不确定时滞系统的脉冲控制策略与应用研究

不确定时滞系统的脉冲控制策略与应用研究一、引言1.1研究背景与意义在现代科技飞速发展的背景下，各类复杂系统广泛应用于航空航天、工业生产、通信网络、生物医学等众多实际工程领域，不确定时滞系统作为其中的重要组成部分，因其普遍性和复杂性，成为控制领域的研究热点。不确定时滞系统，是指系统中同时存在不确定性因素和时间延迟现象的系统。不确定性因素可能源于系统建模误差、参数摄动、外部干扰等，使得系统的精确数学模型难以建立；而时滞现象则是指系统的输出或状态对输入的响应存在时间上的延迟。时滞现象在实际系统中极为普遍。例如在航空航天领域，飞行器的飞行控制系统是典型的不确定时滞系统。飞行器在飞行过程中，会受到大气环境变化、发动机性能波动等不确定性因素的影响，同时，传感器测量数据的传输以及控制器指令的执行都存在一定的时间延迟。这些不确定性和时滞因素会对飞行器的稳定性、机动性和控制精度产生严重影响，如果不能有效处理，可能导致飞行事故的发生。在工业生产过程中，化工生产系统是常见的不确定时滞系统。化工生产涉及到复杂的化学反应过程，系统参数如温度、压力、流量等容易受到原料成分变化、设备老化等不确定性因素的影响，而且化学反应过程本身往往存在时滞现象。以精馏塔的控制为例，进料成分的波动会导致塔内各塔板的温度、组成等参数发生变化，而这些参数的调整需要一定的时间，即存在时滞。如果不能对这些不确定性和时滞进行有效控制，将会影响产品的质量和生产效率，甚至可能引发安全事故。时滞的存在使得系统的分析与控制器的设计变得更加复杂和困难，也是导致系统不稳定和系统性能变差的重要原因。当系统存在时滞时，信号的传输和处理会出现延迟，这可能导致系统的反馈控制失效，使得系统无法及时对外部干扰和内部变化做出响应，从而引发系统的振荡甚至失稳。同时，不确定性因素的存在会进一步增加系统的复杂性，使得传统的控制方法难以满足系统的性能要求。为了有效解决不确定时滞系统的控制问题，脉冲控制策略应运而生，它在某些时刻通过对系统状态进行瞬间改变，能够快速调整系统行为，具有控制灵活、响应迅速等优点。脉冲控制在工业自动化、医疗设备、通信等领域有着广泛的应用前景。在工业自动化中，脉冲控制可用于精确控制机器人的运动轨迹和速度，实现高精度的生产操作；在医疗设备中，脉冲控制可用于控制放射治疗设备，精确打击病变组织，减少对健康组织的损伤；在通信领域，脉冲控制可用于提高信号传输的稳定性和可靠性。因此，研究不确定时滞系统的脉冲控制具有重要的理论意义和实际应用价值。从理论意义上讲，研究不确定时滞系统的脉冲控制有助于丰富和完善控制理论体系。由于不确定时滞系统的复杂性，传统的控制理论和方法在处理这类系统时面临诸多挑战，因此需要发展新的理论和方法来解决不确定时滞系统的分析与控制问题。这不仅能够推动控制理论的发展，还能为其他相关学科的研究提供理论支持。从实际应用价值来看，对不确定时滞系统进行脉冲控制研究，可以提高系统的稳定性和性能，确保系统在各种不确定因素和时滞条件下能够可靠运行。在航空航天领域，通过设计脉冲控制器，可以提高飞行器在复杂环境下的飞行安全性和可靠性；在工业生产中，脉冲控制技术可以提高生产过程的稳定性和产品质量，降低生产成本，提高生产效率。此外，在智能交通、能源系统、生物医学等领域，脉冲控制技术也具有广泛的应用前景，能够为这些领域的发展提供有力的技术支持。1.2国内外研究现状不确定时滞系统脉冲控制的研究在国内外均取得了丰富的成果，众多学者从不同角度、运用多种方法对该领域展开深入探索。国外在不确定时滞系统脉冲控制研究方面起步较早，在理论研究上，Lyapunov稳定性理论作为分析系统稳定性的重要工具被广泛应用。通过构造合适的Lyapunov函数，结合线性矩阵不等式（LMI）技术，能够得到系统鲁棒稳定的充分条件。一些学者针对范数有界不确定性时滞系统，利用Lyapunov方法讨论非脆弱保性能状态反馈控制器的设计问题，在系统不确定性和控制器扰动满足增益有界条件下，通过求解线性矩阵不等式组来获得鲁棒稳定控制器以及性能指标的最小上界。在控制方法上，H∞控制方法是处理不确定时滞系统的经典方法之一，其核心思想是通过设计控制器，使得系统在满足一定的性能指标下，对外部干扰具有较强的抑制能力。在通信网络系统中，运用H∞控制方法可以有效降低数据传输延迟和干扰对系统性能的影响，保证通信的稳定性和可靠性。近年来，随着智能控制技术的发展，基于模糊控制和神经网络控制的方法也被广泛应用于不确定时滞系统的控制中。模糊控制通过模糊规则对不确定信息进行处理，能够较好地应对系统中的不确定性；神经网络则具有强大的自学习和逼近能力，可以对复杂的非线性不确定时滞系统进行有效建模和控制。将模糊控制应用于工业生产过程中的温度控制，能够根据温度的变化情况和模糊规则及时调整控制策略，提高温度控制的精度和稳定性；利用神经网络对航空发动机的不确定时滞系统进行建模和控制，可以实现对发动机性能的优化和控制。国内在不确定时滞系统脉冲控制领域也取得了显著进展。学者们在借鉴国外先进理论和方法的基础上，结合国内实际应用需求，开展了大量有针对性的研究工作。在理论研究方面，对不确定时滞系统的稳定性分析、脉冲控制器设计等关键问题进行了深入探讨，提出了一些新的理论和方法。通过改进Lyapunov函数构造方法，结合时滞分解技术，得到了更具保守性的系统稳定性判据；在脉冲控制器设计方面，提出了基于自适应控制、滑模控制等多种控制策略的脉冲控制器设计方法，提高了控制器的性能和鲁棒性。在实际应用方面，将不确定时滞系统脉冲控制技术应用于工业自动化、电力系统、生物医学等多个领域，取得了良好的效果。在工业自动化领域，将脉冲控制技术应用于数控机床的运动控制，提高了加工精度和效率；在电力系统中，利用脉冲控制技术对电力系统的电压和频率进行控制，增强了系统的稳定性和可靠性；在生物医学领域，将脉冲控制技术应用于药物释放系统的控制，实现了药物的精准释放，提高了治疗效果。