引 言
随着分数阶微积分理论的发展,学者们发现分数阶微积分有很好的遗传特性,这使得分数阶微分系统比传统的整数阶微分系统更能精确描述某些系统的动力学行为．目前,分数阶微分系统已经在流体力学、控制理论和生物工程等领域[1-7]出现了具体应用,这引起了国内外学者的广泛关注．
在研究系统时，系统是否稳定是首要考虑的问题,所以系统的稳定性问题一直是分数阶微分系统的重要课题之一,是学者们研究的重要对象,目前在分数阶微分系统稳定性方面已经有了丰富的成果．在经典控制理论研究过程中，学者们普遍关注的是Lyapunov稳定性，而在实际应用中，通常只考虑在有限时间间隔内系统状态的变化．有限时间稳定性的概念最早起源于1950年,自从Peter Dorato在1960年提出短时间稳定概念并应用于系统后,在接下来的五六十年里，科学家们对有限时间稳定性的研究付出了巨大的努力，并取得了丰富的成果,其中分数阶时滞系统的有限时间稳定性研究也取得了相关成果．如文献[8-9]研究了一类特殊的线性(非)自治分数阶时滞系统,在使系统轨迹保持在先验给定集合内的充分条件下运用广义Gronwall不等式和矩阵不等式的方法验证了系统的有限时间稳定问题．文献[10]利用“经典”Bellman-Gronwall不等式和一个合适的“分数阶”不等式代替广义的Gronwall不等式,导出了时变时滞的(非)齐次分数阶系统新的稳定性准则．而文献[11-12]则分别利用分数阶广义Gronwall不等式方法研究了分数阶非线性时变时滞微分系统和含有有界扰动下的分数阶非线性时滞微分系统的有限时间稳定性问题．2017年,基于常数变易法,Li和Wang利用带参数的时滞Mittag-Leffler型矩阵函数给出了线性非齐次分数阶时滞微分方程解的显式公式,利用时滞Mittag-Leffler型矩阵取得了保证分数阶时滞系统的有限时间稳定性[13-14]的充分性条件．对于分数阶神经网络的有限时间稳定性问题，目前主要利用收缩映射原理、迭代方法、Hölder不等式等方法得到有限时间稳定性条件[15-16]．针对分数阶系统有限时间内不稳定性问题,由Caputo或Riemann-Liouville定义描述的分数阶非线性系统,只要全局存在对应于初值问题的连续解,任何平衡点都不能是有限时间稳定的[17-18]．此外,在分数阶有限时间稳定性应用方面，分数阶微分系统的有限时间稳定性已经应用到基于忆阻器的分数阶模糊细胞神经网络[19]中并提出了基于新型分数阶PID控制器的导航律问题[20]．
文献[7]通过构造Lyapunov函数,利用线性矩阵不等式得到整数阶线性系统
的有限时间稳定性问题,其中A(p)∈Rn×n,B(p)∈Rn×m,G(p)∈Rn×l．受文献[7]及以上文献的启发，本文利用线性矩阵不等式的方法研究如下分数阶线性时滞微分系统的有限时间稳定性问题:
(1)
其中x∈Rn,A,B∈Rn×n,τ>0表示时滞,T>0, 初始函数Φ(t)：[-τ,0]→Rn是连续向量函数,且0<α<1．
本文研究的分数阶微分系统含有时滞因素,结合线性矩阵不等式方法,得到了关于该系统的有限时间稳定的最新结论．同时,给出了通过状态反馈控制,使得系统能有限时间稳定的充分性条件．
1 准 备 知 识
下面介绍分数阶积分、Caputo导数以及有限时间稳定的定义等基本概念．另外在本文中,分数阶积分和微分的下限都是从0开始的．
定义1[1] 连续函数f(t)的α阶分数阶积分定义为
其中n-1<α< n,n∈N+,Γ(·)是Gamma函数．
定义2[1] 连续函数f(t)的α阶分数阶Caputo导数定义为
其中n-1<α< n,n∈N+,Γ(·)是Gamma函数．
注1 在本文中,分别用Iα，Dα表示分数阶积
和Caputo导数
定义3[2] 具有一个参数的Mittag-Leffler函数和具有两个参数的Mittag-Leffler函数分别定义如下:
其中 α>0, β>0, z∈C．
注2 当β=1时,有Eα(z)=Eα,1(z); 当α=β=1时,有
定义4[7] 考虑分数阶线性常系数微分系统
Dαx(t)=Ax(t), t∈[0,T],
如果以下条件成立:
xT(0)Rx(0)≤c1 ⟹ xT(t)Rx(t)<c2, t∈[0,T]，
其中c1,c2,T是正实数,c2>c1,A∈Rn×n,R是正定矩阵．则称系统(1)关于(c1,c2,T,R)是有限时间稳定的．
引理1[1] 由分数阶积分和Caputo导数的定义可得
