T}Y_{2}\widetilde X_{2}^{-1}Y_{2}^{T}E_{8}+\dfrac{d(t)}{h^{2}}E_{9}^{T}Y_{1}^{T} \widetilde X_{1}(\dot d(t))^{-1}Y_{1}E_{9},\:$

또한 $z_{1},\: z_{2}$는 다음의 값이다.

$$ \left\{\begin{array}{l}{z_{1}=\operatorname{col}\left\{\chi_{1}\left(t_{d}, t\right), \chi_{2}\left(t_{d}, t\right), \chi_{3}\left(t_{d}, t\right)\right\}=E_{8} \xi_{t}} \\ {z_{2}=\operatorname{col}\left\{\chi_{1}\left(t_{h}, t_{d}\right), \chi_{2}\left(t_{h}, t_{d}\right), \chi_{3}\left(t_{h}, t_{d}\right)\right\}=E_{9} \xi_{t}}\end{array}\right. $$

다음으로 (10)(11)를 결합하면 다음이 된다.

(12)
$$ \begin{aligned} \dot{V}\left(x_{t}\right) & \leq \xi_{t}^{T}\left\{\Phi_{0}(d(t), \dot{d}(t))+\Phi_{1}(d(t), \dot{d}(t))+\Phi_{2}(d(t), \dot{d}(t))\right) \}_{\xi_{t}} \\ &=\xi^{T} \Phi(d(t), d(t)) \xi_{t} \end{aligned} $$

여기서 함수 $\xi_{t}^{T}\Phi(d(t),\:\dot d(t))\xi_{t}$는 스칼라 $d(t)$에 대하여 quadratic이고 이의 2차항 계수는 $\xi_{t}^{T}\Omega(\dot d(t))\xi_{t}$이다. 따라서 보조정리 1에 의하여, 다음이 성립하고

(13)
$$ \begin{aligned} \Phi(0, \dot{d}(t))<0, & \Phi(h, \dot{d}(t))<0, \Phi(0, \dot{d}(t))-h^{2} \Omega(\dot{d}(t))<0 \\ & \Rightarrow \Phi(d(t), \dot{d}(t))<0, \forall d(t) \in[0, h] \end{aligned} $$

$\xi_{t}^{T}\Phi(d(t),\:\dot d(t))\xi_{t}$는 스칼라 $\dot d(t)$에 대하여 affine 함수이므로Schur complement에 의하여 다음의 동치가 성립한다.

(14)
$$ \left\{\begin{array}{l}{(i) \text { in eqn }(7) \Rightarrow \Psi_{1}(0, \dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right]} \\ \quad\quad\quad\quad\quad\quad{\Rightarrow \Phi(0, \dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right],} \\ {(i i) \text { in eqn }(7) \Rightarrow \Psi_{2}(h, \dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right]} \\ \quad\quad\quad\quad\quad\quad {\Rightarrow \Phi(h, \dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right],} \\ {(i i i) \text { in eqn }(7) \Rightarrow \Psi_{3}(0, \dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right]} \\ \quad\quad\quad\quad\quad\quad{\Rightarrow \Phi(0, \dot{d}(t))-h^{2} \Omega(\dot{d}(t))<0, \forall \dot{d}(t) \in\left[\mu_{1}, \mu_{2}\right],}\end{array}\right. $$

따라서 (7)의 조건 (i)-(iii)을 만족하면, 수식 (13)(14)으로부터 $\Phi(d(t),\:\dot d(t))< 0,\:\forall d(t)\in[0 ,\:h]$을 얻게 되고, 이를 바탕으로 (12)로부터 $\dot V(x_{t})<0 ,\:\forall\xi_{t}neq 0$ 을 얻으므로, 시간지연 조건 (2)하의 시간지연을 갖는 시스템 (1)은 점근적으로 안정하다. 이것으로 증명을 마친다.

4. 수치 예제

다음은 위에서 제시된 결과의 유용성을 잘 알려진 대표적인 2개의 수치예제를 통하여 보이도록 한다.

예제1 : 다음과 같은 행렬을 갖는 시간지연 시스템 (1)을 고려하자.

(15)
$ A=\begin{bmatrix}-2&&0\\0&&-0.9\end{bmatrix},\:A_{1}=\begin{bmatrix}-1&&0\\-1&&-1\end{bmatrix}$

이 시스템의 경우, 잘 알려진 바와 같이(12), 시간지연이 상수(constant)인 경우, 시스템의 안정성을 보장하는 최대 시간지연의 크기는 $h^{\text { anlytical }}=6.1721$이다. 아래의 표 1은 여러 값의 $-\mu_{1}=\mu_{2}$에 따른 시스템 행렬 (15)를 갖는 시스템 (1)의 안정도를 보장하는 최대 허용 $h$를 기존의 결과와 비교 정리한 표이다.

표 1. 예제 1 시스템의 안정도를 보장하는 최대 시간지연

Table 1 Maximal allowable delay for Example 1

$-\mu_{1}=\mu_{2}$

0.1

0.5

0.8

Seuret등(2)

4.7038

2.4208

2.1377

Kwon등(3)

4.8117

3.1282

2.6982

Zeng등(4)

4.7883

3.0557

2.6150

Lee등(7)

4.8297

3.1555

2.7307

Zhang등(8)

4.809

3.109

2.710

Seuret등(10)

5.01

3.19

2.70

본논문

5.289

3.566

2.940

위의 표 1에서 보듯이 새로이 제시된 정리1의 결과는 기존의 결과보다 우수함을 알 수 있다.

예제2 : 다음과 같은 행렬을 갖는 시간지연 시스템 (1)과 시간지연 (2)를 갖는 시간지연 시스템을 고려하자.