尽管国内外在不确定时滞系统脉冲控制研究方面取得了一定的成果，但仍存在一些不足之处。现有研究在处理复杂不确定性和时滞方面还存在一定的局限性，部分方法的保守性较强，导致控制器的性能无法充分发挥；在实际应用中，如何将理论研究成果更好地转化为实际可行的控制策略，还需要进一步的研究和探索；对于一些新兴领域，如量子计算、人工智能等与不确定时滞系统脉冲控制的交叉研究还相对较少，有待进一步拓展。本文旨在针对现有研究的不足，深入研究不确定时滞系统的脉冲控制问题。通过改进和创新控制理论与方法，降低控制器设计的保守性，提高系统的控制性能；结合实际应用案例，验证所提出方法的有效性和可行性，为不确定时滞系统脉冲控制技术的实际应用提供更有力的支持；探索不确定时滞系统脉冲控制与新兴技术的交叉融合，拓展研究领域，为解决实际工程中的复杂控制问题提供新的思路和方法。二、不确定时滞系统与脉冲控制理论基础2.1不确定时滞系统概述2.1.1基本概念不确定时滞系统是指在系统中同时存在不确定性因素和时间延迟现象的系统。其中，不确定性因素是导致系统难以精确建模和控制的关键原因之一。这些不确定性可能来源于多个方面，首先是系统建模误差，在对实际系统进行数学建模时，由于对系统内部复杂机理的认识有限，以及对一些次要因素的简化处理，使得建立的数学模型无法完全准确地描述系统的真实动态特性。在建立化工反应系统的模型时，可能无法精确考虑到化学反应过程中的一些微观物理现象，从而导致模型与实际系统存在一定的偏差。参数摄动也是不确定性的重要来源，系统中的某些参数会随着环境条件的变化、设备的老化等因素而发生改变，且这种变化往往难以精确预测。在电子电路系统中，电阻、电容等元件的参数会随着温度的变化而改变，这会对电路系统的性能产生影响。外部干扰同样不可忽视，实际系统在运行过程中会受到各种外部干扰的影响，如噪声干扰、负载变化等。在通信系统中，信号传输过程中会受到外界电磁干扰，导致信号失真。时滞现象在各类实际系统中广泛存在，其表现形式主要有状态时滞、输入时滞和输出时滞。状态时滞是指系统当前状态的变化依赖于过去某一时刻的状态。在机械传动系统中，由于惯性的作用，当前时刻的机械部件位置不仅取决于当前的驱动力，还与过去某一时刻的位置有关。输入时滞是指系统对输入信号的响应存在时间延迟。在工业生产中的加热系统，当调整加热功率（输入信号）后，温度（系统输出）并不会立即发生变化，而是需要经过一段时间才能反映出功率调整的效果。输出时滞则是指系统输出对输入的响应存在延迟。在污水处理系统中，从添加处理药剂（输入）到水质指标（输出）发生明显变化，中间存在一定的时间间隔。时滞的存在使得系统的分析与控制器的设计变得更加复杂和困难，也是导致系统不稳定和系统性能变差的重要原因。时滞会破坏系统的因果性，使得系统的输出不再仅仅取决于当前和过去的输入，还与未来的输入有关，这增加了系统分析的难度。时滞会导致系统的相位滞后，当相位滞后达到一定程度时，系统可能会出现振荡甚至失稳。在电力系统中，时滞可能导致发电机的输出电压和频率出现振荡，影响电力系统的稳定运行。不确定性因素的存在进一步增加了系统的复杂性，使得传统的控制方法难以满足系统的性能要求。由于不确定性的存在，控制器难以准确地根据系统的状态来调整控制策略，从而导致系统性能下降。在航空发动机控制系统中，不确定性因素和时滞的共同作用会影响发动机的推力控制精度，降低发动机的性能。2.1.2数学模型常见的不确定时滞系统数学模型具有多种表达形式，其中线性时滞系统模型是较为基础且广泛应用的一种。对于连续时间的线性时滞系统，其状态空间表达式通常可表示为：\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)y(t)=Cx(t)+C_dx(t-\tau)+Du(t)其中，x(t)\inR^n是系统的状态向量，它描述了系统在时刻t的内部状态；u(t)\inR^m为控制输入向量，通过对其进行调整来控制系统的行为；y(t)\inR^p是系统的输出向量，反映了系统的外部表现；w(t)\inR^q表示外部干扰向量，体现了系统受到的外界不确定因素的影响；A、A_d、B、B_d、C、C_d和D均为具有相应维数的常数矩阵，它们决定了系统的结构和特性；\tau为时间延迟，它表示系统中存在的时滞量，其大小和特性对系统的动态性能有着重要影响。在这个模型中，Ax(t)项描述了系统的即时状态对状态导数的影响，体现了系统的固有动态特性；A_dx(t-\tau)项则反映了时滞对系统状态的作用，由于时滞的存在，过去时刻t-\tau的状态会对当前时刻t的状态导数产生影响；Bu(t)表示控制输入对系统状态的作用，通过合理设计控制输入u(t)，可以使系统达到期望的性能指标；B_dw(t)体现了外部干扰对系统状态的影响，这些干扰可能会破坏系统的稳定性和性能；Cx(t)和C_dx(t-\tau)分别表示即时状态和时滞状态对系统输出的贡献，Du(t)则表示控制输入对系统输出的直接影响。除了连续时间模型，离散时间的线性时滞系统模型也具有重要的应用价值，其一般形式为：x(k+1)=Ax(k)+A_dx(k-d)+Bu(k)+B_dw(k)y(k)=Cx(k)+C_dx(k-d)+Du(k)这里，k表示离散的时间步长；x(k)、u(k)、y(k)、w(k)以及各矩阵的含义与连续时间模型类似，d为离散的时滞步数。离散时间模型更适合用于描述一些以离散方式进行数据采集和处理的系统，如数字控制系统、计算机网络系统等。在数字控制系统中，控制器通常以固定的采样周期对系统状态进行采样，并根据采样结果计算控制输入，离散时间模型能够准确地反映这种系统的工作特性。这些数学模型为后续对不确定时滞系统的稳定性分析、控制器设计以及性能评估等研究提供了基础。