特别地,当0<α<1时,Iα{Dαx(t)}=x(t)-x(0)．
引理2[3] 设α∈(0，1)，x(t)∈Rn是连续可微函数,那么对于任意时刻t≥0,下面的不等式成立：
其中P∈Rn×n是对称正定矩阵．
引理3[21] 设u,v∈Rn,k>0,则
注3 A>0(A<0) 表示矩阵A正定(负定)．
2 主 要 结 果
定理1 若存在常数γ>0, μ>0, 矩阵Q>0, R>0, Q∈Rn×n, R∈Rn×n,满足以下条件:
这里
则系统(1)关于(c1,c2,T,R)是有限时间稳定的．
证明 令V(t,x)=xT(t)Px(t),因为P是对称正定的,所以存在可逆矩阵W,使得P=WTW．根据引理2，有
DαV(t,x)≤2xT(t)PDαx(t)≤2xT(t)P(Ax(t)+Bx(t-τ))≤
2xT(t)PAx(t)+2xT(t)PBx(t-τ)≤
2xT(t)PAx(t)+2xT(t)PBW-1Wx(t-τ)．
再由引理3得到,存在μ>0,使得
DαV(t,x)≤2xT(t)PAx(t)+
因为x(t)是系统(1)的解, 当x(t)≤x(t+θ), θ∈[-τ,0]时,系统(1)在有限时间内是稳定的．因此我们只需讨论当x(t)≥x(t+θ)， θ∈[-τ，0]时,系统是不是有限时间稳定的．因为P是正定对称矩阵,x(t)≥x(t+θ),θ∈[-τ,0],所以有xT(t-τ)Px(t-τ)≤xT(t)Px(t)，则
DαV(t,x)≤xT(t)(PA+ATP)x(t)+
γxT(t)Px(t)=γV(t,x),
即
DαV(t,x)≤γV(t,x)， t∈[0,T]．
(2)
则对于不等式(2)存在一个非负函数M(t)满足
DαV(t,x)+M(t)=γV(t,x),
(3)
对式(3)进行Laplace变换,由引理1得到
sαV(x(s))-sα-1V(x(0))+M(s)=γV(x(s)),
上式等价于
V(x(s))=(sα-γ)-1[sα-1V(x(0))-M(s)]．
(4)
再对式(4)进行反Laplace变换,得到
V(x(t))=V(x(0))Eα(γtα)-
M(τ)[(t-τ)α-1Eα,α(γ(t-τ)α)]dτ．
因为(t-τ)α-1和Eα,α(γ(t-τ)α)都是非负函数,所以V(x(t))≤Eα(γtα)V(x(0))．即
xT(t)Px(t)≤Eα(γTα)xT(0)Px(0)．
又因为P=R1/2QR1/2,所以
xT(t)R1/2QR1/2x(t)≤Eα(γTα)xT(0)R1/2QR1/2x(0),
即
λmin(Q)xT(t)Rx(t)≤λmax(Q)Eα(γTα)xT(0)Rx(0)．
再由定理1
和xT(0)Rx(0)≤c1,得到
xT(t)Rx(t)<c2, ∀t∈[0,T]．
即系统(1)关于(c1,c2,T,R)是有限时间稳定的．
推论1 对于分数阶微分系统(1),若存在常数γ>0，μ>0,Q>0,Q∈Rn×n,满足以下条件:
这里P是正定的,P-1=R1/2QR1/2,T>0,则系统(1)关于(c1,c2,T,R)是有限时间稳定的．
证明 对推论1
左右均乘P-1,则有
令V(t,x)=xT(t)P-1x(t),因为P-1是对称正定的,所以存在可逆矩阵W,使得P-1=WTW．根据引理可知
DαV(t,x)≤
2xT(t)P-1Dαx(t)≤
2xT(t)P-1(Ax(t)+Bx(t-τ))≤
2xT(t)P-1Ax(t)+2xT(t)P-1Bx(t-τ)≤
2xT(t)P-1Ax(t)+2xT(t)P-1BW-1Wx(t-τ)≤
μxT(t-τ)WTWx(t-τ),
又因为P-1是正定对称矩阵,由定理1的证明过程可知当x(t)≥x(t+θ),θ∈[-τ,0]时,有
xT(t-τ)P-1x(t-τ)≤xT(t)P-1x(t)．
因此
DαV(t,x)≤
γxT(t)P-1x(t)≤γV(t,x),
即
DαV(t,x)≤γV(t,x)， t∈[0,T]．
再根据定理1的证明,能得到xT(t)Rx(t)<c2 ,∀t∈[0,T]．即可证明推论1中系统(1)关于(c1,c2,T,R)是有限时间稳定的．
下面考虑分数阶线性时滞微分系统在反馈控制器作用下系统的有限时间稳定性问题,对于如下系统：
(5)
设计状态反馈控制器u(t)=Kx(t),使得分数阶闭环微分系统
(6)