(16)
$A=\begin{bmatrix}0&&1\\-1&&-1\end{bmatrix},\:A_{1}=\begin{bmatrix}0&&0\\0&&-1\end{bmatrix}$

잘 알려진 바와 같이(12), 시간지연이 상수(constant)인 경우, 이 시간지연 시스템의 안정성을 보장하는 최대 허용 시간지연의 크기는 $h^{\text { anlytical }}=\pi$이다. 다음에 주어지는 표 1은 여러 값의 $-\mu_{1}=\mu_{2}$에 따른 시스템 행렬 (16)을 갖는 시간지연 시스템 (1)의 안정도를 만족하는 최대 허용 시간지연 $h$를 기존의 결과와 비교 정리한 표이다.

표 2. 예제 1 시스템의 안정도를 보장하는 최대 시간지연

Table 2 Maximal allowable delay for Example 2

$-\mu_{1}=\mu_{2}$

0.05

0.1

0.5

Seuret등(2)

2.5516

2.3693

1.7000

Kwon등(3)

2.5696

2.4120

1.9602

Zeng등(4)

2.5721

2.4146

1.9346

Lee등(7)

2.5753

2.4252

2.0199

본논문

2.922

2.820

2.391

위의 표 2에서 보듯이 새로이 제시된 정리 1의 결과는 기존의 결과보다 우수함을 알 수 있다.

끝으로 위의 표 1표 2에서 보듯이 새로이 제시된 결과는 기존의 결과보다 우수함을 보인다.

5. 결 론

본 논문에서는 새로운 형태의 LKF 후보함수를 제란하고 여기에 Bessel-Legendre 부등식과 개선된 reciprocally convex 부등식을 이용하여 시간지연 시스템의 안정성이 보장하는 결과를 LMI 형태의 새로운 결과를 제시하였다. 끝으로 제시된 결과는 두 개의 대표적 예제를 통하여 기존의 결과보다 우수함을 보였다.

References

1 
Park P., Ko J.W., Jeong C., 2011, Reciprocally convex ap- proach to stability of systems with time-varying delays, Automatica, Vol. 47, pp. 235-238DOI
2 
Seuret A., Gouaisbaut F., 2013, Wirtinger-based integral in- equality : Application to time-delayed systems, Automatica, Vol. 49, pp. 2860-2866DOI
3 
Kwon O. M., Park M. J., Park J. H., Lee S. M., Cha E. J., 2014, Improved results on stability of linear systems with time-varying delays via Wirtinger-based integral inequality, J. of the Franklin Institute, Vol. 351, No. , pp. 5382-5398DOI
4 
Zeng H. -B., He Y., Wu M., She J., 2015, Free matrix based integral inequality for stability analysis of systems with time-varying delay, IEEE Trans. on Automatic Control, Vol. 60, pp. 2768-2772DOI
5 
seuret A., Gouaisbaut F., 2015, Hierarchy of LMI conditions for the stability analysis of time-delay systems, Systems & Control Letters, Vol. 81, pp. 1-7DOI
6 
Kim J. -H., 2016, Further improvement of Jensen inequality and application to stability of time-delayed systems, Automatica, Vol. 64, pp. 121-125DOI
7 
Lee T. H., Park J. H., 2017, A novel Lyapunov functional for stability of time-varying delay systems via matrix-refined- function, Automatica, Vol. 80, pp. 239-242DOI
8 
Zhang C. -K., He Y., Jiang L., Wu M., 2017, Notes on stability of time-delay systems : bounding inequalities and augmented Lyapunov-Krasovskii functionals, IEEE, Trans. Automatic Control, Vol. 62, pp. 5331-5336DOI
9 
Zhang X. -M., Han Q. -L., Seuret A., Gouaisbaut F., 2017, An improved reciuprocally convex inequality and an augmented Lyapunov-Krasovskii funcitonal for stability of linear systems with time-varying delay, Automatica, Vol. 84, pp. 221-226DOI
10 
Seuret A., Gouaisbaut F., 2018, Stability of linear systems with time-varying delays using Bessel-Legendre inequalities, IEEE Trans. Automatic Control, Vol. 63, pp. 225-232DOI
11 
Zhang X. -M., Han Q. -L., Seuret A., Gouaisbaut F., He Y., 2019, Overview of recent advances in stability of linear systems with time-varying delays, Vol. 12, pp. 1-16DOI
12 
Boyd S., Ghaoui L. E., Feron E., Balakrishhnan V., 1994, Linear Matrix Inequalities in System and Control Theory, Studies in Applied mathematicsGoogle Search
13 
Gu K., Kharitonov V. L., Chen J., 2003, Stability of time-delay systems, BirkhausserGoogle Search
14 
Freedman E., 2014, Introduction to time-delay systems : Analysis and control, BirkhauserGoogle Search

저자소개

김진훈(Jin-Hoon Kim)
../../Resources/kiee/KIEE.2019.68.7.930/au1.png

1961년 10월 18일생. 1985년 서울대 전기공학과 졸업.

985년-1986년 신영전기(주) 연구원. 1989년 한국과학기술원 전기 및 전자공학과졸업(석사). 1993년 동 전기 및 전자공학과 졸업(공박). 1993년~1994년 경상대학교 제어계측공학과 전임강사. 1998년 미국 UCI 방문교수. 2008년 미국 UTA 방문교수. 1995년~현재 충북대학교 전자정보대학 전자공학부 교수; 컴퓨터정보통신 연구소 연구원.

Tel : 043-261-2387, Fax : 043-268-2386.

E-mail : jinhkim@cbnu.ac.kr