分数阶复杂网络的牵制控制

本文分别从可对角化和非可对角化两方面研究了一般分数阶网络的牵制控制,基于特征值分析方法和分数阶微分方程的稳定性理论,获得了稳定性区域及相应的控制方案.最后,通过数值仿真验证了理论的正确性和控制策略的有效性.     

耦合时延复杂网络的无源脉冲同步

针对具有耦合时延的复杂网络,利用时滞系统的脉冲控制方法,提出了脉冲同步控制器。根据非线性系统的无源化设计方法,设计了使复杂网络快速同步的脉冲控制器。以具有10个节点的复杂网络为例进行了数值模拟,结果表明所设计的脉冲同步控制器能够使具有耦合时延的复杂网络实现有效同步。     

网络上复杂耦合系统的同步

研究网络上复杂耦合系统的同步性问题。将复杂耦合系统建立在一个有向图上,用图论中的方法研究复杂耦合系统的同步性。运用图论给出构造网络上复杂耦合系统Lyapunov函数的方法,利用得到的Lyapunov函数,分别给出两个耦合动力系统同步和指数同步的充分条件。这些充分条件与用来描述驱动系统与响应系统的有向图的拓扑结构密切相关。     

一个新混沌系统的自适应同步

利用自适应控制的方法,给出了一个新混沌系统的同步控制器和参数自适应律,使两个恒等系统达到了自适应同步同时识别未知参数.该控制器设计简单,易于实现,数值仿真表明所提方法具有效性.     

基于神经网络的机械臂自适应输出反馈控制设计

研究了机械臂的位置跟踪问题,提出了基于神经网络的自适应输出反馈控制方法. 该方法无需系统精确的数学模型,适用于具有非线性不确定性和外界干扰的机械臂控制系统. 设计的控制器由三部分组成：基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项. 神经网络的权值自适应学习率由Lyapunov稳定性理论得出. 仿真结果表明设计的控制器能驱动机械臂精确跟踪期望的位置,验证了该控制方法的有效性.     

复杂网络控制研究综述

复杂网络的控制研究已经成为复杂网络领域的一个热点课题．本文简述了复杂网络控制的近期研究进展，包括结构控制和严格控制的研究情况，并提出了复杂网络严格控制方面的后继研究内容．为复杂网络严格控制研究指明了方向．     

N个耦合神经元的同步时间

主要讨论了神经元的同步时间问题，首先得到了N维线性随机动力系统的同步时间由其相互作用矩阵的第二大特征值决定，其次把定理应用于三种不同类型的相互作用矩阵。全程相互作用，最近邻相互作用和随机相互作用，并且得到了它们的同步时间，最后用一类具有特定耦合机制的随机作为例子来说明非线性随机动力系统的同步时间问题。     

一类神经元电路线性耦合同步研究

为了研究混沌神经元的同步问题,利用Pspice软件设计了一类模拟神经电活动的神经元电路,对其封装后进一步研究该电路的线性耦合同步问题。通过调制耦合强度增益,发现当电路中耦合增益大于一定临界值就可以实现两个混沌神经元电路的同步。利用数值计算研究线性耦合同步来实现神经元同步,计算结果和电路模拟结果一致。     

多输入多输出非线性系统的间接自适应模糊跟踪控制

针对多输入多输出非线性系统,把自适应模糊控制和自适应模糊辨识结合起来,提出了一种间接自适应模糊控制方案.由跟踪误差和辨识误差给出了参数调节规律,两种误差同时调节参数改善了系统性能.应用推广的模糊逻辑系统来估计多维未知函数,补偿器可抵消模糊逼近误差和外部扰动.控制方案保证了系统的稳定性,实现了跟踪.     

基于脉冲耦合的TPSN时间同步协议

针对传统TPSN协议的不足,提出了一种基于脉冲耦合的时间同步协议,称为P TPSN协议.该协议是一种脉冲耦合的、非交互的分布式无线网络时间同步方法.首先建立网络层次拓扑结构以确保下一层网络节点能接收上一层网络节点的时间信息.层拓扑建立后,上一层网络节点将时间信息在物理层编码为脉冲波后广播出去,下一层网络节点接收这些时间信息后计算其加权平均来调节本地时钟.此方法不仅能提高分布式无线网络时间同步协议的鲁棒性,而且具有良好的可扩展性及快速收敛性.理论分析和计算机仿真均表明此方法是有效可行的.     

瑞利衰落信道中OFDM自适应频率同步算法

提出了一种新的频偏差值表达式,在此基础上构造了自适应跟踪算法,对频偏进行跟踪,从而减小OFDM系统中载波频率偏差对系统性能的影响,并运用该算法对瑞利衰落信道中多种时变频偏的情况进行了仿真,获得了频偏跟踪曲线.理论分析和仿真结果表明,由于算法复杂度低,收敛速度快,对时变频偏的跟踪达到了较好的效果.将跟踪到的频偏补偿后,提高了系统解调性能.     

统一混沌系统的修正投影同步

本文研究两个统一混沌系统之间的修正投影同步.应用李雅普诺夫稳定性理论,在系统参数已知和未知时,分别采用非线性反馈控制和自适应控制方法设计相应的控制器,实现了驱动系统与响应系统各状态的修正投影同步,并且参数未知时可以辨识出驱动系统的未知参数.数值仿真结果进一步验证本文控制方法的有效性.     

考虑输入饱和的直接自适应神经网络跟踪控制

基于Lyapunov稳定性定理和backstepping方法,针对一类受输入饱和限制的单输入单输出非线性不确定系统,提出了一种考虑输入饱和的直接自适应神经网络控制算法. 采用动态面控制方法和直接自适应神经网络控制方法,避免了传统控制设计中的“计算量膨胀”问题和潜在的控制器奇异值问题. 借助一种饱和内补偿辅助系统处理系统中的输入饱和限制问题,以保证系统的稳定性和控制性能. 该算法不但保证了闭环系统信号一致最终有界,而且使系统输出能收敛到零的一个较小邻域. 以大连海事大学远洋实习船“育龙”轮为例进行仿真,验证了所提控制器的有效性.     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

有数据丢包的复杂网络的鲁棒保性能状态估计

针对现实网络在数据传输中存在数据丢包和噪声干扰的特点,研究离散时间复
杂网络的鲁棒保性能状态估计问题,旨在减小数据丢包和噪声干扰对状态估计的影响. 利
用Lyapunov稳定性理论与随机分析方法,以线性矩阵不等式的形式提出了鲁棒保性能状态
估计增益矩阵存在的条件和设计准则,在满足状态估计误差均方指数收敛的前提下,能进一
步使网络的状态估计满足一定的性能指标. 仿真结果表明,鲁棒保性能状态估计器可以有效地
估计复杂网络的状态.