Mathematical Methods in Robust Control of Discrete-Time Linear Stochastic Systems

در این تک نگاری، نویسندگان نظریه ای را برای کنترل قوی سیستم های تصادفی زمان گسسته، که در معرض اختلالات تصادفی مستقل و زنجیره های مارکوف قرار می گیرند، توسعه می دهند. چنین سیستم هایی به طور گسترده ای برای ارائه مدل های ریاضی برای فرآیندهای واقعی در زمینه هایی مانند مهندسی هوافضا، ارتباطات، تولید، مالی و اقتصاد استفاده می شود. این نظریه ادامه کار نویسندگان ارائه شده در کتاب قبلی آنها با عنوان \"روش های ریاضی در کنترل قوی سیستم های تصادفی خطی\" است که توسط Springer در سال 2006 منتشر شد.

Key. ویژگی ها:

- یک چارچوب یکسان کننده مشترک برای سیستم های تصادفی گسسته زمان خراب شده با اختلالات تصادفی مستقل و با پرش های مارکوین ارائه می دهد که معمولاً در ادبیات کنترل به طور جداگانه بررسی می شوند. >

- مطالب اولیه در مورد نظریه احتمال، متغیرهای تصادفی مستقل، انتظارات شرطی و زنجیره های مارکوف را پوشش می دهد

- الگوریتم های عددی جدیدی را برای حل معادلات ریکاتی جبری ماتریس جفت شده پیشنهاد می کند

- منجر به خواننده به روشی طبیعی از طریق ارائه سیستماتیک به نتایج اصلی می رسد

- نتایج نظری جدید را با مثال های عددی دقیق ارائه می دهد

تک نگاری برای محققان و محققین ارائه شده است. دانشجویان تحصیلات تکمیلی در مهندسی کنترل پیشرفته، ریاضیات کاربردی، نظریه سیستم های ریاضی و مالی. همچنین برای دانشجویان کارشناسی با دانش اساسی در تئوری سیستم های تصادفی قابل دسترسی است.

In this monograph the authors develop a theory for the robust control of discrete-time stochastic systems, subjected to both independent random perturbations and to Markov chains. Such systems are widely used to provide mathematical models for real processes in fields such as aerospace engineering, communications, manufacturing, finance and economy. The theory is a continuation of the authors’ work presented in their previous book entitled "Mathematical Methods in Robust Control of Linear Stochastic Systems" published by Springer in 2006.

Key features:

- Provides a common unifying framework for discrete-time stochastic systems corrupted with both independent random perturbations and with Markovian jumps which are usually treated separately in the control literature

- Covers preliminary material on probability theory, independent random variables, conditional expectation and Markov chains

- Proposes new numerical algorithms to solve coupled matrix algebraic Riccati equations

- Leads the reader in a natural way to the original results through a systematic presentation

- Presents new theoretical results with detailed numerical examples

The monograph is geared to researchers and graduate students in advanced control engineering, applied mathematics, mathematical systems theory and finance. It is also accessible to undergraduate students with a fundamental knowledge in the theory of stochastic systems.