二次最小化问题的有限时间递归神经网络求解

利用一类递归神经网络模型来求解二次最小化问题,在该模型的基础上加入双符号幂激励函数,以加快递归神经网络的收敛速度,甚至达到有限时间收敛.通过调节设计参数λ的取值,递归神经网络的收敛性能可进一步提高.利用MATLAB软件对有限递归神经网络模型进行仿真,数值仿真结果验证了模型求解二次最小化问题的有效性和优越性.     

一类具有混合时滞的分数阶神经网络的有限时间同步分析

针对具有混合时滞的分数阶神经网络的有限时间同步问题,基于Gronwall不等式、不等式放缩技巧以及一些分数阶微积分的分析技巧,推导得到混合时滞的分数阶神经网络的有限时间同步的充分判据,并通过数值模拟实验验证了所得结果的正确性和可行性。     

一类分数阶时滞神经网络的有限时间同步行为分析

分数阶时滞神经网络在信息科学、图像处理等领域具有重要应用,研究分数阶时滞神经网络的有限时间同步问题具有重要意义.首先,利用H?lder不等式提出一个关于上升函数的不等式;其次,利用不等式技巧和线性反馈控制器,得到阶数在1<α<2情形下分数阶时滞神经网络有限时间同步的充分条件;最后,给出数值案例,实验结果证实了所得结果的有效性和可行性.     

基于光滑控制的神经网络给定时间同步

基于一般的状态反馈和时变的增益函数,设计了一类全新的光滑控制协议,研究了神经网络的给定时间主从同步问题。与传统的有限时间控制或固定时间控制不同,该同步时间可以根据任务的需求而预先设定,从而具有更好的实用性。所提出的控制协议的同步时间不依赖于任何系统初值和控制器参数,这与目前大多数有限时间控制理论的同步时间由系统的初值和控制器参数决定有着本质的区别。同时,文中设计的控制协议没有使用非连续或非光滑的状态反馈,减少了理论分析难度。最后,数值仿真验证了理论分析的有效性。     

一类非线性系统的递归神经网络控制

递归神经网络（ＲＮＮ）由于具有极为丰富的动力学行为而被用在非线性控制系统中,但是传统的ＲＮＮ的训练算法不仅复杂,而且容易陷入局部极值点．作者通过对标准的遗传算法的改进,采用格雷编码方式、比赛选择策略和稳定状态更替方式,使其适用于ＲＮＮ控制器结构和参数的确定．此外,把ＲＮＮ控制器用于控制一类ＳＩＭＯ自不稳定非线性系统（ 如倒立摆系统） ,也收到很好的效果．     

一类复杂网络系统的有限时间混沌同步

研究了一类复杂网络系统的有限时间混沌同步问题,根据有限时间稳定性理论设计了控制器,能够使驱动网络与响应网络达到有限时间同步,同步误差按预设的指数速率收敛,得到了误差系统渐近稳定的充分性条件.     

基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

超混沌Chen-Lee系统的有限时间同步

引入一个非线性状态反馈控制, 将混沌Chen-Lee系统构造成四维超混沌系统.将这个四维超混沌系统作为驱动系统.采用主动控制方法构造一个响应系统, 进一步选择适当的控制器使驱动-响应系统达到有限时间同步.数值模拟验证了本文提出的方案是有效的.     

Lurie混沌系统的有限时间同步问题

研究Lurie混沌系统的有限时间同步问题,同时考虑Lurie系统及其不确定系统、Lurie观测器系统及其不确定系统的有限时间同步问题,给出一个易于实现的连续非线性反馈控制器,并根据有限时间稳定性理论,指出当该控制器满足一定条件时,2个相同的Lurie系统可以快速达到有限时间同步,基于Lyapunov稳定性理论给出系统有限时间同步的充分条件,并估计出同步时间.最后数值算例说明该方法的有效性.     

随机Sprott-F混沌系统的有限时间同步

讨论了随机受扰的Sprott-F混沌系统的有限时间稳定性问题.首先构造了随机受扰的混沌Sprott-F驱动—响应系统模型,接着基于有限时间lyapunov稳定性定理、It8公式和相关假设条件,设计了合适的非线性反馈控制器,通过理论证明了受扰的Sprott-F驱动-响应系统的有限时间稳定性结论.最后利用数值模拟验证了本文所给结论的正确性和所设计的非线性反馈控制器的有效性.     

