具有随机扰动和Markov切换的中立型耦合神经网络的自适应同步

研究了具有时变时滞和随机扰动的中立型神经网络的自适应同步问题.随机扰动用Brown运动来描述.通过Lyapunov稳定性理论,利用了LMI分析技巧和矩阵理论,研究了具有随机扰动和Markov切换的中立型神经网络的自适应同步,给出并证明了使系统同步的充分条件,得出了具有时变时滞和随机扰动的中立型神经网络的自适应同步的判据.最后,给出数值例子来说明理论结果的有效性.

基于事件触发和量化的非线性系统稳定性研究

针对非线性系统的数据采样稳定性问题,文中设计了基于事件触发机制和数据量化机制的神经网络控制器。采样器时刻监测非线性系统,采样信号经事件触发机制检测,满足阈值后由量化器量化传入控制器,经所设计的控制器输出反馈给非线性系统。为降低系统保守性,选取了新颖的分段Lyapunov-Krasovskii泛函,针对系统中所包含的传输时滞,采用时滞分析法将同步控制器求解问题转化为所对应时滞系统的稳定性问题,并结合Jensen不等式,给出了非线性系统稳定性条件。最后通过数值仿真验证了所提出方法的有效性。

基于事件触发的神经网络控制器稳定性分析

针对非线性系统稳定性问题,设计了基于事件触发的神经网络控制器来稳定非线性系统,控制器只有在触发规则满足的条件下,才更新控制参数,降低了网络传输率。算法开始先建立非线性系统模型,在采样过程中引入事件触发机制,并且设计了神经网络控制器,对于系统中包含的传输时滞,引入系统时滞模型,运用输入延迟法将同步控制器求解问题转化为时滞系统的稳定性问题。再通过构造分段Lyapunov-Krasovskii泛函并结合Jensen不等式,给出了非线性系统稳定条件。与传统数据采样系统相比,本文所提出的方法有效地增大了采样间隔,结尾通过例子仿真验证了所提出方法的有效性。