通过对模型中各项参数的分析和调整，可以深入了解系统的动态特性，为设计有效的控制策略提供理论依据。利用线性矩阵不等式（LMI）等数学工具，可以基于这些模型求解出满足系统稳定性和性能要求的控制器参数，从而实现对不确定时滞系统的有效控制。2.2脉冲控制原理2.2.1脉冲控制基本思想脉冲控制是一种特殊的控制策略，其基本思想是在特定的时刻对系统施加瞬间的控制作用，从而改变系统的状态。这种瞬间的控制作用就如同给系统施加一个脉冲信号，使系统在短时间内产生较大的状态变化，进而达到调整系统行为的目的。在实际应用中，脉冲控制策略通常基于对系统状态的实时监测和分析。当系统的状态偏离期望状态或者出现不稳定趋势时，控制器会根据预设的规则，在合适的时刻触发脉冲控制信号。这些规则可以是基于系统的状态变量、误差信号或者其他相关的性能指标。在一个机械振动系统中，当监测到系统的振动幅度超过设定的阈值时，脉冲控制器会立即发出一个脉冲信号，通过对系统施加一个瞬间的力，来抑制振动，使系统恢复到稳定状态。对于不确定时滞系统，脉冲控制具有独特的适用性。由于不确定时滞系统存在不确定性因素和时滞现象，传统的连续控制方法往往难以有效地应对系统的复杂动态特性。而脉冲控制可以在不依赖于系统精确模型的情况下，通过瞬间的控制作用，快速调整系统状态，从而有效地克服不确定性和时滞对系统的影响。在通信网络系统中，数据传输存在时滞，且网络带宽等参数具有不确定性，采用脉冲控制可以在数据传输出现延迟或者丢包等情况时，及时调整发送端的发送策略，保证数据的可靠传输。脉冲控制的优势在于其控制的灵活性和高效性。它可以根据系统的实时状态，灵活地调整脉冲的幅度、宽度和作用时刻，以适应不同的控制需求。同时，由于脉冲控制是在瞬间施加控制作用，相比于连续控制方法，它可以更快地改变系统状态，提高系统的响应速度。在机器人的运动控制中，当机器人需要快速躲避障碍物时，脉冲控制可以迅速调整机器人的关节驱动力，使机器人能够及时改变运动轨迹，避免碰撞。然而，脉冲控制也存在一些局限性。由于脉冲控制的瞬间作用强度较大，可能会对系统的硬件设备造成较大的冲击，影响设备的寿命和可靠性。此外，脉冲控制的设计和参数调整需要更加精细和复杂的技术，对控制算法的要求较高。如果脉冲控制的参数设置不合理，可能会导致系统出现振荡或者不稳定等问题。2.2.2脉冲控制方式及特点常见的脉冲控制方式主要包括脉冲频率控制、脉冲占空比控制和脉冲计数控制，它们各自具有独特的工作方式和特点。脉冲频率控制是通过调整脉冲信号的频率来实现对系统的控制。其工作方式为：根据系统的运行状态和控制目标，控制器动态地改变脉冲信号的发送频率。当系统需要快速响应时，提高脉冲频率；当系统需要保持稳定时，降低脉冲频率。在电机调速系统中，通过改变脉冲信号的频率，可以调节电机的转速。当需要电机快速加速时，增加脉冲频率，使电机获得更多的能量输入，从而加快转速；当电机需要稳定运行在某一转速时，调整脉冲频率，使电机的输出转矩与负载转矩相平衡，保持转速稳定。脉冲频率控制的优点是能够较为灵活地调节系统的响应速度和输出特性，适用于对响应速度要求较高的系统。然而，其缺点是在高频情况下，可能会导致系统的能耗增加，并且对系统的硬件响应速度要求较高，如果硬件无法及时响应高频脉冲信号，可能会影响控制效果。脉冲占空比控制则是通过改变脉冲信号的占空比来实现对系统的控制。占空比是指脉冲信号在一个周期内高电平的持续时间与整个周期的比值。在实际应用中，控制器根据系统的需求，调整脉冲信号的占空比。在直流电机的速度控制中，通过改变脉冲信号的占空比，可以调节电机两端的平均电压，从而控制电机的转速。当占空比增大时，电机两端的平均电压升高，电机转速加快；反之，当占空比减小时，电机转速降低。脉冲占空比控制的优点是控制精度较高，能够较为精确地调节系统的输出量，适用于对控制精度要求较高的系统。但它的缺点是在占空比变化较大时，可能会引起系统的电流波动较大，对系统的稳定性产生一定影响。脉冲计数控制是基于对脉冲数量的统计和控制来实现系统控制。工作时，控制器记录脉冲信号的个数，并根据预设的脉冲计数规则来控制系统的运行。在工业自动化生产线上，通过对脉冲计数器的设置，可以精确控制产品的加工数量。当脉冲计数达到设定值时，控制器发出相应的控制信号，停止加工或者进行下一步操作。脉冲计数控制的特点是简单直观，易于实现，特别适用于一些对数量控制要求严格的系统。不过，它的局限性在于对脉冲信号的准确性要求较高，如果脉冲信号出现丢失或者误计数的情况，会导致控制误差的产生。在不同的应用场景中，各种脉冲控制方式具有不同的优势与局限。在航空航天领域，由于对飞行器的响应速度和控制精度要求极高，脉冲频率控制和脉冲占空比控制可能会被结合使用，以满足飞行器在不同飞行状态下的控制需求。在工业生产过程中，对于一些对产品数量要求严格的生产环节，脉冲计数控制则具有明显的优势。而在一些对系统稳定性要求较高的场合，需要综合考虑各种脉冲控制方式的特点，合理选择控制方式，以确保系统的稳定运行。三、不确定时滞系统脉冲控制的稳定性分析3.1稳定性分析方法3.1.1Lyapunov稳定性理论Lyapunov稳定性理论是分析系统稳定性的重要工具，其基本原理基于能量的观点，通过构造一个与系统状态相关的标量函数，即Lyapunov函数V(x,t)，来判断系统的稳定性。对于不确定时滞系统，假设系统的状态方程为\dot{x}(t)=f(x(t),x(t-\tau),t)，其中x(t)\inR^n是系统的状态向量，\tau为时滞，f(\cdot)是关于状态和时间的函数。若存在一个具有连续一阶偏导数的标量函数V(x,t)，并且满足以下条件：V(x,t)是正定的，即对于所有非零的x，有V(x,t)>0，且V(0,t)=0。这意味着V(x,t)可以看作是系统的一种“能量”度量，当系统处于平衡状态（x=0）时，“能量”为零，而当系统状态偏离平衡状态时，“能量”为正。