一类分数阶神经网络的有限时间稳定（英文）

研究一类阶数在1和2之间的分数阶神经网络的有限时间稳定问题.基于反馈控制,得到一个实现有限时间稳定的充分条件.该条件是一个易于验证的代数不等式.不同于早期的证明,本文的证明主要利用Cauchy-Schwartz不等式和Gronwall不等式.最后,数值例子表明了理论结果的有效性.     

基于动态递归神经网络的动态矩阵控制

给出了劝态递归神经网络（DRNN）重构一个非线性动态过程的方法,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征,容易实现并进行稳定性分析,利用训练好的网络作为预估模型,设计了基于DRNN的动态矩阵控制算法,仿真结果表明了权值调整算法和控制策略的有效性。     

切换系统有限时间稳定的事件触发滑模控制

构建了一个事件触发滑模曲面用来处理事件触发过程中的网络传输延迟现象.对传输产生的延时采用模型转换法,将原时变时滞的不确定性从原系统中分离出来,分解为两个常时滞组成的近似项和有界误差项,并经过事件触发滑模控制器消除延时带来的不利影响.用李雅普诺夫函数和平均驻留时间(ADT)方法推导出系统的输入输出有限时间稳定的充分条件,并通过线性矩阵不等式(LMI)求解得到滑模控制律的增益矩阵.实例证明:系统闭环曲线稳定,且输入输出有限时间满足设定要求.     

一类连续非线性系统的有限时间镇定问题

讨论了一类连续非光滑非线性系统的全局有限时间状态反馈镇定问题。利用有限时间Lyapunov稳定定理和加幂积分器的方法证明了这类系统在连续的状态反馈控制下是全局有限时间状态反馈镇定的,并给出了状态反馈控制器的设计方法。     

基于事件触发的二阶随机时延系统的有限时间一致

文章研究的是二阶随机时延多智能体系统的有限时间一致性控制.针对在达到有限时间一致性的过程中控制器更新频率过高的问题,设计了一种事件触发控制策略,每个智能体根据状态信息设计了自己的触发条件,当条件违反时才触发事件,使系统能耗和控制器的更新频率均能有效减少,同时利用李雅普诺夫理论和齐次性理论证明跟随者的位置和速度状态能跟踪...     

基于事件驱动间歇控制的离散复杂网络有限时间同步

研究了一类基于间歇控制的离散时间异构复杂动态网络有限时间有界同步问题。首先,设计了一个基于事件驱动的间歇控制机制。在该机制下,控制器是否工作取决于Lyapunov函数轨迹和预设的工作区域。与现有的间歇性控制方案相比,该方法中控制器的工作/休息时间是非周期的且不可预测的。其次,提出了有限时间有界性的概念,并利用类整定时间函数来衡量控制性能。通过求解不等式约束的优化问题,进一步得到有限时间有界同步的类整定时间。最后,通过数值仿真实验验证了该结论的准确性和有效性。     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器 ,该控制器能通过自学习不断进行适应性控制 ,且结构简单 ,易于实现 .其主要特点是能够提供一个跟踪网络来辩识系统模型 ,进而确定控制器的网络参数 ,实现间接自适应神经网络控制 .经过对大量非线性系统的仿真研究 ,证明其具有良好的控制性能 .     

分数阶时滞忆阻神经网络的有限时间投影同步

本文研究了分数阶时滞忆阻神经网络的有限时间投影同步问题。首先,引入分数阶时滞忆阻神经网络的模型。其次,设计了一个新型混合控制器,利用Mittag-Leffler函数的Laplace变换和逆变换,以及Gronwall-Bellman不等式,得到了当阶数为1<α <2情况下的分数阶时滞忆阻神经网络有限时间投影同步的充分条件。最后,通过数值模拟,验证了结果的可行性和有效性。     

一类五阶异步电机模型的有限时间跟踪控制

考虑了一类五阶异步电机模型的有限时间跟踪控制问题。在控制器设计中应用了中继切换控制机制和有限时间收敛的TSM控制方案,保证了整个系统的全局稳定性以及系统在有限时间内精确地跟踪给定的参考信号。仿真结果验证了该控制策略的正确有效性。