基于离散时间观测的神经网络的随机镇定

主要讨论了离散时间观测下的神经网络的随机镇定.首先,通过使用伊藤公式、Gronwall不等式、Burkholder-Davis-Gandy不等式等,证明得到离散时间观测的神经网络随机镇定的条件.其次,利用数值例子来对结论加以证明.     

基于混杂脉冲切换控制的时滞混沌神经网络的镇定

针对一类离散时滞混沌神经网络,研究其基于混杂脉冲切换控制的镇定问题.利用切换Lyapunov函数方法和S过程技巧,得到了受控的神经网络的指数稳定判据.该结果反映了脉冲控制和切换控制对闭环系统的稳定性的影响.离散时滞Hopfield混沌神经网络例子表明了所给镇定方法的有效性.     

具衰减随机干扰的分布参数型Hopfield神经网络的镇定

以随机Fubini定理为基础,研究具有分布参数的Hopfield随机神经网络的镇定问题,该神经网络具有衰减的随机扰动。构造了一个关于空间变量平均的Lyapunov函数,用Lyapunov第二方法给出了使该类随机神经网络控制系统镇定的控制器设计,并通过一实例证明了该控制器的有效性。     

随机混沌系统的几乎必然指数稳定与随机镇定

研究了一类随机混沌系统的几乎必然指数稳定性和随机噪声镇定问题.首先,利用Lyapunov函数法,得到了系统分别基于线性矩阵不等式和矩阵不等式形式的几乎必然指数稳定的判据.其次,在随机混沌系统稳定性分析的基础上,给出随机镇定的代数判据.最后,通过数值仿真验证了结论的有效性。     

离散奇异马尔科夫跳变系统的广义二次随机稳定性和可镇定问题研究

研究了离散奇异马尔科夫跳变系统的鲁棒随机稳定性和鲁棒随机可镇定问题.首先给出了以严格线性矩阵不等式表达的离散奇异马尔科夫跳变系统随机容许性充要条件,在此基础上引入广义二次随机稳定性和广义二次随机可镇定的概念,然后分别导出了以严格线性矩阵不等式表达的不确定离散奇异系统广义二次随机稳定性和广义二次随机可镇定充要条件,同时给...     

含反应扩散项和混合时滞的随机Hopfield神经网络的时滞相关全局指数稳定性分析

研究一类含反应扩散项和混合时滞的随机Hopfield神经网络的稳定性,通过构造恰当的Lya-punov泛函和运用不等式分析,得到了该网络平凡解时滞相关的全局均方指数稳定性条件,推广了已有的结果.利用一个例子,说明结果的有效性.     

随机泛函微分系统的脉冲镇定

针对一般的随机泛函微分系统,提出了可脉冲均方一致渐近镇定和可周期性脉冲均方一致渐近镇定的定义.利用Lyapunov函数和一个一维线性脉冲时滞系统的渐近稳定性条件,得到了随机泛函微分系统可周期性脉冲均方一致渐近镇定的充分判据,并给出了脉冲控制律的具体设计方法.脉冲控制函数为正比例函数,脉冲发生间隔则依赖于系统本身的参数和选取的脉冲控制函数的比例系数.数值例子表明所设计的脉冲控制器是有效的.     

比例时滞神经网络的全局多项式镇定性

针对一类比例时滞神经网络，采用状态反馈控制器，在激活函数有界且满足Lipschitz条件下，通过构造适当的Lyapunov泛函，并利用平均值不等式及其分析技巧，研究了该神经网络的全局多项式镇定性和全局渐近镇定性，得到了几个时滞依赖的全局多项式镇定和全局渐近镇定的判定条件.     

It型随机抛物型神经网络的指数稳定性

由高斯白噪声驱动的It型随机抛物型神经网络的稳定性,利用随机Lyapunov稳定性理论,Halanay不等式、改进的积分不等式,得到了与扩散项及时滞相关的稳定性判据,该条件在实际中容易验证,最后给出了数值算例,验证所得结果的有效性.     

Ito型随机抛物型神经网络的指数稳定性

由高斯白噪声驱动的Ito型随机抛物型神经网络的稳定性,利用随机Lyapunov稳定性理论,Halanay不等式、改进的积分不等式,得到了与扩散项及时滞相关的稳定性判据,该条件在实际中容易验证,最后给出了数值算例,验证所得结果的有效性.     

