混合时滞与非线性控制输入细胞神经网络同步分析
- 格式:pdf
- 大小:266.89 KB
- 文档页数:6
具有混合时滞的脉冲复值神经网络的全局μ-稳定性
闫欢;赵振江;宋乾坤
【期刊名称】《应用数学和力学》
【年(卷),期】2015(36)7
【摘要】研究了具有离散变化时滞和无界分布时滞的脉冲复值神经网络的稳定性,在所研究的神经网络中,活动函数仅仅要求满足Lipschitz条件.运用同胚映射原理,证明了具有混合时滞的脉冲复值神经网络平衡点的存在性和唯一性.通过构造Lyapunov-Krasovskii泛函,使用自由权矩阵方法和不等式技巧,获得了网络平衡点的全局μ-稳定性的充分性判据.数值仿真实例验证了结果的有效性.
【总页数】12页(P756-767)
【关键词】复值神经网络;脉冲;变化时滞;全局μ-稳定性
【作者】闫欢;赵振江;宋乾坤
【作者单位】重庆交通大学信息科学与工程学院;湖州师范学院数学系;重庆交通大学数学系
【正文语种】中文
【中图分类】O175.13
【相关文献】
1.一类具有混合时滞的广义反应扩散神经网络的时滞依赖全局渐近稳定性研究 [J], 吕天石;甘勤涛
2.一类具有混合时变时滞的广义反应扩散神经网络的全局渐近稳定性 [J], 吕天石;
甘勤涛
3.含混合时滞和脉冲的Cohen-Grossberg神经网络的全局指数稳定性(英文) [J], 韩天勇
4.时间标度上时滞脉冲复值神经网络的全局稳定性 [J], 闫欢;宋乾坤;赵振江
5.具有脉冲的混合时滞Hopfield神经网络的全局渐近稳定性 [J], 张雪莹;陈展衡因版权原因,仅展示原文概要,查看原文内容请购买。
一类具比例时滞细胞神经网络概周期解的全局吸引性周立群;赵山崎【摘要】研究一类具比例时滞的二维分流抑制细胞神经网络的概周期解.应用Banach不动点定理,研究该网络的概周期解的存在性.通过一个非线性变换,将具比例时滞细胞神经网络等价地变换成具变系数与常时滞的细胞神经网络,通过构造合适的Lyapunov泛函并与Barbalat引理相结合,得到该网络概周期解存在唯一和全局吸引的充分条件.数值算例验证所得结论的正确性.【期刊名称】《黑龙江大学自然科学学报》【年(卷),期】2014(031)005【总页数】8页(P566-573)【关键词】细胞神经网络;概周期解;比例时滞;全局吸引性;Barbalat引理【作者】周立群;赵山崎【作者单位】天津师范大学数学科学学院,天津300387;天津师范大学数学科学学院,天津300387【正文语种】中文【中图分类】O175.13;TP1830 引言细胞神经网络(CNNs)与时滞细胞神经网络(DCNNs)在图像处理、模式识别、联想记忆等方面有重要的作用,因而在国内外得到了广泛的研究,其中大多数研究都集中在平衡点的各种稳定性上。
同时,关于细胞神经网络的其它动力学性质,如概周期性的研究,也取得了很多有意义的结果[1-4]。
文献[1]研究时延细胞神经网络的概周期解存在性和全局指数稳定性问题,巧妙的引入可调实参数,获得了该神经网络存在唯一和指数稳定的充分条件;文献[2]通过拓扑度理论与广义的Halanay不等式,对一类时变时滞的细胞神经网络进行研究,得到一个周期解存在与全局指数稳定的充分条件;文献[3]应用压缩原理,研究了一类具混合时滞的细胞神经网络的周期解的存在性与全局指数稳定性;文献[4]对具有分布时滞的细胞神经网络的概周期解进行了讨论,去掉了神经元输出函数全局Lipschitz条件的限制,利用不动点定理与微分不等式技巧,得到了此类神经网络概周期解的存在性、唯一性与指数稳定性的充分条件,文献[5-6]通过构造合适的Lyapunov泛函等,研究了其它类型的神经网络概周期解的相关性质。
时滞系统几种控制策略研究时滞系统几种控制策略研究时滞系统是一类在实际控制中常见的系统,其特点是系统状态变量在对应的输出值上受到时间延迟的影响。
时滞系统在工程领域广泛应用,例如飞行器、机器人等。
