自适应二次反馈控制下的驱动响应网络脉冲同步

[目的]为了提高控制效率,研究时滞和非时滞驱动响应网络脉冲同步的自适应二次反馈控制.[方法]本文运用了Lyapunov函数、椭球边界点参数化和脉冲微分比较定理,研究了在时滞和非时滞情况下驱动响应网络的脉冲同步问题.[结果]在本文所设计的自适应二次反馈控制器的作用下,驱动网络系统和响应网络系统在椭球体■:■内达到同步.以单能源系统为网络节点,含二次项的自适应脉冲控制比不含二次项的自适应脉冲控制误差更小,同步更快.[结论]对于驱动响应网络脉冲同步的自适应反馈控制问题,引入二次项的反馈控制器可以提高同步速度,降低同步误差.     

具有时变脉冲的随机时滞微分系统的指数稳定性

针对脉冲随机微分系统中可能同时含有控制和扰动两种不同作用的脉冲效应,且脉冲的类型和强弱随时间的推移而改变;提出了时变脉冲条件下,随机时滞微分系统的指数稳定性;借助比较定理的方法,针对控制脉冲与扰动脉冲分别给出了平均脉冲区间的上界与下界,从而导出了脉冲随机时滞微分系统指数稳定的充分条件。     

一类带有时滞和时滞耦合复杂网络的脉冲同步

研究了耦合项和非线性项含有时滞的复杂网络的脉冲同步问题.根据可控的复杂网络达到同步时耦合项会自动消失,可以得到含有脉冲影响复杂网络的误差动态网络.根据脉冲微分方程的稳定性分析,建立合适的Lyapunov Krasovskii泛函,得到含有脉冲影响的复杂网络新的脉冲同步准则.最后,复杂网络的微分方程模型和误差系统仿真图说明了脉冲同步准则的有效性和正确性.     

比例时滞神经网络的时滞依赖全局多项式同步性

研究以比例时滞神经网络作为驱动-响应系统的多项式同步性.首先,通过一个非线性变换将比例时滞神经网络等价变换成具常时滞变系数的神经网络;然后,基于变换后的驱动-响应系统得到误差系统,通过构造Lyapunov泛函和应用线性矩阵不等式方法研究误差系统的指数稳定性,进而得到原驱动-响应系统的全局多项式同步性,得到了2个保证驱动...     

非自治铁磁谐振电路过电压脉冲时滞同步抑制方法研究

针对铁磁谐振事故产生的过电压会对电力设备产生危害的问题,从对一典型铁磁谐振电路的非线性特性分析入手,并考虑铁磁谐振过电压从检测到加入抑制措施会产生一定的时滞,提出了一种考虑时滞因素的脉冲同步铁磁谐振抑制方法。该控制方法可以使得发生谐振的电路系统与正常工作系统实现同步,从而抑制铁磁谐振过电压的幅值,降低系统风险。利用Simulink软件对提出的控制方法进行仿真计算,结果表明:不考虑时滞因素加入脉冲控制,系统达到同步状态所需时间约为1.5s,加入时滞后脉冲同步所需时间约为1.0s,同步所需时间能够缩短33%;通过和未考虑时滞因素的常规脉冲同步方法进行对比及对电路中非线性电感两端电压的监测,表明该方法能够快速有效地实现铁磁谐振过电压的同步抑制。研究工作为保障电力系统安全提供了新的思路。     

基于采样控制的混沌系统容错同步

针对一类李普希兹混沌系统,研究其基于采样控制的容错同步问题.利用输入时滞方法,将采样误差系统转换为连续时间时滞系统;基于Lyapunov泛函方法,给出了同步误差系统的时滞依赖稳定性判据;在此基础上,利用线性矩阵不等式技巧设计了容错控制器;最后,用蔡氏电路举例说明了该方法的有效性.     

随机扰动下混合时滞混沌系统自适应同步

基于自适应同步原理,同时考虑系统内部参数不确定性和系统外部随机扰动,研究了一类具有混合时变时滞的混沌神经网络的同步问题.利用随机微分方程理论,lyapunov稳定性理论和线性矩阵不等式(LMI)的方法,设计自适应控制器.研究表明本方法能有效地克服干扰对同步所造成的破坏,实现良好的同步效果.最后,数据仿真证明了所给方法的有效性.     

带马尔可夫跳变和脉冲的时滞耦合神经网络的同步

研究一类混合时滞耦合神经网络的同步问题,其中系统及其参数的切换和时滞均由某个马尔可夫链所确定,同时考虑脉冲的影响.另外,对细胞激活函数进行更为一般的假设.通过构造Lyapunov-Krasovskii泛函,运用线性矩阵不等式技术(linear matrix inequality,LMI)并结合Kroriecker积获得神经网络全局同步的充分性判据,且该判据依赖于时滞,易于利用数学软件Matlab的LMI工具箱进行验证和求解.     

分布时滞区间神经网络的脉冲同步控制

利用脉冲控制方法研究了具有分布时滞的区间神经网络的全局指数同步问题,充分考虑了分布时滞和不确定的区间参数对系统的影响.设计了一个新的脉冲控制器来保证区间神经网络的全局指数同步,整个系统的同步在很大程度上依赖于本文所设计的脉冲控制器.通过构造Lyapunov函数,利用脉冲微分不等式技术及其它数学方法,给出了驱动系统和响应...     