变时滞Cohen-Grossberg 随机神经网络的矩指数稳定性

本文讨论了随机变时滞Cohen-Grossberg神经网络的矩指数稳定性.利用Ito公式、时滞微分不等式和神经网络的特征，作者导出了这类神经网络矩指数稳定性的代数条件并给出了一个说明性实例.     

变时滞Cohen-Grossberg随机神经网络的矩指数稳定性

本文利用随机积分的伊腾公式,时滞微分不等式及随机时滞神经网络的特性 讨论变时滞Cohen-Grossberg随机神经网络的矩指数稳定性,实例证明本文结果的优越性.     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

采用SNNM的离散智能系统鲁棒控制器综合

研究了离散标准神经网络模型(SNNM)的鲁棒镇定控制器综合问题,利用李亚普诺夫稳定性理论和S方法推导出了鲁棒状态反馈控制律存在的充分条件,并利用一个线性矩阵不等式的解给出了控制律的参数化表示.大部分基于神经网络或T-S模糊模型的离散智能系统都可以转化为离散SNNM形式,以便采用统一的方法进行控制器的综合.数值示例和仿真结果表明所提出的方法简单易行,为非线性系统鲁棒控制器的综合提供了新的思路.     

变时滞随机反应扩散Hopfield神经网络的稳定性

作者讨论了具有变时滞的随机反应扩散Hopfield神经网络的稳定性. 利用Ito公式,时滞微分不等式和神经网络的特性,作者导出了关于非常值平衡解的矩指数稳定性的代数条件. 最后作者给出了一个说明性实例.     

混沌Arneodo系统非线性与自适应模糊神经网络控制

针对Arneodo系统的参数不确定性,阐述了Arneodo控制系统中抵消非线性的基本思想和设计方法.利用LQR线性反馈技术,设计了具有稳定裕度的二次型最优控制器,同时在控制器中引入一个用于函数逼近的自适应模糊神经网络,利用该神经网络抵消控制系统中的非线性项,使受控系统的某一状态变量可被镇定到任意参考位置.这种具有模糊神经网络的控制器实现了参数不确定系统的精确反馈线性化控制.通过仿真比较研究,说明了反馈线性化与自适应神经网络相结合的控制器具有良好的控制性能,且更易实现.     

马尔可夫时滞网络控制系统的稳定性

针对同时具有马尔可夫(Markov)链跳变特性时滞和随机丢包现象的网络控制系统,建立了网络控制系统的离散模型,利用李亚普诺夫稳定性理论、线性矩阵不等式和自由权矩阵方法,分析了系统的均方稳定性和均方可镇定性,并基于线性不等式给出了系统均方稳定、镇定判据.该方法能判定具有马尔可夫时滞和丢包的网络控制系统的均方稳定性,并设计出同等条件下的均方可镇定时滞依赖控制器.与现有方法相比.能更准确地描述网络时滞特性,有效减小系统保守性,结果更具一般性.最后通过仿真实例证明了方法的有效性.     

开架式水下机器人运动的变结构神经网络控制

针对开架式水下机器人运动的精确控制问题,提出一种水下机器人变结构神经网络控制方法。利用变结构控制理论中的趋近律方法,推导出神经网络参数的镇定算法,并讨论了学习算法的全局稳定性条件。仿真实验结果表明该控制方法对网络学习率的改变和外界扰动有很强的鲁棒性,具有一定的理论和实用价值。     

变时滞随机模糊细胞神经网络的均方指数稳定性分析

利用Lyapunov泛函及随机分析技巧研究一类变时滞的随机模糊细胞平衡点的均方指数稳定性,得到了均方指数稳定性的充分条件.该模型同时考虑了模糊不确定性和随机不确定性,更加接近真实的神经网络.最后给出一个例子证明结论的有效性.     

具有混合时滞的随机Cohen-Grossberg神经网络的稳定性分析

研究了均方意义下的具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性,利用It微分公式和Lyapunov泛函,得到了一个关于其指数稳定时滞无关的充分条件.具体实施方法是运用It微分公式沿所考虑的神经网络对构造的Lyapunov泛函进行微分,得到了系统稳定的代数判据.最后,通过一个数学样例说明了所得结论的有效性.目前文献尚未见同时具有时变时滞与分布时滞的随机Cohen-Grossberg神经网络的指数稳定性的相应结果,由于Cohen-Grossberg神经网络更具有代表性,其研究意义与应用前景不言而喻.