新的时滞递归神经网络鲁棒稳定性分析方法

通过引入标准神经网络模型(SNNM), 为不同的递归神经网络(RNN)提供了一个统一分析框架. 针对时滞 SNNM 的鲁棒渐进稳定和指数稳定问题, 应用 Lyapunov 稳定性理论和 S 方法推导出基于线性矩阵不等式的充分条件. 将鲁棒指数稳定性问题转化为一个广义特征值问题, 既可以判断网络是否指数稳定, 又可以方便地估计其最大指数收敛率, 克服了以往方法中存在的不足. 给出了将其他 RNNs 转化为 SNNM 的实例, 并利用 SNNM 的相关结论对其进行了分析. 仿真结果表明, 该方法可以方便地对不同 RNN 的鲁棒稳定性进行分析, 且稳定性条件易于求解.     

一类离散递归神经网络的稳定性分析--LMI方法

离散递归神经网络的稳定性分析是目前研究的薄弱环节.通过状态空间扩展法,将一类活化函数满足扇区条件和单调性的离散递归神经网络(即递归多层感知器RMLP)转化为线性微分包含(LDI)形式,而LDI的稳定性分析可转化为一组线性矩阵不等式(LMI)的求解,利用MATLAB/LMITOOLBOX求解LMI,从而判定RMLP的Lyapunov稳定性.该方法也适用于其他类型的递归神经网络(RNN)的稳定性分析.     

离散时滞标准神经网络模型的鲁棒稳定性分析

研究了离散时滞标准神经网络模型（SNNM）的鲁棒渐进稳定性和指数稳定性问题,结合Lyapunov稳定性理论和S方法推导出了两种稳定性的充分条件.所得到的稳定性条件被表示为线性矩阵不等式形式,便于求解.特别的,将鲁棒指数稳定性问题转化为一个广义特征值问题,除了可以判断网络的指数稳定性,还可以方便地估计其最大指数收敛率.在数值示例中,将两类递归神经网络（RNNs）转化为SNNM的形式并利用得到的相关结论对其鲁棒稳定性进行了分析,仿真结果验证了稳定性判据的有效性.SNNM为分析递归网络提供了新的思路,简单且有效.     

一类多重时滞细胞神经网络指数稳定性分析

针对一类多重时滞细胞神经网络,利用Lyapunov稳定性理论方法进行指数稳定性分析,给出基于线性矩阵不等式(LMI)的指数稳定性定理.首先通过状态变换,得到该神经网络的等价模型.然后,构造出合适的Lyapunov泛函,并运用线性矩阵不等式理论方法,得到了多重时滞神经网络在常时滞和时变时滞两种情况下指数稳定的一系列充分条件.本文所提出的方法保守程度低,容易利用标准的Matlab-LMI工具来进行仿真验证,同时也适用于其它具有递归神经网络的稳定性分析.     

中立型Lurie系统的渐近稳定性

利用Lyapunov泛函方法,对具有时滞的中立型Lurie系统的稳定性进行分析,得到了系统渐近稳定的一个时滞相关充分条件,这个条件用线性矩阵不等式(LMI)表示,易于验证.     

一类2-D数字滤波器的鲁棒稳定性分析

针对基于第二类Fornasini-Marchesini(FM)局部状态空间(FMSLSS)模型的2-D数字滤波器鲁棒稳定性问题,在给定系统稳定界的基础上,提出了一种频域逼近的判别方法,该方法不同于以往基于线性矩阵不等式(LMI)方法,指出了该方法与LMI方法在判别一类不确定2-D数字滤波器系统鲁棒稳定性中的不同之处。最后给出实例,计算出用频域逼近方法得到系统的稳定性裕度下界大于用LMI方法得到的下界。     

网络控制系统多变量DMC算法的稳定性分析

针对网络化控制系统(NCSs),研究具有多输入多输出的动态矩阵控制(DMC)算法的闭环稳定性问题.首先,基于有限脉冲响应(FIR)模型导出了系统前向通道和反馈通道上均存在随机网络诱导时延的网络化DMC算法;其次,利用线性矩阵不等式(LMIs)方法分析该多变量网络化DMC算法的稳定性,将系统稳定性问题转化为一类求解LMI方程的可行解的问题,进而建立网络化DMC闭环系统的稳定性充分条件.最后,通过数值仿真实验验证该稳定性结论的有效性.     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

不确定线性采样系统鲁棒稳定性

通过将采样控制系统变换为具有分段连续时滞的连续时间模型,利用Lyapunov-Krasovskii泛函方法,讨论了采样控制系统的鲁棒稳定性问题,获得了系统基于线性矩阵不等式(LMI)的鲁棒稳定性条件,同时给出了控制器的设计方法。最后,通过数值示例验证了本文方法的有效性。     