关于(c1,c2,T,R)是有限时间稳定的,其中x∈Rn,A,B∈Rn×n,C∈Rn×l,τ>0表示时滞, 初始函数Φ(t)：[-τ,0]→Rn是连续向量函数,T>0,AD=A+CK,K∈Rl×n,且0<α<1．
定理2 对于给定的分数阶微分系统(5),如果存在常数γ>0,μ>0，Q>0,Q∈Rn×n和矩阵L∈Rl×n,满足以下条件:
其中P是正定矩阵,P-1=R1/2QR1/2,T>0．
则系统(5)在反馈控制器
u(t)=Kx(t)=LP-1x(t)
作用下关于(c1,c2,T,R)是有限时间稳定的．
证明 应用状态反馈控制器u(t)=Kx(t)=LP-1x(t)于式(5), 得到分数阶闭环微分系统为
(7)
定理2等价于
令D=A+CLP-1,即满足
再根据定理1和推论1的证明过程可得结论,即分数阶微分系统(5)关于(c1,c2,T,R)是有限时间稳定的．
3 具 体 例 子
例1 考虑如下分数阶微分系统：
(8)
其中
且
是单位矩阵,时滞τ=1．
因为P是正定对称的,所以
给定c1=0.02, c2=0.036, T=5, R=I．我们取V(t,x)=xT(t)Px(t),则当|x(t)|≥|x(t+θ)|,θ∈[-τ,0]时,把P代入,有
θ∈[-τ,0], t∈[0,T]．
取γ=0.2,μ=4时,则Eα(γTα)=E0.5(0.2×50.5)≈1.799 0,cond(Q)=1,xT(t)Rx(t)在T=5内都是小于c2=0.036．
验证定理1的条件如下:
其特征值为-0.4,-0.4,所以矩阵为负定．
验证定理1的条件如下:
图1也验证了结论是正确的．即给定的分数阶微分系统(8)关于c1=0.02,c2=0.036,T=5,R=I是有限时间稳定的．
图1 系统(8)的xT(t)Rx(t)轨迹
Fig. 1 The trajectory of xT(t)Rx(t) for system(8)
例2 在状态反馈器的控制下,考虑分数阶微分系统：
(9)
其中
且是单位矩阵,时滞τ=1．
根据P-1计算出
且
设计状态反馈控制器为u(t)=Kx(t)=LP-1x(t),取
则 K=(2 -2)．
取γ=0.2,μ=3时,给定c1=0.02,c2=0.045,T=4,R=I,则Eα(γTα)=E0.98(0.2×40.98)≈2.203 7，cond(Q)=1．图2是系统(9)不加反馈控制器时方程的解,在T=4时,xT(t)Rx(t)数值大于c2=0.045,所以系统不是有限时间稳定的．图3是系统(9)加上反馈控制器后方程的解，xT(t)Rx(t)数值在T≤4内都小于c2=0.045．
图2 系统(9)的xT(t)Rx(t)轨迹图3 系统(9)在反馈控制器下的xT(t)Rx(t)轨迹
Fig. 2 The trajectory of xT(t)Rx(t) for system(9)Fig. 3 The trajectory of xT(t)Rx(t) for system(9) under the state feedback controller
验证定理2的条件如下:
其特征值为-3.997 5,-0.035 9,所以矩阵为负定．
验证定理2的条件如下:
即系统(9)是有限时间稳定的．
4 结 论
本文主要研究了分数阶线性时滞微分系统的有限时间稳定性问题和其反馈控制闭环系统的有限时间稳定性问题．通过构造适用于分数阶计算的Lyapunov函数,利用线性矩阵不等式和分析技巧讨论了含有时滞的分数阶微分系统有限时间内稳定的充分性条件,同时给出了构造反馈控制器的方法,解决了该系统的有限时间稳定性问题．我们针对含有时滞的分数阶微分系统的有限时间稳定性问题取得的结论是最新的．相对于文献[7]所讨论的不含时滞的整数阶微分系统,本文研究的是含有时滞的分数阶微分系统,给出了分数阶时滞微分系统的有限时间稳定性结论,推广了现有结果．目前,针对分数阶含有时滞的微分系统的有限时间稳定性问题主要基于Gronwall不等式和Hölder不等式取得结果,而本文主要利用线性矩阵不等式和分析方法,是一种新的尝试．在后续研究过程中,我们将进一步寻找解决含有时滞因素的分数阶微分系统的有限时间稳定性的处理方法,揭示时滞对系统稳定性的影响．
[1] KILBAS A A, SRIVASTAVA H M, TRUJILLO J J. Theory and Applications of Fractional Differential Equations[M]. New York: Elsevier, 2006.