然而,由于时滞的存在,时滞系统往往容易出现不稳定、震荡和性能下降的问题,因此如何有效地控制时滞系统,降低时滞对系统性能的影响成为了一个重要的研究方向。
针对时滞系统的控制策略研究,主要包括经典控制方法、自适应控制方法和智能控制方法等。
经典控制方法中,最常用的是PID控制器。
PID控制器是一种基于比例、积分、微分控制的经典控制策略,它能够对系统的误差进行调节。
然而,对于时滞系统,传统PID控制器存在不足之处,因为时滞会导致控制信号滞后,从而影响系统的稳定性。
因此,需要对PID控制器进行改进,使其能够对时滞系统进行有效的控制。
自适应控制方法通过根据系统的特性实时调整控制器的参数,从而适应系统的变化。
其中,模型参考自适应控制(Model Reference Adaptive Control, MRAC)是一种常用的方法。
MRAC通过在线估计系统的模型,并根据估计的模型来调整控制器的参数,从而实现对时滞系统的控制。
此外,自适应滑模控制(Adaptive Sliding Mode Control, ASMC)也是一种常用的控制方法。
ASMC通过引入滑模面,并根据系统误差的变化调整滑模面的位置,以降低时滞对系统的影响。
智能控制方法中,模糊控制和神经网络控制是常见的策略。
模糊控制是一种基于模糊逻辑推理的控制方法,通过将人类的经验和知识转化为模糊规则,来对系统进行控制。
神经网络控制是一种通过训练神经网络来实现对系统的控制的方法,神经网络可以学习系统的非线性映射关系,并通过适当的训练来调整权值,从而实现对时滞系统的控制。
在实际应用中,不同的控制策略可以结合使用,以实现更好的控制效果。
例如,可以将PID控制器和模糊控制器结合,利用PID控制器对系统进行粗略调节,再利用模糊控制器进行微调,从而达到更好的控制效果。
基于神经网络的机电传动系统参数辨识与自适应控制研究机电传动系统是现代工程中重要的组成部分,其参数的辨识与自适应控制在系统优化与控制策略设计中具有重要意义。
本研究基于神经网络的方法,旨在对机电传动系统的参数进行辨识,并应用自适应控制策略实现系统性能的优化。
一、神经网络在机电传动系统参数辨识中的应用神经网络具有非线性映射和逼近能力强的特点,能够有效地对复杂系统进行建模和辨识。
在机电传动系统参数辨识中,神经网络可以用于识别系统的传递函数、时滞、非线性参数等。
1.1 神经网络的结构与训练神经网络由输入层、隐藏层和输出层组成,通过调整连接权值和偏置来拟合系统的输入输出关系。
传统的训练方法包括误差反向传播算法和逐步逼近算法。
而近年来,基于深度学习的方法,如卷积神经网络和循环神经网络,在参数辨识任务中也取得了较好的效果。
1.2 参数辨识算法常用的参数辨识算法包括最小二乘法、极大似然估计法和粒子群优化算法等。
这些算法可以用于确定神经网络的连接权值和偏置,从而实现对机电传动系统参数的准确辨识。
二、基于神经网络的机电传动系统自适应控制研究机电传动系统自适应控制是指根据实时反馈信息,自动地调整控制策略以实现对系统性能的优化。
神经网络的非线性映射能力使其成为机电传动系统自适应控制的理想工具。
2.1 神经网络控制器设计基于神经网络的自适应控制器可以根据实时反馈信号对系统进行辨识和建模,从而实现对控制策略的自适应调整。
控制器的设计主要包括神经网络结构的选择、损失函数的定义以及参数更新策略的确定。
2.2 自适应控制策略自适应控制策略包括模型参考自适应控制、输出反馈自适应控制和直接自适应控制等。
这些策略可根据实际情况和系统需求进行选择,通过调整神经网络控制器的参数,实现对机电传动系统的自适应调节。
三、机电传动系统参数辨识与自适应控制应用实例为验证基于神经网络的机电传动系统参数辨识与自适应控制方法的有效性,我们给出一个应用实例。
具有时变时滞的不连续复杂网络固定与预定时间同步
李兴瑞;单美华;史东鑫
【期刊名称】《应用数学进展》
【年(卷),期】2022(11)9