中立型Lurie系统的渐近稳定性

利用Lyapunov泛函方法，对具有时滞的中立型Lurie系统的稳定性进行分析，得到了系统渐近稳定的一个时滞相关充分条件，这个条件用线性矩阵不等式(LMI)表示，易于验证。     

基于神经网络延时预测的自适应网络控制系统

针对网络控制系统存在着随机、时变、不确定的信息传输延时,采用带有时间戳的线性神经网络(TSLNN)进行在线延时预测,实时地获得当前采样周期的网络传输延时预测值.该方法选取3个先验的网络实测延时值作为神经网络的输入样本,选用widrow-hoff学习规则作为神经网络的训练算法;应用网络传输延时预测值,并采用一阶Pade方法,对数学模型中的延时环节进行线性化处理,从而获得无刷直流电机调速网络控制系统的线性数学模型;最后,利用模型参考自适应控制方法(MRAC)设计闭环控制器.仿真结果表明,将基于TSLNN在线延时预测的MRAC方法应用于无刷直流电机调速网络控制系统中,可以获得令人满意的系统动、静态性能.     

正弦冲击信号双滑动窗口滞算法的数学仿真实验

利用线性神经网络方法对由正弦波组成的冲击响应信号进行仿真实验。应用改进的双滑动窗口时滞算法确定网络输入的响应窗口,仿真结果显示利用线性神经网络对线性系统进行建模具有非常高的精度,表明应用线性神经网络来进行实际线性系统预测具有较大的理论实用价值。     

神经网络法在地下洞室围岩分类中的应用

提出了以神经网络进行围岩稳定性分类的方法，根据收集到的围岩分类资料来训练和检验神经网络模型。并将评判结果与其他方法进行了比较，结果表明，网络经训练后具有较高的识别能力，可用于解决工程中的非线性问题。     

永磁直线电机遗传算法模糊神经网络失步预防策略

针对垂直运动的定子绕组不连续永磁直线电机因扰动使其运行失去同步而不能稳定、安全运行这一问题,将模糊控制、神经网络控制和遗传算法有机结合起来,构建了基于遗传算法模糊神经网络的双模态复合控制结构的永磁直线电机失步预防策略.侧重介绍了该控制模型的构成及工作原理,模糊神经网络的设计及参数的优化方法.仿真试验结果表明,该控制策略精确、可靠、控制方法简单,能够有效地提高垂直运动的定子绕组不连续永磁直线电机及其传动系统的稳定性、安全性.     

Global stability of interval recurrent neural networks

The robust global exponential stability of a class of interval recurrent neural networks(RNNs) is studied,and a new robust stability criterion is obtained in the form of linear matrix inequality.The problem of robust stability of interval RNNs is transformed into a problem of solving a class of linear matrix inequalities.Thus,the robust stability of interval RNNs can be analyzed by directly using the linear matrix inequalities(LMI) toolbox of MATLAB.Numerical example is given to show the effectiveness of the obtained results.     

基于BP神经网络的永磁直线电机逆控制系统分析

将交流永磁直线电动机作为被控对象，利用自适应逆控制理论设计了BP神经网络自适应逆控制系统，解决了模型摄动和参数不确定性等问题，提高了系统的稳定性与鲁棒性；利用逆控制器的快速反应能力保证了系统的高性能。     

一类线性参数变化时滞系统的鲁棒滑模控制

研究了一类线性参数变化连续时间系统的稳定性、状态反馈镇定和滑模控制问题.通过引入适当加权矩阵变量寻找Le ibn iz-Newton公式各项之间的关系,从而直接地处理系统中的时滞状态项,避免了常规应用Le ibn iz-Newton公式进行模型变换的间接方法所带来的较大保守性.基于参数线性矩阵不等式方法提出了该类系统参数二次稳定的时滞相关的新条件.基于该条件研究了该类系统的状态反馈镇定和滑模控制问题.分别提出了镇定控制器设计条件和滑动模态存在条件,并设计了滑模控制器,保证了闭环系统的参数二次稳定.仿真实例证明了该设计方案的可行性.     

基于线性矩阵不等式的广义神经网络系统的全局渐近稳定性分析

首先讨论了同时具有离散时滞和分布时滞的神经网络系统即广义神经网络系统平衡点的存在性,然后通过构造Lyapunov-Krasovskii泛函并利用线性矩阵不等式的方法将系统的稳定性问题转化为凸优化问题,建立了系统全局渐近稳定的充分条件.该充分条件可利用标准的Matlab LMI工具箱来验证和求解.     

一种求解线性规划问题的神经网络方法

提出了一种求解线性规划问题的神经网络，证明了该网络全局稳定于平衡点，且该网络具有模型小、便于硬件实现的优点．计算机的模拟结果表明了该网络的可行性和有效性．