混合变时滞细胞神经网络的全局渐近稳定性

基于微分动力系统Lyapunov稳定性理论和线性矩阵不等式(LMI)处理方法,借助于Matlab中LMI控制工具箱,给出了一类含有离散时滞和分布时滞的混合变时滞细胞神经网络的全局渐近稳定性的充分条件,改进了文献[9]的结果,降低了系统的保守性.数值例子进一步验证了结果的有效性.     

一类非线性时滞细胞神经网络稳定性分析

研究了一类常时滞细胞神经网络的全局渐近稳定性.通过构造适当的Lyapunov-Krasovskii泛函,利用线性矩阵不等式(LMI)得出了全局渐近稳定性判据.数值的例子验证了方法结果的有效性.     

基于LMI方法的中立型多时滞系统稳定性分析

利用李雅普若夫第二方法结合LMI（线性矩阵不等式）方法讨论了中立型时滞微分系统的渐近稳定性，获得了该系统零解渐近稳定的充分条件，同时得到了易于判断系统渐近稳定的时滞无关与时滞相关的LMI不等式．通过实例比较表明文中结论推广并改进了现有文献中的结论．     

广义时变时滞系统的时滞相关稳定准则

利用时滞分解方法和线性矩阵不等式工具,研究了一类具有时变时滞的广义系统的渐近稳定性问题,得到了广义系统正则、无脉冲和渐近稳定的时滞相关充分条件．进一步,利用Matlab软件中的LMI工具箱求解,得到保证广义时滞系统渐近稳定的最大可容许时滞上界．最后仿真示例表明本文方法的有效性和可行性．     

一类非线性扰动时滞系统的时滞依赖保性能控制

利用线性矩阵不等式（LMI）方法，研究了一类含有不确定参数和非线性扰动的时滞系统的时滞依赖保性能控制问题，所设计的控制器对于所允许的的参数不确定性和时滞，能保证闭环系统渐近稳定．并以线性矩阵不等式的可行解给出了相应的控制器设计方法。     

时变时滞细胞神经网络的稳定性分析

研究了一类具有变时滞的细胞神经网络的稳定性问题,利用新的Lyapunov Krasovskii函数,给出了系统全局渐近稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,可以很容易通过计算机编程实现。并且本文通过对矩阵特征值的应用,得到了一个新的LMI的应用形式,改善了对LMI的应用。最后,数值算例说明了本文结果的优越性。     

复域时滞神经网络的渐近稳定（英文）

对复域时滞神经网络的唯一性和在平衡点处的渐近稳定进行了研究,并基于Lyapinov函数方法和线性矩阵不等式(LMI),复域时滞神经网络的一些渐近稳定的有效条件得到推导。最后通过一个有效的例子来验证了结论的有效性和正确性。     

具有离散和分布时滞的脉冲神经网络的全局指数稳定性

研究了一类具有离散和分布时滞的脉冲神经网络的全局稳定性。基于微分方程的Lyapunov稳定性理论和线性矩阵不等式（LMI）处理方法,得到了系统全局指数稳定的充分条件。     

复域时滞神经网络的渐近稳定

对复域时滞神经网络的唯一性和在平衡点处的渐近稳定进行了研究,并基于Lyapinov函数方法和线性矩阵不等式（LMI）,复域时滞神经网络的一些渐近稳定的有效条件得到推导。最后通过一个有效的例子来验证了结论的有效性和正确性。
     

一类离散广义系统的观测器设计

本文主要研究一类离散时滞非线性广义系统的观测器设计问题。当状态变量不完全可获得时,利用线性矩阵不等式(LMI)方法,给出了系统的状态观测器设计,保证了误差系统全局渐近稳定,并且将结果推广到系统方程含有不确定性的情形。最后的仿真示例验证了该方法的可行性与有效性。