【摘要】本文研究了同时具有内部时变时滞和耦合时变时滞的不连续复杂网络的固定时间与预定时间同步问题。
基于固定时间稳定性定理及其引理,设计了新的状态反馈控制器,实现了复杂网络的固定与预定时间同步。
在Filippov微分包含框架下,通过应用Lyapunov-Krasovskii泛函方法和不等式分析方法,以线性矩阵不等式的形式得到了含有时滞的不连续复杂网络的固定时间与预定时间同步判定准则。
最后用数值模拟验证了控制器的有效性与理论的正确性。
【总页数】12页(P6799-6810)
【作者】李兴瑞;单美华;史东鑫
【作者单位】长安大学理学院西安
【正文语种】中文
【中图分类】G63
【相关文献】
1.带有时变时滞和非线性耦合的复杂网络同步
2.带有耦合时滞的不连续非恒等节点复值复杂网络通过反馈控制达到有限时间同步
3.具有混合时变时滞不连续激活函数神经网络的耗散和有限时间同步研究
4.具时变系数和时滞的模糊细胞神经网络的固定时间同步
因版权原因,仅展示原文概要,查看原文内容请购买。
输入磁滞的非线性系统事件触发有限时间控制
马灿洪;黄峥;严彦成;巩琪娟;黄堃锋
【期刊名称】《综合智慧能源》
【年(卷),期】2022(44)12
【摘要】针对具有输入磁滞的不确定非线性系统自适应补偿事件触发控制问题,提出了一种模糊逼近方法对非线性系统中的不确定项进行逼近。
在backstepping技术框架下,设计了一种模糊自适应事件触发补偿控制方法。
为了节省通信资源,提出了一种自适应补偿事件触发机制,在此基础上,设计了一种有限时间控制方法,保证系统状态有界。
最后通过仿真试验验证了该方法可减少通信资源的占用,并有效地保证系统的稳定性。
【总页数】7页(P18-24)
【作者】马灿洪;黄峥;严彦成;巩琪娟;黄堃锋
【作者单位】广州大学机械与电气工程学院
【正文语种】中文
【中图分类】TK01;TM01
【相关文献】
1.带有时滞的非线性耦合神经网络在基于观测值事件触发脉冲控制器作用下的输入到状态聚同步
2.带有时滞的非线性耦合神经网络在基于观测值事件触发脉冲控制器作用下的输入到状态聚同步
3.不确定非线性切换系统的事件触发保成本有限时间H∞控制
4.带输入磁滞的非线性系统模糊事件触发控制
5.具有Preisach类型磁滞输入的不确定非线性系统自适应神经网络控制
因版权原因,仅展示原文概要,查看原文内容请购买。
混合时滞与非线性控制输入细胞神经网络同步分析1黄优良1.韶关学院数学系,广东韶关(512005)2.扬州大学数学科学学院,江苏扬州(225002)E-mail :youliang_huang@摘 要:研究了一类具有时变时滞与无穷分布时滞、控制输入具扇形非线性性(sector nonlinearity in the control input)的细胞神经网络的全局渐近同步问题,基于驱动-响应方法和Lyapunov 理论,适当设计一个失忆扩散的输入控制律,给出了驱动系统与响应系统同步的充分条件.关键词:同步,细胞神经网络,时变时滞,分布时滞,Lyapunov 方法 中图分类号:O415 文献标识码:A自从1988年L.O. Chua 与L. Yang 在文献[1,2]提出了细胞神经网络有关问题以来,神经网络成了数学应用领域的热门研究课题,各种各样的细胞神经网络,比如Hopfied 神经网络(HNN),细胞神经网络(CNN),Cohn-Grossberg 神经网络等,包括带时滞的不带时滞的,离散时滞的分布时滞的,双向联想记忆(BAM)的等等,在最近二十几年来得到了飞速的发展.1990年,Louis M. Pecora 和Thomas L. Carroll 等人又在文献[3]研究了混沌系统的同步问题,混沌同步控制因其有着广阔的应用前景,比如在保密通信、图像处理、模式识别等方面的应用,吸引了相当多专家学者的注意.之后,神经网络的同步控制与研究也受到了极大的关注.就细胞神经网络方面,许多专家学者的研究取得了丰硕的成果.