\dot{V}(x,t)是负半定的，即\dot{V}(x,t)\leq0。这里\dot{V}(x,t)表示V(x,t)沿系统轨迹的时间导数，它反映了“能量”随时间的变化率。\dot{V}(x,t)\leq0表明系统的“能量”随着时间的推移不会增加，即系统的状态不会无限远离平衡状态，此时系统在Lyapunov意义下是稳定的。若进一步满足\dot{V}(x,t)是负定的，即对于所有非零的x，有\dot{V}(x,t)<0，这意味着系统的“能量”随着时间的推移不断减少，系统的状态最终会趋近于平衡状态，此时系统是渐近稳定的。在实际应用中，对于不确定时滞系统，构造合适的Lyapunov函数是关键且具有挑战性的任务。一种常见的构造方法是采用二次型函数，对于线性不确定时滞系统\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)，可以构造Lyapunov函数为V(x(t))=x^T(t)Px(t)+\int_{t-\tau}^{t}x^T(s)Qx(s)ds，其中P和Q是正定矩阵。第一项x^T(t)Px(t)反映了系统当前状态的“能量”，第二项\int_{t-\tau}^{t}x^T(s)Qx(s)ds则考虑了时滞状态对“能量”的影响，通过对V(x(t))求导，并结合系统的状态方程，可以分析系统的稳定性。对于一些复杂的不确定时滞系统，可能需要采用更复杂的Lyapunov函数构造形式，如引入积分项、交叉项等，以更准确地描述系统的动态特性。还可以结合一些数学技巧，如积分不等式、矩阵变换等，来简化稳定性分析过程。利用Jensen积分不等式对Lyapunov函数导数中的积分项进行处理，从而得到更宽松的稳定性条件。3.1.2线性矩阵不等式（LMI）技术线性矩阵不等式（LMI）技术在不确定时滞系统稳定性分析中具有重要应用，它为解决复杂的控制问题提供了一种有效的方法。LMI的一般形式为F(x)=F_0+\sum_{i=1}^{m}x_iF_i<0，其中x=[x_1,x_2,\cdots,x_m]^T是决策变量向量，F_0,F_1,\cdots,F_m是具有适当维数的对称矩阵。LMI的解集是一个凸集，这使得可以利用凸优化算法来高效地求解。在不确定时滞系统稳定性分析中，将系统稳定性条件转化为LMI问题求解主要基于Lyapunov稳定性理论。以线性不确定时滞系统\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)为例，假设构造的Lyapunov函数为V(x(t))=x^T(t)Px(t)（为简化说明，此处暂不考虑积分项），对其求导可得\dot{V}(x(t))=x^T(t)(A^TP+PA)x(t)+2x^T(t)PA_dx(t-\tau)。为了得到基于LMI的稳定性条件，通常需要对\dot{V}(x(t))进行处理。利用一些矩阵不等式技巧，如Schur补引理，若有矩阵\begin{bmatrix}A&B\\B^T&C\end{bmatrix}，其中A和C是对称矩阵，则\begin{bmatrix}A&B\\B^T&C\end{bmatrix}<0等价于A<0且C-B^TA^{-1}B<0（当A可逆时）。对\dot{V}(x(t))进行处理后，可以将系统渐近稳定的条件转化为一组LMI。假设存在正定矩阵P，使得\begin{bmatrix}A^TP+PA+Q&PA_d\\A_d^TP&-Q\end{bmatrix}<0，其中Q是适当维数的正定矩阵。这个LMI条件保证了\dot{V}(x(t))<0，从而根据Lyapunov稳定性理论，系统是渐近稳定的。在实际求解时，可以利用MATLAB等软件中的LMI工具箱来求解这些LMI问题。在MATLAB中，首先需要使用lmivar函数定义LMI变量的结构，使用lmiterm函数来构建LMI的各项，然后通过setlmis函数初始化LMI系统，最后调用feasp或mincx等求解器来求解LMI。若求解器能够找到满足LMI的决策变量（如上述的正定矩阵P和Q），则说明系统满足相应的稳定性条件；若求解器返回无解，则说明在当前设定下，系统不满足所要求的稳定性条件，需要进一步调整Lyapunov函数的构造或系统的参数。通过求解LMI问题，可以得到使系统稳定的控制器参数、时滞上界等关键信息，为不确定时滞系统的分析和设计提供有力支持。3.2稳定性判定准则3.2.1基于Lyapunov-LMI的稳定性准则推导结合Lyapunov稳定性理论和LMI技术，对不确定时滞系统脉冲控制下的稳定性判定准则进行详细推导。考虑如下具有脉冲控制的线性不确定时滞系统：\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t),t\neqt_kx(t_k^+)=(I+J_k)x(t_k),k=1,2,\cdots其中，x(t)\inR^n为系统状态向量，u(t)\inR^m是控制输入，w(t)\inR^q表示外部干扰，A、A_d、B、B_d为具有相应维数的常数矩阵，\tau为时滞，t_k是脉冲时刻，J_k是脉冲增益矩阵，x(t_k^+)表示t_k时刻脉冲作用后的系统状态。首先，根据Lyapunov稳定性理论，构造Lyapunov函数V(x,t)=x^T(t)Px(t)+\int_{t-\tau}^{t}x^T(s)Qx(s)ds，其中P>0，Q>0为正定矩阵。