离散系统部分稳定Lyapunov函数与大系统部分稳定性

对常系生离散系统构造出部分稳定的李雅诺夫函数，还给出一类变系数线性离散系统和一类非线性自治离散系统部分稳定的李雅普诺夫函数，并研究了系统为上述各系统时，大系统部分变元的稳定性。     

时滞神经网络的鲁棒控制器

对不确定变时滞神经网络系统的鲁棒控制器的设计进行了分析.通过构建李亚普诺夫泛函并结合线性矩阵不等式方法及有关不等式技巧给出了不确定时滞神经网络的输出反馈鲁棒控制器的设计方法,提出了易于实现的鲁棒控制器设计的代数判据,其结论与满足一定条件下系统的变时滞大小无关.最后给出了实例并进行了仿真,实验结果表明所设计的鲁棒控制器的有效性.     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

关于Hopfield型神经网络稳定性的注记

对于李雅普诺夫函数的径向无界性证明，给出了严格的证法．同时在激励函数单调递增的条件减弱的情况下，给出了两条渐近稳定的定理，并给了严格的数学证明．最后用实例说明前人的工作是基于不同假设条件的，而非强弱程度不同的条件．     

不确定随机神经网络的几乎必然指数稳定

为了探讨带有时变时滞的不确定随机神经网络的几乎必然指数稳定问题,通过构造一个合适的李雅普诺夫函数,利用李雅普诺夫函数法、随机分析法及线性矩阵不等式得到了不确定随机神经网络的几乎必然指数稳定的充分条件,验证了已知条件满足引理,表明带时滞的随机系统在时滞小于某个上界时,带时变时滞的不确定随机神经网络是几乎必然指数稳定的。所给出的判据是由线性矩阵不等式表示的,该判据是否有解可以通过Matlab工具箱快速地得到解决。     

非线性脉冲微分系统关于两个测度稳定性的新结果

运用李雅普诺夫直接方法并对李雅普诺夫函数的导数的控制函数加以限制,得到了非线性脉冲微分系统稳定性的充分条件。     

关于一类三阶非线性系统全局稳定性

利用王联、王慕秋提出的三阶线性系统的李雅普诺夫函数,采用类比的方法,构造出李雅普诺夫函数,研究了一类三阶非线性系统的全局渐近稳定性,并得到各自零解全局渐近稳定的充分条件.     

变时滞高阶BAM神经网络的稳定性

文章研究高阶BAM神经网络的稳定性,运用Brouwer不动点定理以及Lyapunov泛函方法,得到周期解的存在唯一性和稳定性．     

高阶非线性系统零解的全局稳定性

研究了一类高阶非线性微分系统,通过建立适当的李雅普诺夫函数,得出了这类高阶非线性系统零解全局渐近稳定性较弱的充分条件。     

一类自适应神经网络控制器的设计

针对一类具有下三角形式的多重时滞非线性系统,研究了基于小波神经网络的自适应控制器设计方案.应用后推(backstepping)设计方法在递推的每一步设计一个Lyapunov-Krasovskii泛函并在最后一步得出控制u.应用Lyapunov-Krasovskii泛函稳定性定理证明了该控制器能保证闭环系统是半全局最终一致有界的(SGUUB).仿真实例验证了该控制器的有效性.     

基于模糊控制的人工神经网络模拟在土质边坡安全预测中的应用

从最优化角度出发,用神经网络解决模糊控制系统的规则提取问题,给出可靠的基于BP算法的可靠神经网络模拟过程,对模糊子集个数的选取与系统复杂性、精确性之间的关系进行讨论.为获得边坡复杂工况下的安全特征,建立基于模糊控制的人工神经网络边坡安全预测模型,由大量样本进行网络训练.研究结果表明:所建立的模型预测精度较高,且实用易行;边坡的坡度、内摩擦角、凝聚力对边坡的安全系数影响较大;该预测模型可用于处理普遍存在的不确定性、非线性复杂工程问题;通过模糊控制调整模型,可对不同工程对象进行较精确的模拟分析.     

