时滞Markov跳变BAM神经网络的鲁棒稳定性

针对一类具有Markov跳变参数的时滞双向联想记忆(BAM)神经网络,研究了其在系统参数不确定情况下的鲁棒稳定性.在不要求连接权矩阵的对称性和激励函数的可微性与单调性的情况下,通过构造适当的Lyapunov泛函得到了此类神经网络均方鲁棒稳定的充分条件.该条件考虑了时滞Markov跳变神经网络中参数的不确定性,改进了现有文献中的关于时滞Markov跳变神经网络的稳定性条件,所得结果以线性矩阵不等式(LMI)的形式给出.最后,通过实例仿真验证了所得结论的有效性.     

基于LMIs方法-不确定性随机分布型时滞Markov跳变系统的鲁棒镇定

研究了一类具有不确定性Markov跳变参数的线性分布型时滞系统.考虑了具不确定性、Markov跳变参数、及分布型时滞系统的鲁棒均方稳定性问题.设计了系统的鲁棒状态反馈镇定控制器.采用了Grownwall Bellman不等式,基于线性矩阵不等式(LMIs)方法,给出了鲁棒稳定性的LMI时滞依赖的代数判据,从而降低了判据的保守性.同时得到了相应的离散时滞情形下的结果.     

连续Markov跳变奇异系统的稳定性分析与镇定

研究了一类连续Markov跳变奇异系统的稳定性与镇定控制,得到了保证连续Markov跳变奇异系统正则、无脉冲、随机稳定的充分性条件,并设计了相应的镇定控制器。与已有文献中的结论相比,文中研究系统的模式跳变转移概率可以是部分未知的,所得条件以严格线性矩阵不等式的形式给出,具有更小的保守性。仿真实例验证了文中结论的正确性。     

离散Markov跳变线性系统最优控制

针对离散Markov跳变系统,研究其最优控制问题。首先确立一个二次型代价函数,然后运用随机贝尔曼动态规划法,结合Markov跳变系统特性求解贝尔曼方程,获得了完全状态信息情形下Markov跳变系统的最优控制器和黎卡提差分方程;进而将其推广到不完全状态信息情形,利用观测向量获得状态的后验概率密度函数,推导了最优控制器的解析结构和相应的求解算法;最后通过数值仿真验证了所得控制器的有效性。     

线性矩阵不等式及其在控制系统中的应用

详细综述了LMI在控制系统中的发展现状和应用,主要涉及了不确定系统的鲁棒性能和鲁棒稳定性、不确定系统的鲁棒控制器设计、LMI在时滞系统中的应用及存在的问题、不确定系统的鲁棒滤波应用状况、不确定系统的模型验证应用等,并分析了基于LMI方法的变结构控制、极点配置、模糊控制等其它相关内容.给出了上述控制问题的LMI描述及相关求解方法,最后并指出了LMI进一步的应用研究方向.     

Markov跳变系统的单步约束预测控制

针对离散Markov跳变系统,研究带输出约束的单步预测控制问题。首先设计基于模态的单步预测控制器,驱动系统状态到达相应的终端不变集内,以此保证约束预测控制系统的稳定性,接着进一步讨论了系统存在峰值有界噪声输入情形。其中终端不变集是通过在预测时域外寻求一个虚拟的带约束的状态反馈控制器以保证系统的随机稳定性来获得,为计算方便,控制器的优化问题转化为SDP问题,并得到以LMI描述的优化问题。最后对Markov跳变系统描述的经济学动力系统的仿真结果说明了本控制器设计方法能够在峰值有界噪声输入下保证系统的稳定性,并且使控制变量满足给定的约束条件。     

具有饱和执行器跳变系统的鲁棒模型预测控制

针对一类具有饱和执行器的不确定离散Markov跳变系统,提出鲁棒模型预测控制器设计方法。为便于工程应用,考虑被控跳变系统各模态下的动态系统参数以及各模态间的跳变转移模态均存在不确定性的情形,这些不确定性均以凸多面体的形式给出。预测控制器的求解通过在每一个采样时刻优化无穷时域的最坏二次性能指标实现,该预测控制序列在每个采样时刻表现为具有饱和特性的状态反馈控制律,从而使得所形成的闭环系统鲁棒均方稳定。为方便求解,将控制器的求解转化为以线性矩阵不等式形式给出的正半定规划(SDP)问题。数值示例验证了所提方法的有效性。     

一类含有随机输入时延和故障的离散系统H∞控制

研究了一类具有控制输入时延的离散系统H_∞可靠性控制问题,提出了具有实际意义的服从某种概率分布的随机故障模型。假设输入时延符合齐次Markov分布,在控制器的设计中利用了控制器的历史信息, 把系统转换为无时延的Markov 跳变系统,根据Lyapunov稳定性理论和线性矩阵不等式(linear matrix inequality, LMI)方法,给出了故障分布依赖的H_∞均方稳定且具有H_∞范数界γ的容错控制器解的存在条件。最后, 通过算例验证了本方法的有效性。     