当t\neqt_k时，对V(x,t)求沿系统轨迹的导数：\begin{align*}\dot{V}(x,t)&=\dot{x}^T(t)Px(t)+x^T(t)P\dot{x}(t)+x^T(t)Qx(t)-x^T(t-\tau)Qx(t-\tau)\\&=[Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)]^TPx(t)+x^T(t)P[Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)]+x^T(t)Qx(t)-x^T(t-\tau)Qx(t-\tau)\\&=x^T(t)(A^TP+PA+Q)x(t)+2x^T(t)PA_dx(t-\tau)+2x^T(t)PBu(t)+2x^T(t)PB_dw(t)-x^T(t-\tau)Qx(t-\tau)\end{align*}为了将其转化为LMI形式，利用Schur补引理。令\Xi=\begin{bmatrix}A^TP+PA+Q&PA_d&PB&PB_d\\A_d^TP&-Q&0&0\\B^TP&0&0&0\\B_d^TP&0&0&0\end{bmatrix}，则当\Xi<0时，有\dot{V}(x,t)<0，这是系统在非脉冲时刻渐近稳定的一个条件。接下来考虑脉冲时刻的情况。在脉冲时刻t_k，V(x,t)的变化为V(x(t_k^+),t_k)-V(x(t_k),t_k)=x^T(t_k^+)(I+J_k)^TP(I+J_k)x(t_k^+)-x^T(t_k)Px(t_k)。为了保证系统在脉冲作用下的稳定性，要求V(x(t_k^+),t_k)\leq\alpha_kV(x(t_k),t_k)，其中0<\alpha_k\leq1，即x^T(t_k^+)(I+J_k)^TP(I+J_k)x(t_k^+)-\alpha_kx^T(t_k)Px(t_k)\leq0。将上述非脉冲时刻和脉冲时刻的条件综合起来，得到基于Lyapunov-LMI的稳定性准则：存在正定矩阵P、Q，以及满足0<\alpha_k\leq1的标量\alpha_k，使得以下LMI组成立：\begin{cases}\begin{bmatrix}A^TP+PA+Q&PA_d&PB&PB_d\\A_d^TP&-Q&0&0\\B^TP&0&0&0\\B_d^TP&0&0&0\end{bmatrix}<0\\x^T(t_k^+)(I+J_k)^TP(I+J_k)x(t_k^+)-\alpha_kx^T(t_k)Px(t_k)\leq0,k=1,2,\cdots\end{cases}3.2.2准则的物理意义及应用条件分析上述基于Lyapunov-LMI的稳定性准则具有明确的物理意义。从Lyapunov函数的角度来看，V(x,t)可以看作是系统的一种广义能量度量。\dot{V}(x,t)<0意味着系统在非脉冲时刻，其“能量”随着时间的推移不断减少，系统状态趋向于稳定；而V(x(t_k^+),t_k)\leq\alpha_kV(x(t_k),t_k)则表明在脉冲时刻，系统的“能量”不会增加太多，从而保证了系统在脉冲作用下仍然能够保持稳定。从矩阵不等式的角度分析，\begin{bmatrix}A^TP+PA+Q&PA_d&PB&PB_d\\A_d^TP&-Q&0&0\\B^TP&0&0&0\\B_d^TP&0&0&0\end{bmatrix}<0中的各项反映了系统矩阵、时滞矩阵、控制矩阵以及干扰矩阵与Lyapunov矩阵P、Q之间的关系。其中，A^TP+PA+Q体现了系统即时状态对“能量”变化率的影响，PA_d反映了时滞状态对“能量”变化率的作用，通过这些矩阵之间的约束关系，确保了系统在非脉冲时刻的稳定性。在不同的不确定时滞系统中，该稳定性准则的应用条件和限制有所不同。对于时滞大小的限制，若时滞\tau过大，可能导致基于该准则得到的LMI无解，即系统难以满足稳定性条件。因为时滞的增大可能会使系统的相位滞后加剧，增加系统不稳定的风险。当系统的不确定性较强时，例如不确定性参数的变化范围较大，也可能使得稳定性准则的应用变得困难。不确定性可能会导致系统矩阵A、A_d等的不确定性增加，从而影响LMI的求解和系统的稳定性判断。在实际应用中，还需要考虑系统的初始条件。若初始状态偏离平衡点过大，可能会超出稳定性准则所适用的范围，导致系统无法稳定。此外，脉冲控制的参数，如脉冲增益矩阵J_k和脉冲时刻t_k的选择，也会对稳定性准则的应用产生影响。不合理的脉冲参数可能会使系统在脉冲作用下变得不稳定，因此需要根据具体系统的特性和要求，合理选择脉冲控制参数，以满足稳定性准则的条件，确保系统的稳定运行。四、不确定时滞系统脉冲控制器设计4.1控制器设计目标与思路不确定时滞系统脉冲控制器设计的核心目标在于使系统在面对不确定性因素和时滞影响时，依然能够保持稳定运行，并达到期望的性能指标。稳定性是系统正常工作的基础，确保系统在各种工况下不会出现失控或振荡等不稳定现象。期望的性能指标涵盖多个方面，包括良好的动态响应特性，如快速的上升时间和较小的超调量，使系统能够迅速且准确地跟踪给定的输入信号；较低的稳态误差，保证系统在稳定运行状态下输出与目标值之间的偏差在可接受范围内；以及较强的抗干扰能力，能够有效抑制外部干扰对系统性能的负面影响。基于稳定性准则和系统性能要求，设计思路主要围绕以下几个关键方面展开。深入分析系统的数学模型，全面了解系统的结构、参数以及不确定性和时滞的特性。通过对系统模型的精确把握，能够准确评估系统的稳定性和性能，为后续的控制器设计提供坚实的理论基础。以稳定性准则为重要依据，如前文所述的基于Lyapunov-LMI的稳定性准则，利用Lyapunov稳定性理论和LMI技术，建立起系统稳定性与控制器参数之间的紧密联系。通过求解相关的LMI问题，确定使系统稳定的控制器参数范围，从而确保系统在脉冲控制下的稳定性。根据系统的性能要求，建立相应的性能指标函数。这些指标函数可以根据具体的应用场景和需求进行灵活选择，如以系统的误差积分、能量消耗等作为性能指标。通过优化性能指标函数，进一步确定控制器的参数，以实现系统性能的最优化。在实际设计过程中，还需要充分考虑系统的可实现性和鲁棒性。