基于递归神经网络的基因调控网络稳定性分析

基因调控网络是一类复杂的非线性动力学系统,其稳定性分析在生命科学研究中发挥着重要作用。基于递归神经网络所具有的较强的建模能力,建立了一类新的时滞基因调控网络模型。根据模型的特点构建合适的Lyapunov-Krasovskii函数,并借助线性矩阵不等式技术与S-方法推导出使得网络全局渐进与指数稳定的充分性条件,最后通过实例验证了此方法的有效性。

互补滤波技术在自平衡机器人中的应用

首先在理论上建立了自平衡机器人的动力学模型。基于PD控制算法,开发保持自平衡机器人直立的控制算法,并设计相应的控制器。利用模拟量输出的陀螺仪ENC03和加速度计MMA7361两个传感器分别测量角速度和角加速度,再采用互补滤波技术实时获得自平衡机器人的角度。在实验部分,自平衡机器人的机械结构使用普通小功率直流电机,驱动芯片使用BTS7960大电流半桥芯片,以ColdFrie MCF52255芯片作为控制器,采用蓝牙模块进行数据传输。将编写好的程序烧写到32位飞思卡尔单片机中,实现对自平衡机器人的控制,通过实时采集数据验证所开发的程序和算法的合理性。实验结果验证了所设计自平衡机器人的机械结构与硬件电路的合理性。

一类新的基因调控网络的稳定性分析方法

借助M-矩阵理论分析了含时变时滞的基因调控网络的渐进稳定与指数稳定性问题.首先利用递归神经网络建立基因调控网络模型,通过选取合适的Lyapunov函数,根据M-矩阵知识推导出使网络稳定的充分条件,最后通过实例验证了此方法的有效性及简便性.