比如,文献[4-7]研究了各类细胞神经网络的各种稳定性问题(全局稳定性,指数稳定性,周期解的稳定性,等等),而文献[8-14]则讨论了各类神经网络的同步问题,应用了耦合的方法,驱动-响应的方法等去研究各类系统的全局渐近同步及指数同步.最近,Xuyang Lou 与Baotong Cui 还研究了一类带反应扩散项的时滞细胞神经网络的渐近同步(文献[10]),其所设计的状态反馈控制输入向量为:)()(t Me t u =,是线性化的.而Wenwu Yu 与Jinde Cao 等则探讨了一类带随机项的时滞神经网络的同步控制问题(文献[13]),文中所给的状态反馈控制输入为:))(()()(1t t e G t Ge t u τ−+=,是非失忆状态输入,并且增加了随机扰动项.而Jun-Juh Yan等在文献[16]讨论了含时变时滞与扇形非线性性(sector nonlinearity) 及微扰项的神经网络的同步问题,其中设计的状态反馈控制输入是非线性的.但其并未讨论含分布时滞尤其是无穷分布时滞的情况,而现实中无穷时滞对细胞神经网络的影响总是存在的.本文主要是在此基础上,探讨一类具时变时滞与无穷分布时滞(混合时滞)及状态反馈控制输入具扇形非线性性并具外部扰动的细胞神经网络的同步控制问题,到目前为止,这类问题的研究非常少.本文利用的是驱动-响应控制同步法,给出主从系统同步的一些充分条件.1. 模型描述与准备文献[16]所讨论的同步问题是关于下述时滞细胞神经网络模型的:i nj j j j ij n j j j ij i i i I t t x f b t x f a t x c t x+−++−=∑∑==11)))((())(()()(τ&,),2,1(n i L = 本文将在此基础上进一步探讨下述兼具时变时滞与无穷分布时滞细胞神经网络模型的同步1本课题得到江苏省教育厅自然科学基金(06KJD110206)和扬州大学科技创新培育基金(2006CXJ002)的资助。
问题:∑∑==−++−=nj ij j j ij n j j j ij i i i t t x f b t x f a t x c t x11)))((())(()()(τ& )()()(1t J ds s x s t k f w i nj tj ij j ij +⎟⎠⎞⎜⎝⎛−+∑∫=∞−, ),2,1(n i L = (1) 其中)(t x i 与))((t t x ij i τ−表示第i 个神经元分别在时刻t 与)(t t ij τ−的状态,)(t J i 表示第i 个神经元的外部输入,为便于研究,假定i i J t J =)(为常数输入,连续时滞满足ττ≤<)(0t ij ,且1)(0<≤≤στt ij &,(这里当0)(=t ij τ&时,时变时滞将变为常数时滞:0)(>=ij ij t ττ),常数ij a ,ij b ,ij w 均表示神经元之间的内联权重系数,常数0>i c ,))((t x f T n n t x f t x f t x f )))(()),(()),(((2211L =n R ∈对应于神经元的激励函数,并假定系统(1)满足的初始条件)()(t t x i i φ=()R C ],0,[τ−∈,为由区间]0,[τ−映到R 上的连续有界函数,而函数)(⋅t i x ()R C ],0,[τ−∈定义为:)()(θθ+=t x x i t i ,]0,[τθ−∈.约定:未特别声明时,本文指标均表示:n j i ,,2,1,L =.假定下列两个条件成立:(H 1)激励函数)(⋅i f 是全局Lipschitz 连续的,即存在常数0>i L 使得对任意R ∈ζξ,都有:ζξζξ−≤−ii i L f f )()(.(H 2)函数)(s k ij :),0[),0[+∞→+∞连续有界,且:1)(0∫+∞=ds s k ij .