确保控制器的结构和参数在实际工程应用中易于实现和调整，同时使控制器对系统参数的变化和外部干扰具有较强的鲁棒性，能够在不同的工作条件下保持良好的控制性能。4.2控制器设计方法4.2.1无记忆状态反馈控制器设计无记忆状态反馈控制器是一种较为基础且常用的控制器类型，其设计步骤具有明确的逻辑和方法。首先，根据不确定时滞系统的状态空间模型，确定控制器的结构形式为u(t)=Kx(t)，其中K为待确定的反馈增益矩阵。这种结构形式简单直接，仅依赖于系统当前的状态信息，不考虑系统过去的状态，因此被称为无记忆状态反馈控制器。利用LMI求解控制器参数是无记忆状态反馈控制器设计的关键环节。基于Lyapunov稳定性理论，构造合适的Lyapunov函数V(x,t)，如V(x,t)=x^T(t)Px(t)（为简化说明，此处暂不考虑积分项），对其求沿系统轨迹的导数\dot{V}(x,t)。将系统状态方程\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)代入\dot{V}(x,t)的表达式中，得到\dot{V}(x,t)=x^T(t)(A^TP+PA)x(t)+2x^T(t)PA_dx(t-\tau)+2x^T(t)PBKx(t)+2x^T(t)PB_dw(t)。为了将其转化为LMI形式，利用Schur补引理等数学工具进行处理。令\Xi=\begin{bmatrix}A^TP+PA+Q&PA_d&PBK&PB_d\\A_d^TP&-Q&0&0\\K^TB^TP&0&0&0\\B_d^TP&0&0&0\end{bmatrix}，则当\Xi<0时，有\dot{V}(x,t)<0，这是系统渐近稳定的一个条件。通过求解这个LMI问题，即寻找合适的正定矩阵P和反馈增益矩阵K，使得\Xi<0成立，从而确定无记忆状态反馈控制器的参数。该控制器对系统稳定性和性能有着重要影响。从稳定性方面来看，通过合理选择反馈增益矩阵K，可以改变系统的极点位置，使系统的特征根位于复平面的左半平面，从而保证系统的稳定性。在一个简单的线性时滞系统中，当选择合适的K时，能够有效抑制时滞引起的系统振荡，使系统状态逐渐收敛到平衡点。在性能方面，无记忆状态反馈控制器可以在一定程度上改善系统的动态响应特性。通过调整K的参数，可以减小系统的上升时间和超调量，提高系统的响应速度和控制精度。然而，由于无记忆状态反馈控制器仅依赖于当前状态信息，对于一些复杂的不确定时滞系统，其控制性能可能受到一定限制。当系统的不确定性较强或时滞较大时，仅根据当前状态进行控制可能无法充分应对系统的复杂变化，导致系统性能下降。4.2.2有记忆状态反馈控制器设计有记忆状态反馈控制器的设计原理是在反馈控制律中引入系统过去的状态信息，以更好地应对复杂不确定时滞系统的控制需求。其控制律通常表示为u(t)=K_1x(t)+K_2x(t-\tau_1)+\cdots+K_nx(t-\tau_n)，其中K_1,K_2,\cdots,K_n为反馈增益矩阵，\tau_1,\tau_2,\cdots,\tau_n为不同的时滞。这种设计方式考虑了系统在不同时刻的状态，能够更全面地捕捉系统的动态特性，从而为控制器的设计提供更多的自由度和信息。与无记忆控制器相比，有记忆状态反馈控制器在处理复杂不确定时滞系统时具有显著优势。由于它考虑了系统过去的状态，能够更好地补偿时滞对系统的影响，提高系统的稳定性和控制性能。在一个具有长时间时滞的化工生产过程中，有记忆状态反馈控制器可以根据过去多个时刻的系统状态，提前调整控制策略，有效避免因时滞导致的控制滞后问题，使系统能够更准确地跟踪设定值，提高产品质量的稳定性。有记忆状态反馈控制器对于系统的不确定性具有更强的鲁棒性。它可以利用过去状态信息中的冗余性，对不确定性因素进行更有效的估计和补偿，从而使系统在面对参数摄动、外部干扰等不确定性时，仍能保持较好的性能。然而，有记忆状态反馈控制器的设计也存在一些难点。由于引入了多个时滞和反馈增益矩阵，其参数设计变得更加复杂。确定这些参数需要考虑更多的因素，如不同时滞的大小、系统的动态特性以及性能要求等，这增加了参数优化的难度。有记忆状态反馈控制器的计算复杂度较高。在实时控制中，需要实时获取和处理系统过去多个时刻的状态信息，这对控制器的计算能力和数据存储能力提出了更高的要求。如果计算资源有限，可能无法满足控制器实时性的要求，影响控制效果。为了克服这些难点，需要采用更先进的优化算法和计算技术，如智能优化算法、并行计算技术等，以提高控制器的设计效率和实时性。4.3控制器参数优化4.3.1优化目标与指标控制器参数优化的目标是使不确定时滞系统在脉冲控制下能够达到最佳的性能表现，这涉及多个关键指标，这些指标从不同角度反映了系统的性能，相互关联又相互制约。系统稳定性是首要目标，确保系统在各种工况下都能稳定运行是控制器设计的基础。一个稳定的系统能够可靠地完成其预定功能，避免出现失控、振荡或发散等不稳定现象。在电力系统中，稳定的控制器能保证电网电压和频率的稳定，防止电力故障的发生。可以通过系统的特征根分布来衡量稳定性，若系统的所有特征根都位于复平面的左半平面，则系统是稳定的。还可以利用Lyapunov稳定性理论，通过分析Lyapunov函数及其导数的性质来判断系统的稳定性。响应速度是衡量系统对输入信号响应快慢的重要指标。快速的响应速度能够使系统及时跟踪输入信号的变化，提高系统的动态性能。在工业自动化生产线中，快速响应的控制器可以使设备迅速调整运行参数，提高生产效率。响应速度通常可以用上升时间、峰值时间等指标来衡量。上升时间是指系统响应从稳态值的10%上升到90%所需的时间，峰值时间是指系统响应达到第一个峰值所需的时间，这些时间越短，说明系统的响应速度越快。抗干扰能力是控制器在面对外部干扰时保持系统性能稳定的能力。