时滞神经网络的间歇型非脆弱状态估计

针对时滞神经网络模型,研究了间歇型的非脆弱状态估计问题.所考虑的估计器可以间断地工作,并且其控制参数满足范数有界的不确定性.首先,借助Lyapunov稳定性和矩阵不等式,给出了间歇型非脆弱估计器的存在条件,指出当估计器的停歇率在一定范围内,误差系统是鲁棒指数稳定的.接着,估计器的增益矩阵通过线性矩阵不等式的可行解表示....     

状态反馈事件触发控制系统的分析与设计

针对线性系统状态反馈事件触发控制在工程应用中仅使用单一动态门限或静态门限存在Zeno现象的缺点,提出了动静门限相结合的事件触发机制。将闭环控制系统建模为脉冲系统模型,应用脉冲系统理论,导出了确保控制系统稳定的触发机制参数确定定理,得到了便于实现触发机制门限参数设计的线性矩阵不等式条件。针对确保系统稳定的触发机制门限参数可在一个区间内选择的特点和静态门限分量大小影响系统稳态区域大小的特点,进一步提出了变门限触发机制,可使系统在稳态情况下自动将静态门限分量减小,显著减小稳定区域,提升事件触发控制的稳态性能,从而可实现精确控制。定量仿真表明,变门限触发机制可以在通信资源消耗量几乎相同的情况下将稳态范围缩小到固定门限方法的12.3%。     

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.     

事件触发脉冲控制下二阶多智能体系统的领导跟随一致性

针对二阶多智能体系统,研究事件触发脉冲控制下的领导跟随一致性问题.不同于事件触发采样控制策略, 设计的控制协议要求每个智能体只有在状态误差超过规定的上界时刻才会施加控制,即事件触发脉冲控制.通过构造合适的事件触发函数, 借助于Lyapunov稳定性理论, 代数图理论、不等式技术给出二阶多智能体系统的一致性判据, 并排除多智能体系统的Zeno行为.通过数值算例验证所提出的控制方案的有效性.     

时滞脉冲中立型神经网络的不变集与吸引集

通过建立奇异脉冲时滞积分微分不等式,作者给出了确定具有分布时滞非自治脉冲中立型神经网络的不变集与全局吸引集的充分条件.所得结论推广和改进了已有的相关结果.     

混合时变时滞神经网络的状态估计器设计

研究了混合时变时滞(离散时滞和分布时滞)神经网络的状态估计问题.离散时滞在一个区间上变化,区间下界不一定为零.通过构造一个新的Lyapunov泛函,结合Jensen积分不等式,可以得到一个时滞相关状态估计器设计方法,使得误差系统是全局渐近稳定的,所得结果由线性矩阵不等式形式给出.数值算例证明了本文方法的有效性和优越性.     

时滞多智能体系统的事件触发一致性

针对一类时滞非线性多智能体系统,研究了带有时滞的非线性多智能体系统的事件触发固定时间一致性控制问题.设计了一种分布式的事件触发控制策略,利用李亚普诺夫稳定性理论和固定时间稳定性理论,导出了保证系统在固定时间实现一致的充分条件,并通过所给出的分布式的事件触发函数证明了系统能够避免芝诺行为.最后,通过仿真实例验证了结果的有效性.     

中立型马尔可夫跳跃系统的可达集边界估计

通过构造适当的Lyapunov泛函,利用改进的Wirtinger型积分不等式,并结合自由权矩阵思想和时滞拆分方法,得到了一类具有分布时滞的中立型马尔可夫跳跃系统以线性矩阵不等式形式表示的、较小的可达集边界条件.     

基于事件触发的二阶多智能体时滞一致性

为了使多智能体可以减少信息交流,一致性问题在多智能系统的应用已被众多学者广泛研究,从而避免通信资源和计算资源的浪费;在有向拓扑图下,针对二阶的领导-跟随非线性多智能体系统,提出了一种基于事件触发机制和时滞一致性控制策略,对于每一个智能体给出事件触发条件,可以有效减少更新频率和系统能源的耗费;通过利用Lyapunov稳定...     

时滞依赖于状态的脉冲中立型随机积分微分方程的可控性

考虑了一类时滞依赖于状态的脉冲中立型随机积分微分方程的可控性,基于预解算子理论、分数阶算子理论和相空间理论,借助算子半群方法、不动点定理和随机分析技巧,在方程预解算子R(t)非紧条件下获得了上述方程可控的充分条件.     

SINS/GPS的神经网络状态估计

本文探讨了采用神经网络系统对导航系统滤波的问题。利用经典卡尔曼滤波对不同特性的噪声输入下的系统进行估计,得到各条件下的状态后,将各条件下的状态估计均值作为样本输出,以各种噪声集对网络进行训练,在训练结束后,将训练后的回归BP神经网络作为状态估计器输出组合导航系统估计值。     

脉冲中立型时滞抛物方程解的振动性

讨论具有脉冲的中立型时滞抛物方程解的振动性，并给出了解振动的充分条件。     

SINS/GPS的神经网络状态估计

本文探讨了采用神经网络系统对导航系统滤波的问题。利用经典卡尔曼滤波对不同特性的噪声输入下的系统进行估计,得到各条件下的状态后,将各条件下的状态估计均值作为样本输出,以各种噪声集对网络进行训练,在训练结束后,将训练后的回归BP神经网络作为状态估计器输出组合导航系统估计值。     

非线性中立型时滞脉冲微分方程的强迫振动性

研究一类时滞的非线性的脉冲中立型微分方程的振动性,在其给出的边界条件下得到解振动的充分条件,推广了已知的结果,建立了新的振动准则。     

一类脉冲中立型时滞双曲微分方程的振动性

用微分不等式的方法研究一类脉冲中立型微分方程解的振动性,得到了该方程在两类不同边界条件下解振动的充分条件.     

基于状态感知的UGV 事件触发路径跟踪控制

针对通信受限下的无人驾驶车辆路径跟踪控制问题,提出了一种基于状态感知的H∞事件触发路径跟踪控制策略.首先,根据车辆的动力学行为建立了相应的路径跟踪控制模型;其次,基于对路径跟踪控制系统的状态实时感知,设计了一种新型的基于状态感知的事件触发通信策略（SS-ETC）,可根据控制系统的状态对事件触发阈值进行动态自适应的调整;然后,在该动态事件触发通信策略下,结合时滞系统建模方法与Lyapunov 稳定性理论,设计了基于状态感知的事件触发H∞控制器.本文所提出的基于状态感知的动态事件触发通信策略能够根据控制系统的量测状态进行通信阈值的动态调整,有效地实现了自主车辆通信与控制的自适应协同设计.最后,通过仿真实验验证了所提出的动态事件触发控制策略的有效性.     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

一类时滞中立型脉冲系统的稳定性分析

探讨了一类时滞中立型脉冲系统的全局指数稳定性问题.基于李雅普诺夫稳定性理论,运用线性矩阵下等式技术给出了系统的全局指数稳定性的充分条件,并利用该理论可进一步分析其它中立型脉冲时滞系统的指数稳定性问题。     

具时滞和脉冲的BAM神经网络的稳定性研究

近年来,神经网络吸引了大量学者的探索与研究,并在图像识别、自控、计算、优化、信息工程等领域得到了广泛应用。这些应用很大程度依赖于神经网络的动力学行为。冈此,对神经网络的动力学行为进行分析是一个相当必要的步骤。在神经网络动力学行为中,