本文将以系统(1)作为驱动系统,相应的响应系统为:∑∑==−++−=nj ij j j ij n j j j ij i i i t t y f b t y f a t y c t y11)))((())(()()(τ& ))(()()()(1t v J t ds s y s t k f w i i i i nj t j ij j ij θρ+++⎟⎠⎞⎜⎝⎛−+∑∫=∞−,(2)响应系统(2)满足初始条件:)()(t t y i i ψ=()R C ],0,[τ−∈,也是由区间]0,[τ−映到R 上的连续有界函数.)(t i ρ为外部扰动,不失一般性,设外部扰动是有界的,即: i i t δρ<|)(|.而)(t v i 为外部控制输入函数,R t v i i ∈))((θ具有连续扇形非线性性,这通常是由系统本身的物理限制所产生的,满足:0)0(=i θ,)())(()()(22t v t v t v t v i i i i i i i αθβ≤⋅≤ (3)如图1(Fig.1.)所示.外部控制输入函数的合理设计,是使得驱动-响应系统达到同步的关键. 下面给出驱动-响应系统全局渐近同步的定义.定义 驱动系统(1)与响应系统(2)称为是全局渐近同步的,如果对任意0≥t 都有:0)()(lim =−+∞→t y t x t ,其中Tn t x t x t x t x ))(,),(),(()(21L =,Tn t y t y t y t y ))(,),(),(()(21L =n R ∈,⋅表示欧氏范数.2. 主要结果同步误差信号设为:)()()(t y t x t e i i i −=,显然,如果对任意n i L ,2,1=,当+∞→t 时,有0)(→t e i ,则驱动系统(1)与响应系统(2)将达到全局渐近同步.驱动-响应系统(1)与(2)的误差系统可记为:∑∑==−++−=nj ij j j ij nj j j ij i i i t t e g b t e g a t e c t e11)))((())(()()(τ& ∑∫∫=∞−∞−⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−+nj t j ij j t j ij j ij ds s y s t k f ds s x s t k f w 1)()()()())(()(t v t ii i θρ−−, (6)这里))(())()(())((t y f t y t e f t e g i i i i i i i −+=,),2,1(n i L =显然,0)0(=i g . 定理1 假定条件(H 1)(H 2)成立,并存在常数0>i λ),2,1(n i L =,使得控制输入)(t v i 按如下方式设计:)()()(t e t e t v i i ii i ηγ=, i i βγ1>, (7) 其中:i i n j ji ji ji i ji i i t e b w a L c δσλλη+⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−+++=∑=)(||11||||1, 则驱动系统(1)与响应系统(2)将达到全局渐近同步.证明 设Tn t e t e t e t e ))(,),(),(()(21L =n R ∈,为了证明驱动系统(1)与响应系统(2)达到全局渐近同步,只需证明它们的误差系统(4)的零点是全局渐近稳定的即可.