实际系统中不可避免地会受到各种外部干扰，如噪声、负载变化等，强大的抗干扰能力能使系统在干扰环境下仍能正常工作。在通信系统中，抗干扰能力强的控制器可以保证信号在传输过程中不受外界电磁干扰的影响，确保通信质量。抗干扰能力可以通过系统在干扰作用下的输出响应与理想输出的偏差来衡量，偏差越小，说明抗干扰能力越强。这些目标和指标之间存在着密切的关系。提高响应速度可能会对系统稳定性产生一定影响，因为快速的响应可能会导致系统出现较大的超调，从而影响稳定性。增强抗干扰能力可能会增加控制器的复杂性和成本，同时也可能对响应速度产生一定的制约。在优化控制器参数时，需要综合考虑这些因素，通过合理调整参数，在不同指标之间寻求平衡，以达到系统性能的最优化。4.3.2优化算法应用选择合适的优化算法对控制器参数进行优化是提升不确定时滞系统性能的关键环节。遗传算法和粒子群算法作为两种常用的智能优化算法，在控制器参数优化中展现出独特的优势和应用潜力。遗传算法是一种基于生物进化理论的随机搜索算法，其基本原理源于达尔文的自然选择和遗传学原理。该算法将问题的解表示为染色体，通过模拟生物的遗传操作，如选择、交叉和变异，对染色体进行不断进化，从而寻找最优解。在控制器参数优化中，遗传算法的应用步骤如下：首先，将控制器的参数编码为染色体，每个染色体代表一组可能的参数组合。可以将反馈增益矩阵K的元素编码为染色体的基因。然后，随机生成一组初始染色体，形成初始种群。接着，根据优化目标和指标定义适应度函数，用于评估每个染色体的优劣。在不确定时滞系统中，适应度函数可以综合考虑系统的稳定性、响应速度和抗干扰能力等指标，例如将系统的稳态误差、超调量和抗干扰指标等通过一定的权重组合成适应度函数。根据适应度函数的值，对种群中的染色体进行选择操作，适应度高的染色体有更大的机会被选中，进入下一代种群。选择操作模拟了生物进化中的适者生存原则，使得优良的基因得以保留和传递。对选中的染色体进行交叉和变异操作，产生新的染色体。交叉操作模拟了生物的遗传特征，将两个染色体的部分基因进行交换，从而产生新的基因组合；变异操作则以一定的小概率随机改变染色体的某些基因，以增加种群的多样性，防止算法陷入局部最优解。重复选择、交叉和变异操作，直到满足预定的终止条件，如达到最大迭代次数或适应度值不再显著提高。此时，种群中适应度最高的染色体所对应的参数组合即为优化后的控制器参数。粒子群算法是一种基于群体智能的优化算法，它模拟了鸟群觅食的行为。在粒子群算法中，每个粒子代表问题的一个潜在解，粒子在解空间中飞行，通过不断调整自己的位置来寻找最优解。粒子的飞行速度和位置根据自身的历史最优位置以及群体的全局最优位置进行更新。在控制器参数优化中，粒子群算法的应用步骤如下：首先，初始化一群粒子，每个粒子的位置表示一组控制器参数。然后，计算每个粒子的适应度值，根据适应度值确定每个粒子的历史最优位置和群体的全局最优位置。接着，根据粒子群算法的速度和位置更新公式，更新每个粒子的速度和位置。速度更新公式通常包含粒子自身的认知部分、社会部分和惯性部分，认知部分使粒子趋向于自身的历史最优位置，社会部分使粒子趋向于群体的全局最优位置，惯性部分则保持粒子的运动趋势。位置更新公式根据更新后的速度来调整粒子的位置。重复计算适应度值、更新速度和位置的操作，直到满足终止条件。此时，全局最优位置所对应的参数组合即为优化后的控制器参数。与传统的优化算法相比，遗传算法和粒子群算法具有诸多优势。它们不需要对目标函数求导，适用于处理复杂的非线性优化问题，而不确定时滞系统的控制器参数优化往往涉及复杂的非线性关系。这两种算法具有较强的全局搜索能力，能够在较大的解空间中寻找最优解，避免陷入局部最优解，从而提高了找到全局最优参数的概率。它们还具有较好的鲁棒性，对初始值的选择不敏感，在不同的初始条件下都能得到较为稳定的优化结果。五、案例分析与仿真验证5.1案例选取与系统建模5.1.1航空航天系统案例以飞行器飞行控制系统为例，该系统在实际运行中面临诸多不确定时滞因素。从不确定性因素来看，飞行器在飞行过程中，大气环境复杂多变，不同的飞行高度、地理位置以及气象条件都会导致大气密度、温度和压力等参数发生显著变化，这些变化会直接影响飞行器所受到的空气动力和力矩，使得飞行器的动力学模型存在不确定性。在高空稀薄大气层中飞行时，空气密度降低，飞行器的升力和阻力特性会发生改变，从而影响飞行器的飞行性能。飞行器发动机的性能也会受到多种因素的影响而产生波动，如燃油质量的差异、发动机内部零部件的磨损等，这些因素都会导致发动机推力的不确定性，进而影响飞行器的飞行状态。从时滞因素分析，传感器测量数据的传输存在时滞。飞行器上的各类传感器，如惯性传感器、大气数据传感器等，在采集飞行状态信息后，需要通过数据传输线路将数据传输给飞行控制器。由于传输线路的信号传播速度有限，以及数据处理和传输过程中的排队等待等因素，会导致测量数据从传感器传输到控制器存在一定的时间延迟。控制器指令的执行也存在时滞，飞行控制器根据接收到的测量数据计算出控制指令后，需要将指令发送给飞行器的执行机构，如舵机、发动机油门控制器等。执行机构在接收到指令后，需要一定的时间来响应并执行指令，从而导致指令执行存在时滞。基于以上分析，建立相应的不确定时滞系统数学模型。设飞行器的状态向量x(t)=[x_1(t),x_2(t),\cdots,x_n(t)]^T，其中x_1(t)可表示飞行器的位置信息，x_2(t)表示飞行器的速度信息，其他分量可表示飞行器的姿态角、角速度等信息；控制输入向量u(t)=[u_1(t),u_2(t),\cdots,u_m(t)]^T，例如u_1(t)可表示舵机的控制信号，u_2(t)表示发动机油门的控制信号；外部干扰向量w(t)=[w_1(t),w_2(t),\cdots,w_q(t)]^T，用于描述大气扰动等外部不确定因素对飞行器的影响。