具有脉冲和变时滞的离散Cohen-Grossberg神经网络的全局指数同步

研究了一类具有脉冲和变时滞的离散Cohen-Grossberg神经网络全局指数同步问题.利用ρ-锥理论和微分不等式分析技巧,获得了保证其误差系统全局指数稳定的充分条件,同时也给出了同步指数收敛速率的估计.最后,列举一个例子表明我们所得结果的有效性.     

基于间歇控制的纯时滞混沌系统的拟同步

采用周期间歇控制研究了参数适配条件下纯时滞系统的混沌拟同步问题。证明了在适当的控制条件下两个耦合纯时滞系统的同步误差可以被限制在包含原点的一个小区域内,并给出拟同步的充分条件和相应的误差估计;并通过数值模拟验证了理论结果的有效性。     

混合时滞随机神经网络全局渐近同步

研究了一类具混合时滞神经网络耦合大系统的同步问题.应用矩阵的Kronecker积与线性矩阵不等式,得到耦合大系统同步的一些充分性判据,所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验,所讨论的神经网络具有参数的不确定性、分布时滞、随机扰动以及非线性耦合等,而且弱化了相关文献中激励函数为严格Lipshitz或Sigma型的假定,使所得结果更为精细.     

具有脉冲的时滞微分方程的周期解

将小时滞Yoshizawa型周期解定理推广到脉冲时滞微分方程，并应用它得到了含脉冲的一类非线性扰动系统的周期解存在的充分条件。     

时滞微分方程真解光滑化的定性分析

通过对时滞微分方程作适当扰动使得扰动解充分光滑.讨论了时滞微分方程的真解、扰动方程的真解和它们的数值解之间的关系.得到了时滞微分方程数值解的整体误差与相应扰动方程数值解的整体误差之间的关系.为处理时滞微分方程真解的不光滑性提供了新的途径.     

基于交叉耦合控制的双电机同步控制系统研究

为了提高控制精度,对双电机位置同步性能进行了研究。建立了基于虚拟主轴的双电机位置同步控制系统模型。推导了双电机位置误差传递函数数学模型,并分析了典型输入情况下的位置同步误差。设计了交叉耦合控制器,实现双电机同步位置误差的检测与补偿修正。利用MATLAB对双电机位置同步的典型输入进行仿真,并构建了同步控制实验系统。仿真和实验结果表明,基于交叉耦合控制方式的双电机位置同步控制系统具有良好的抗扰动性能,在阶跃、斜波等典型输入情况下,位置同步控制精度至少可提高10倍。     

基于脉冲控制理论的时滞混沌系统同步技术研究进展

基于脉冲控制理论的时滞混沌系统同步的保密通信方案具有更高的保密性、更大的信息处理能力和存储容量,具有更强的鲁棒性等优点,应用的前景巨大。深入分析了理想环境和复杂环境下时滞混沌系统脉冲同步控制技术的研究现状,指出了其目前存在的问题和发展趋势。     

实时混合试验鲁棒时滞补偿方法的数值研究

为解决实时混合试验系统中时变时滞严重影响试验稳定性和精度的问题,以基于混合灵敏度的H∞鲁棒控制方法设计反馈控制器,使试验系统具有稳定的动态特性;以多项式外插进一步消除时滞,并将其应用于线性Benchmark问题.为充分探讨所提方法性能,采用线性和非线性加载系统模型,开展了物理子结构为线性和非线性的虚拟实时混合试验研究.结果显示:作动器的实测位移均与期望位移几乎完全重合;与已有方法的对比显示,采用鲁棒时滞补偿的实时混合试验具有更小的误差;而对非线性物理子结构,试验系统的均方根误差和峰值误差均在0.6％～1.5％之间,且均方根误差大于10％和峰值误差大于6％的概率远小于0.05.研究结果表明,鲁棒时滞补偿方法可大幅提高实时混合试验的模拟精度,并具有较强的鲁棒性.     

脉冲非线性中立抛物型分布参数系统的振动性分析

考虑一类带中立项的非线性脉冲抛物型分布参数系统的振动性问题,利用处理中立项的技巧和一阶脉冲时滞微分不等式的某些结果,建立了这类系统在Dirichlet边值条件下所有解振动的若干新的充分性判别条件.所得结论充分反映了脉冲扰动和时滞效应在系统振动中的影响作用.     

具有扰动的统一混沌系统的混合同步

研究了具有参数扰动和外部扰动的统一混沌系统的混合同步问题.基于Lyapunov稳定性定理,得到了两个混沌系统达到混合同步的条件.利用自适应控制方法,针对从动系统的系统参数未知的情形,设计出了控制器和参数自适应率;并对参数扰动和外部扰动的界限及从动系统的参数事先都未知的情形,给出了控制方案.最后,通过数值仿真验证了结论的正确性和有效性.     

某飞机环控系统综合测试系统的研究

针对环控系统试验室测试环境恶劣、测试通道数量多、测试数据同步性要求高的特点,设计了一套测试系统。系统采用分布式系统构架,有效解决了测试通道数量多且分布较为分散的问题;系统硬件采用SCM5B高性能信号调理模块实现了测试通道的单通道隔离,提高了系统的抗干扰能力;测试机柜间的同步采用同步触发信号的方式,同步误差小于0.5ms,满足系统的同步性要求。