为此,构造Lyapunov-Krasovskii 泛函如下:⎢⎣⎡⋅−+=∑∫∑=−=nj t t t j j ij i ni i ij ds s e g b t e t t e V 1)(1))((11)()),((τσλ⎥⎦⎤⋅+∑∫∫=−∞+nj tst j j ij ij drds r e g s k w 1))(()((8)计算(5)沿着系统(4)轨线的导数,可得:⎢⎢⎣⎡⋅−+⋅≤∑∑==nj j ij j i i in i i t e b L t e t e t e t t e V 11)(11)()()()),((σλ&&∑=−⋅−nj ij j ij j t t e b L 1))((τ()⎥⎦⎤−−⋅+∑∫=∞nj j j j j ij ij ds s t e g t e g s k w 1))(())(()()()))((())(()()()(111t t t e g b t e g a t e c t e t e i n j ij j j ij n j j j ij i i i i ni i ρτλ−⎢⎢⎣⎡⎜⎜⎝⎛−++−≤∑∑∑=== ⎟⎟⎠⎞−⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−−⎟⎠⎞⎜⎝⎛−⋅+∑∫∫=∞−∞−nj i i t j ij j j t ij j ij t v ds s y s t k f ds s x s t k f w 1)(()()()()(θ∑∑==−⋅−⋅−+nj ij j ij j nj j ij j t t e b L t e b L 11))(()(11τσ∑∫=∞⋅+nj j j ij ij ds t e g s k w 1))(()(⎥⎦⎤−⋅−∑∫=∞nj j j ij ij ds s t e g s k w 1))(()(⎢⎣⎡⋅+−≤∑∑==n j j ij j i i ni i t e a L t e c 11)()(λ∑=−⋅+n j ij j ij j t t e b L 1))((τ ∑∫=∞−−⋅+n j t j ij ij j ds s e s t k w L 1)()()(()()()())((t v t e t e t t e sign i i i i i i θρ−−∑∑==−⋅−⋅−+nj ij j ij j nj j ij j t t e b L t e b L 11))(()(11τσ∑∫=∞⋅+nj j j ij ij ds t e g s k w 10))(()(⎥⎦⎤−⋅−∑∫=∞nj j j ij ij ds s t e g s k w 10))(()(⎟⎟⎠⎞⎜⎜⎝⎛−−≤∑=i i i i i ni i t v t e t e ηθλ))(()()(1, 由(3)(7),可得:)),((t t e V &()011<−−≤∑=ni ii i i ηβγλ. 因此,根据泛函微分方程Lyapunov 方法(文献[15]),误差系统(6)的零点是全局渐近稳定的,从而驱动系统(1)与响应系统(2)是全局渐近同步的.定理证完.推论1 假定条件(H 1)(H 2)成立,存在常数0>i λ),2,1(n i L =,使下述条件成立,i nj ji ji ji i j i c b w a L >⎟⎠⎞⎜⎝⎛−++∑=1||11||||σλλ并且控制输入)(t v i 按如下方式设计:)()()(t e t e t v i i ii i ηγ=, ii βγ1>, 其中:i i n j ji ji ji i j i i i t e b w a L c δσλλη+⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−+++−=∑=)(||11||||1,则驱动系统(1)与响应系统(2)将达到全局渐近同步.推论2 假定条件(H 1)(H 2)成立,使得控制输入)(t v i 按如下方式设计:)()()(t e t e t v i i ii i ηγ=, ii βγ1>, 其中:i i n j ji ji ji i i i t e b w a L c δση+⎥⎦⎤⎢⎣⎡⎟⎠⎞⎜⎝⎛−+++=∑=)(||11||||1,或者i i ni ji ji ji i i t e b w a L δση+⎟⎠⎞⎜⎝⎛−++=∑=)(111, 则驱动系统(1)与响应系统(2)将达到全局渐近同步.推论1可从定理的证明过程得到,推论2是定理中取1=i λ),2,1(n i L =而得。