带有常时滞循环耦合神经网络的全局指数稳定性

讨论了带有常时滞循环耦合神经网络的全局指数稳定性 在讨论过程中通过构造同胚映射论证了该系统平衡点的存在性与唯一性 再通过构造合适的Lyapunov函数论证唯一平衡点是全局指数稳定的 类似于已有的神经网络稳定性方面工作 在神经元的激励函数满足Lipschitz条件且相关系数构成矩阵也满足给定条件下 得到 n 层带有常时滞的神经网络全局指数稳定的动力学性质 所得结果同时也蕴含当神经元的衰减速率足够大时 神经网络是全局指数稳定的     

改进BP神经网络模型及其稳定性分析

针对传统BP算法抗干扰能力差、学习速率慢且易陷入局部极小点等缺点,提出一种基于变更传递函数倾斜度和动态调节不同学习速率的BP改进算法,并在此基础上采用Lyapunov稳定性原理分析改进算法的收敛性。该算法综合考虑网络训练方式和学习率的不足,设计新的复合误差函数,同时采用一种分层动态调整不同学习率的新方法,并采用批量样本进行训练,以加快传统BP算法的收敛速度和避免陷入局部极小值点。在此基础上,将该算法应用于带钢表面缺陷图像检测中,并比较改进算法与传统算法在缺陷检测中的性能参数。研究结果表明:该改进算法能够提高缺陷识别率,检测速度快,更能满足钢板表面质量检测的实时性要求,是一种行之有效的方法。     

水面无人艇模糊神经网络航向控制器设计

针对常规PID控制器在无人艇航向控制系统中表现出抗干扰能力弱,控制精度低等问题,本文提出了一种应用模糊神经网络算法的航向控制器设计方法.首先通过神经网络分类回归确定隶属度函数,然后经由模糊控制在线整定PID控制器KP、KI、KD三个参数,确保对无人艇航向的实时控制.仿真结果表明,该控制器满足航向控制所需的实时性,具有控制精度高和鲁棒性好的特点,并且提高了无人艇在复杂环境中的自适应能力.     

模糊神经控制器在复杂系统中的应用研究

首先提出一种适用于复杂系统的自适应模糊控制器.针对该控制器在应用于复杂系统时,模糊规则过多及建立规则的时间随规则数增加而以指数规律增长的问题,提出了另一种适用于复杂系统的自适应模糊神经控制器.该控制器采用“全逼近”的控制策略,依据李亚普诺夫方法给出了模糊神经自适应输出反馈控制律及参数自适应律.仿真研究证明了复杂系统的稳定性以及跟踪误差的收敛性.     

仿射非线性一般模型控制的鲁棒稳定性分析

针对基于仿射非线性系统的一般模型控制(GMC)方法进行了鲁棒稳定性分析。首先证明了如果模型存在一个严格Lyapunov函数,当模型与过程的失配在一定范围内时,则过程总是Lyapunov稳定的。由此推广到采用GMC方法的闭环控制系统,在给出其显式控制律的前提下,证明了满足一定前提条件下,采用GMC的闭环控制系统总是Lya-punov稳定的。     

一类自适应神经网络控制器的设计

针对一类具有下三角形式的多重时滞非线性系统,研究了基于小波神经网络的自适应控制器设计方案.应用后推(backstepping)设计方法在递推的每一步设计一个Lyapunov-Krasovskii泛函并在最后一步得出控制u.应用Lyapunov-Krasovskii泛函稳定性定理证明了该控制器能保证闭环系统是半全局最终一致有界的(SGUUB).仿真实例验证了该控制器的有效性.     

一类三阶非线性时滞系统的全局渐近稳定性

运用类比法构造Lyapunov函数,讨论了一类三阶非线性时滞系统的稳定性,给出了其零解全局渐近稳定的充分性准则.在证明过程中,去掉了一般要求Lyapunov函数具有无穷大这个较强的条件,只要求系统的正半轨线有界,对于正半轨线的有界性是利用了类似构造Poincare-Bendix-son环域外边界的方法来判定.最后,给出了一些具有一般意义的三阶非线性系统推广而成的时滞系统的全局渐近稳定的结果.