采用SNNM的离散智能系统鲁棒控制器综合

研究了离散标准神经网络模型(SNNM)的鲁棒镇定控制器综合问题,利用李亚普诺夫稳定性理论和S方法推导出了鲁棒状态反馈控制律存在的充分条件,并利用一个线性矩阵不等式的解给出了控制律的参数化表示.大部分基于神经网络或T-S模糊模型的离散智能系统都可以转化为离散SNNM形式,以便采用统一的方法进行控制器的综合.数值示例和仿真结果表明所提出的方法简单易行,为非线性系统鲁棒控制器的综合提供了新的思路.     

基于线性矩阵不等式神经网络的鲁棒稳定性

讨论同时具有离散时滞和分布时滞的神经网络系统的鲁棒稳定性问题.不同于通常使用的矩阵范数理论,利用线性矩阵不等式(LM I),将神经网络系统的稳定性问题转化为凸优化问题,建立了神经网络系统鲁棒稳定性的一个充分条件,该条件易于利用标准的M atlab LM I工具箱进行验证和求解.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题.通过构造适当的Lyapunov-Krasovskii 泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验.给出数值示例,说明了判据的有效性与优越性.     

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.     

一类变时滞静态递归神经网络的全局鲁棒稳定性

运用LaSalle不变性原理,研究了一类变时滞静态递归神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新代数判据.     

不确定区间时滞Markov跳变BAM神经网络的鲁棒指数稳定性

讨论了具有不确定区间时滞的BAM神经网络的鲁棒均方指数稳定性问题。通过构造适当的Lya-punov-Krasovskii泛函,利用一些新的定界技术,以线性矩阵不等式形式给出了Markov跳变BAM神经网络的时滞且区间相关的全局鲁棒指数稳定性判据,该判据利用Matlab的LMI工具很容易进行检验。给出数值示例,说明了判据的有效性与优越性。     

具有反应扩散和无空时滞的Cohen-Grossberg神经网络的全局鲁棒指数稳定性

文章研究了一类带分布时滞的反应扩散Coihen-Grossberg神经网络的鲁棒指数稳定性。利用不动点理论和不等式的技巧,给出了平衡点存在唯一性和全局鲁棒指数稳定性的新的判别准则。     

具有时滞的回归神经网络全局指数鲁棒稳定性的一个新判据

研究了具有时滞的不确定性的回归神经网络模型的全局鲁棒稳定性,获得了检验该模型平衡点全局鲁棒稳定性的一个新判据.这个判据是以线性矩阵不等式提供的,能够有效地利用Matlab中线性矩阵不等式工具箱进行计算.一些最近出版文献的结果被改进和推广,并用数值例子表明了本文给出结果的有效性.     

一类时滞静态递归神经网络的全局鲁棒稳定性

运用M-矩阵的性质、Liapunov泛函方法及不等式技巧,研究了一类时滞静态递归神经网络的全局鲁棒稳定性,给出了全局鲁棒稳定性的新的代数判据。     

时滞区间静态神经网络的全局鲁棒稳定性

应用Lyapunov泛函方法和拓扑度理论研究了时滞区间静态神经网络的全局鲁棒稳定性,给出了一些实用的判据。