则飞行器飞行控制系统的不确定时滞系统数学模型可表示为：\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)y(t)=Cx(t)+C_dx(t-\tau)+Du(t)其中，A、A_d、B、B_d、C、C_d和D为具有相应维数的常数矩阵，它们的具体数值取决于飞行器的动力学特性和控制系统的结构；\tau为时滞，反映了传感器测量数据传输和控制器指令执行的时间延迟。5.1.2工业生产系统案例以化工精馏塔控制系统为例，该系统中不确定性和时滞产生的原因较为复杂。从不确定性方面来看，进料成分的波动是一个重要因素。化工生产过程中，原材料的来源和质量可能存在差异，这会导致进入精馏塔的物料成分不稳定。不同批次的原材料中，目标组分的含量可能会有所不同，这会影响精馏塔内的传质和传热过程，使得精馏塔的性能参数发生变化。设备老化也会导致系统的不确定性。随着精馏塔的长期运行，塔板上的部件可能会磨损、结垢，从而改变塔板的效率和传质性能，使得精馏塔的数学模型难以精确描述。时滞现象在化工精馏塔控制系统中也十分明显。进料流量的变化对塔顶和塔底产品成分的影响存在时滞。当调整进料流量后，物料需要经过一定的时间才能在精馏塔内完成传质和传热过程，从而使塔顶和塔底产品的成分发生变化。这个时间延迟与精馏塔的塔板数、塔板效率、物料的物性等因素有关。温度控制也存在时滞，在精馏塔的温度控制中，当调节加热或冷却介质的流量以改变塔内温度时，由于塔内物料的热容较大，以及热量传递需要一定的时间，温度的变化会滞后于控制信号的变化。构建不确定时滞系统模型时，设精馏塔的状态向量x(t)=[x_1(t),x_2(t),\cdots,x_n(t)]^T，其中x_1(t)可表示塔顶产品的成分，x_2(t)表示塔底产品的成分，其他分量可表示塔内各塔板的温度、压力等状态信息；控制输入向量u(t)=[u_1(t),u_2(t),\cdots,u_m(t)]^T，例如u_1(t)可表示进料流量的控制信号，u_2(t)可表示加热或冷却介质流量的控制信号；外部干扰向量w(t)=[w_1(t),w_2(t),\cdots,w_q(t)]^T，用于描述进料成分波动等外部不确定因素对精馏塔的影响。则化工精馏塔控制系统的不确定时滞系统数学模型可表示为：\dot{x}(t)=Ax(t)+A_dx(t-\tau)+Bu(t)+B_dw(t)y(t)=Cx(t)+C_dx(t-\tau)+Du(t)其中，各矩阵的含义与飞行器飞行控制系统模型中的类似，\tau为时滞，体现了进料流量变化对产品成分影响以及温度控制的时间延迟。5.2脉冲控制器设计与仿真实现5.2.1根据案例设计脉冲控制器依据前文提出的控制器设计方法，为航空航天和工业生产案例设计合适的脉冲控制器。对于飞行器飞行控制系统案例，采用无记忆状态反馈控制器设计方法，确定控制器的结构为u(t)=Kx(t)，其中K为待确定的反馈增益矩阵。利用LMI求解控制器参数，基于Lyapunov稳定性理论，构造Lyapunov函数V(x,t)=x^T(t)Px(t)，对其求沿系统轨迹的导数\dot{V}(x,t)，并将系统状态方程代入。通过Schur补引理等数学工具进行处理，将其转化为LMI形式，求解该LMI问题，得到反馈增益矩阵K，从而确定脉冲控制器的参数。对于化工精馏塔控制系统案例，考虑到系统的复杂性和时滞特性，采用有记忆状态反馈控制器设计方法。控制律设为u(t)=K_1x(t)+K_2x(t-\tau_1)+K_3x(t-\tau_2)，其中K_1、K_2、K_3为反馈增益矩阵，\tau_1、\tau_2为不同的时滞，分别对应进料流量变化对产品成分影响的时滞和温度控制的时滞。同样基于Lyapunov稳定性理论，构造合适的Lyapunov函数，通过对其导数的分析和处理，结合LMI技术，求解得到反馈增益矩阵K_1、K_2、K_3，完成脉冲控制器的设计。5.2.2利用MATLAB等工具进行仿真在MATLAB/Simulink环境中搭建仿真模型，对于飞行器飞行控制系统仿真模型，首先从Simulink库中选取合适的模块，如积分器模块用于对状态变量进行积分运算，加法器模块用于实现状态方程中的各项相加，乘法器模块用于实现矩阵与向量的乘法运算等。将这些模块按照飞行器飞行控制系统的数学模型进行连接，构建出系统的动态模型。设置相关模块的参数，如积分器的初始条件、各矩阵的数值等，使其与实际系统参数相匹配。添加脉冲控制器模块，将设计好的脉冲控制器参数输入到该模块中，以实现对飞行器飞行控制系统的脉冲控制。对于化工精馏塔控制系统仿真模型，同样在Simulink中选取相应的模块进行搭建。利用传递函数模块来描述精馏塔内的传质和传热过程，通过设置传递函数的参数来反映精馏塔的特性。按照化工精馏塔控制系统的数学模型连接各模块，构建系统模型。设置模型参数，包括塔板数、塔板效率、进料流量、进料成分等参数，使其符合实际精馏塔的运行条件。将设计好的有记忆状态反馈脉冲控制器模块添加到仿真模型中，并设置相应的参数。设置仿真参数时，选择合适的仿真解法器，如ode45（四/五阶龙格－库塔法，适用于大多数连续或离散系统）。设置仿真的开始时间和结束时间，根据实际情况确定合适的仿真时长。对于变步长模式，设置相对误差和绝对误差等参数，以保证仿真结果的精度。相对误差可设置为1e-3，表示状态的计算值要精确到0.1%；绝对误差可根据具体系统的要求进行设置，若设为auto，Simulink会为每一个状态设置初始绝对误差为1e-6。完成仿真模型搭建和参数设置后，运行仿真，对不确定时滞系统在脉冲控制下的性能进行仿真。5.3仿真结果分析与对比对飞行器飞行控制系统的仿真结果进行分析，对比脉冲控制前后系统性能指标。在未采用脉冲控制时，由于不确定时滞因素的影响，飞行器的姿态角响应存在较大的超调量，达到了20°，且调整时间较长，约为10秒，这表明飞行