输入时滞Markov跳变系统鲁棒保性能控制及其仿真研究

研究一类具有模态相关时变输入和状态时滞的不确定马尔可夫跳变系统的鲁棒保性能控制问题。基于自由权矩阵方法,通过构造一个新的Lyapunov函数,给出了此类系统存在无记忆状态反馈鲁棒保性能控制律的充分条件,估计了其保性能值。并且,控制器的设计归结为一组LMI的求解问题。仿真实例说明了提出方法的有效性。     

带随机扰动的参数不确定混沌神经网络的同步

基于驱动-响应混沌同步原理,在同时考虑系统内部参数不确定性和系统外部随机干扰的情况下,研究了一类混沌神经网络的同步控制问题.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)方法,得出了混沌神经网络全局渐近同步的充分条件和控制器设计方法.所得的充分条件以线性矩阵不等式的形式给出,容易被已有的LMI工具箱所以验证,而且所设计的控制器结构简单,易于实现.最后,仿真实例验证了文中方法的有效性.     

含有跳变参数的中立系统的鲁棒保性能滤波

对一类含有马尔可夫跳变参数的中立系统研究了鲁棒保性能滤波问题。系统中含有时滞，跳变参数与不确定性。系统中的跳变参数可以通过有限状态马尔可夫过程来描述。目标是设计无记忆线性滤波器使得对所有的不确定性增广系统是时滞独立鲁棒随机稳定的，并且满足所提的保性能指标。基于随机微分方程稳定性理论，给出了线性滤波器存在的充分条件。借助一组相互关联的线性矩阵不等式，获得了鲁棒保性能的设计方法。通过求解线性矩阵不等式约束下的凸优化问题，给出了次优保性能滤波器的设计方法。     

Robust guaranteed cost filtering for uncertain timedelay systems with Markovian jumping parameters

1.INTRODUCTION Itisnowwellknownthatstochasticmodelinghas cometoplayanimportantroleinmanybranchesof scienceandindustry.Anareaofparticularinterest hasbeenMarkovjumpsystems[1～5].Ontheother hand,stateestimationplaysanimportantroleinsys temsandcontroltheory,signalprocessingandinforma tionfusion.Certainly,themostwidelyusedestimation methodisthewell knownKalmanfiltering[6,7].Acom monfeatureintheKalmanfilteringisthatanaccurate modelisavailable.Insomeapplications,however,when thesystemissubject…     

Stability of stochastic neural networks with Markovian jumping parameters

The global asymptotical stability for a class of stochastic delayed neural networks (SDNNs) with new delay-dependent stability conditions are derived. All results are expressed in terms of linear matrix inequality (LMI), and a numerical example is presented to illustrate the correctness and less conservativeness of the proposed method.     

Global Asymptotic Synchronization of a Class of BAM Neural Networks with Time Delays via Integrating Inequality Techniques

In this paper, the authors are concerned with global asymptotic synchronization for a class of BAM neural networks with time delays. Instead of using Lyapunov functional method, LMI method and matrix measure method which are recently widely applied to investigating global exponential/asymptotic synchronization for neural networks, two novel sufficient conditions on global asymptotic synchronization of above BAM neural networks are established by using a kind of new study method of global synchronization: Integrating inequality techniques. The method and results extend the study of global synchronization of neural networks.     

时滞细胞神经网络的全局渐近鲁棒稳定性分析

针对一类具有时滞的细胞神经网络系统,利用新的Lyapunov Krasovskii函数,给出了系统全局渐近鲁棒稳定的时滞相关稳定性条件。其结果以线性矩阵不等式的形式给出,可以很容易求出系统稳定的时滞上界。进而可以很容易得到时滞无关稳定性结果,且该结果包含了现有文献中许多关于时滞无关稳定性分析的结果。数值算例说明了结论的有效性。     

分布时滞细胞神经网络的代数抗饱和补偿设计

针对一类分布时滞神经网络系统提出一种代数抗饱和补偿设计。在不考虑系统输入饱和的前提下,通过系统参数、M矩阵理论、迪尼导数设计出了一种代数判据。在此基础上,当发生输入饱和时,运用舒尔补引理将二次型矩阵不等式(quadratic matrix inequality,QMI)转化成线性矩阵不等式(linear matrix inequality,LMI)。同时给出优化吸引域估计的方法。仿真结果验证了方案的可行性和有效性。     

两类不确定奇异时滞系统鲁棒稳定的相关型判据

研究了不确定奇异时滞系统的鲁棒稳定性问题。首先以线性矩阵不等式的形式给出了奇异时滞系统正则,无脉冲模且零解渐近稳定的一种新的时滞相关型判据。通过引入新的参数避免了利用不等式处理交叉项,从而使该判据具有较小的保守性。最后,利用研究结果,给出了两类不确定奇异时滞系统新的时滞相关型鲁棒稳定性判据。     

New results on the robust stability analysis of neural networks with discrete and distributed time delays

Delay-dependent robust stability of cellular neural networks with time-varying discrete and distributed time-varying delays is considered. Based on Lyapunov stability theory and the linear matrix inequality （LMIs） technique, delay-dependent stability criteria are derived in terms of LMIs avoiding bounding certain cross terms, which often leads to conservatism. The effectiveness of the proposed stability criteria and the improvement over the existing results are illustrated in the numerical examples.