[2] PODLUBNY I. Fractional Differential Equations[M]. San Diego: Academic Press, 1999.
[3] DUARTE-MERMOUD M A, AGUILA-CAMACHO N, GALLEGOS J A. Using general quadratic Lyapunov functions to prove Lyapunov uniform stability for fractional order systems[J]. Communications in Nonlinear Science and Numerical Simulation, 2015, 22(1/3): 650-659.
[4] MA Y J, WU B W, WANG Y E. Finite-time stability and finite-time boundedness of fractional order linear systems[J]. Neurocomputing, 2016, 173(3): 2076-2082.
[5] 王利敏, 宋乾坤, 赵振江. 基于忆阻的分数阶时滞复值神经网络的全局渐近稳定性[J]. 应用数学和力学, 2017, 38(3): 333-346.(WANG Limin, SONG Qiankun, ZHAO Zhenjiang. Global asymptotic stability of memristor-based fractional-order complex-valued neural networks with time delays[J]. Applied Mathematics and Mechanics, 2017, 38(3): 333-346.(in Chinese))
[6] 张平奎, 杨绪君. 基于激励滑模控制的分数阶神经网络的修正投影同步研究[J]. 应用数学和力学, 2018, 39(3): 343-354.(ZHANG Pingkui, YANG Xujun. Modified projective synchronization of a class of fractional-order neural networks based on active sliding mode control[J]. Applied Mathematics and Mechanics, 2018, 39(3): 343-354.(in Chinese))
[7] AMATO F, ARIOLA M, DORATO P. Finite-time control of linear systems subject to parametric uncertainties and disturbances[J]. Automatica, 2001, 37(9): 1459-1463.
[8] 
A M. Finite-time stability analysis of fractional order time-delay systems: Gronwall’s approach[J]. Mathematical and Computer Modelling, 2009, 49(3/4): 475-481.
[9] ZHANG X Y. Some results of linear fractional order time-delay system[J]. Applied Mathematics and Computation, 2008, 197(1): 407-411.
[10] 
M P. Further results on finite time partial stability of fractional order time delay systems[C]//6th Workshop on Fractional Differentiation and Its Applications, Part of 2013 IFAC Joint Conference SSSC. Grenoble, France, 2013.
[11] HEI X D, WU R C. Finite-time stability of impulsive fractional-order systems with time-delay[J]. Applied Mathematical Modelling, 2016, 40(7/8): 4285-4290.
[12] PHAT V N, THANH N T. New criteria for finite-time stability of nonlinear fractional-order delay systems: a Gronwall inequality approach[J]. Applied Mathematics Letters, 2018, 83: 169-175.
[13] LI M M, WANG J R. Finite time stability of fractional delay differential equations[J]. Applied Mathematics Letters, 2017, 64: 170-176.
[14] LI M M, WANG J R. Exploring delayed Mittag-Leffler type matrix functions to study finite time stability of fractional delay differential equations[J]. Applied Mathematics and Computation, 2018, 324: 254-265.
[15] YANG X J, SONG Q K, LIU Y R. Finite-time stability analysis of fractional-order neural networks with delay[J]. Neurocomputing, 2015, 152: 19-26.
[16] WU R C, LU Y F, CHEN L P. Finite-time stability of fractional delayed neural networks[J]. Neurocomputing, 2015, 149(B): 700-707.
[17] SHEN J, LAM J. Non-existence of finite-time stable equilibria in fractional-order nonlinear systems[J]. Automatica, 2014, 50: 547-551.
[18] 
A J, ANAND S O, PARRA-VEGA V. A general result on non-existence of finite-time stable equilibria in fractional-order systems[J]. Journal of the Franklin Institute, 2019, 356: 268-275.
[19] ZHENG M W, XIAO J H, ZHAO H. Finite-time stability and synchronization of memristor-based fractional-order fuzzy cellular neural networks[J]. Communications in Nonlinear Science and Numerical Simulation, 2018, 59: 272-291.
[20] PAN B F, FAREED U, QING W J, et al. A novel fractional order PID navigation guidance law by finite time stability approach[J]. ISA Transactions, 2019, 94: 80-92.
[21] LIU S, ZHOU X F, LI X Y, et al. Asymptotical stability of Riemann-Liouville fractional singular systems with multiple time-varying delays[J]. Applied Mathematics Letters, 2017, 65: 32-39.