力反馈时延遥操作系统的时延相关稳定性分析

当力反馈双边控制系统的主从端之间存在时延时,系统的稳定性和透明性会遭到破坏.无源性方法能保证系统的时延无关稳定性,但由于稳定性和透明性冲突,系统的透明性较差.本文利用绝对稳定性理论推导出一种新的双边控制算法.它以时延相关稳定性代替时延无关稳定性作为控制设计的目标,牺牲一部分不必要的稳定裕度以改善系统的透明性.它在保证系统稳定性的前提下使系统具有更好的透明性,最后用仿真进行了验证.     

一类短时延网络控制系统的建模和稳定性

由于网络控制系统NCS引入网络后造成系统时延而造成系统的不稳定性。本文针对一类短时延NCS中,为保证系统的全局稳定问题,研究了该短时延系统的时延有界性。同时,证明了在输出反馈的条件下,分析了系统的闭环稳定性充分必要条件。最后,文章也通过Matlab对被控对象进行仿真实验,进而证明了文中的结论。     

一类不确定时延网络控制系统的稳定性分析

针对网络控制系统中时延不确定因素,将时延的不确定性转换为系统状态方程系数矩阵的不确定性,基于LMI和Lyapunov理论,研究了一类具有时延的网络控制系统的稳定性问题,并运用Lyapunov方法和线性矩阵不等式对不确定时延系统进行了稳定性分析。并以Riccati不等式和线性矩阵不等式的形式给出了系统稳定的充分条件,使得在不确定时延情况下,系统达到理想稳定性。最后,通过Matlab工具箱对数值结果进行仿真,在时延相关情况下,求得系统达到闭环稳定时最大允许的时延,表明了设计方法的有效性。     

带两个不同时延神经网络的稳定性研究

讨论了带两个不同时延且有两个神经元系统的局部稳定性,得到了判定神经网络稳定性的一些准则,这些准则有的是与时延有关,而有的是与时延无关（这种情形也称为“无害时延”）;研究方法对于带不同时延且多个神经元网络的稳定性的研究有重要的指导意义。     

一类时延神经网络的非线性分析

本文详细讨论了一类由两神经元藕合的时延网络系统,分析了该系统稳定、分叉 的条件,指出利用分叉稳定因子(延迟时间)可以进行分叉控制、极限环幅值控制等,并给出 了仿真的具体实例．     

基于二次相关的时延估计方法

在研究广义相关时延估计方法和二次相关时延估计方法的基础上，将自相关和互相关结合起来，分别对不同噪声背景下的平稳窄带信号进行了时延估计，从理论上指出了二次相关法的可行性及其适用条件。实验仿真的结果表明，与一次相关法相比较，二次相关法可在更低信噪比的情况下，取得较高的时延估计精度。     

网络控制系统中时延的稳定性分析

对时延网络控制系统的稳定性进行研究,针对系统时延中固定时延这种情形,通过对时延黄金分割以及引入改进自由权矩阵,基于李雅普诺夫稳定性理论,给出一种讨论时延网络控制系统稳定性的新方法。     

Swarm突现行为的定量评估指标

针对目前定量观测、分析和控制Swarm突现行为研究中的困难,在定性分析突现行为的基础上,提出了多个可定量度量Swarm突现行为的指标,给出了各指标的依据和计算方式.Swarm模型仿真验证了各指标的有效性,分析了其彼此之间的相关性,发现了各指标的变迁区域可反映Swarm行为的突现阶段,同时,各指标的变化从不同层面反映了Swarm中内在个体行为交互和局部环境变化情况,而且,彼此之间的相互关联性可有效展现整体行为的稳定程度.     

基于时延的网络控制系统稳定性分析

在20世纪90年代网络控制系统问世了,它综合了计算机技术、通信技术和控制系统理论,是一个新生的控制发展理论课题,是现代工业生产发展的风向标,基于时延的网络控制系统稳定性的分析就显得至关重要。本文简单介绍了网络控制系统的定义和网络控制系统发展现状、存在的问题,研究了基于实验补偿和预测控制的网络控制系统,针对不同控制系统的时延进行了分析。     

基于Swarm模型的微博用户影响力评价方法

微博作为一种重要的社交媒体,许多学者都对微博中用户的影响力进行研究,但大多数影响力的评价算法都是根据微博话题中用户的静态属性或微博话题发生后用户的行为特征对用户影响力进行评价。从用户的转发、评论和点赞三种行为入手,结合突现计算模型,提出一种基于Swarm模型的用户影响力排序算法,SMRank算法可以在微博话题发生的过程中对用户每个时间段的影响力进行计算,给出了一种计算微博话题用户影响力的新方法。通过使用真实的微博话题数据进行实验,结果表明提出的SMRank算法可以有效地发现微博话题中影响等级较大的用户,并能计算出不同用户不同时刻的影响力。     

Global Exponential Stability Analysis of Discrete‐Time Genetic Regulatory Networks with Time Delays

This paper focuses on the study of global robust exponential stability of discrete‐time genetic regulatory networks (GRNs) with time‐invariant/time‐varying delays and parameter uncertainties. Many existing results on this problem are based on the linear matrix inequality (LMI) approach, which needs to verify whether there exists a feasible solution of a set of LMIs. Along with the increase in the number of genes, dimensions of LMIs will increase accordingly, which will lead to a large amount of calculation. Based on M‐matrix theory, sufficient conditions ensuring the global robust exponential stability of a class of discrete‐time GRNs with time‐invariant/time‐varying delays and parameter uncertainties are presented. These given conditions are to check whether a constructed constant matrix is a nonsingular M‐matrix. Simulation results of several examples are given to demonstrate the validity of the proposed method.     

多变量时滞系统鲁棒稳定性

基于Smith预估技术和多变量线性系统解耦鲁棒理论,研究了多变量时滞系统鲁棒稳定性,得到在Smith预估严格匹配时闭环系统稳定,且摄动系统为鲁棒对角优势,则摄动系统为鲁棒稳定的一般性结论.     

离散时延双神经元网络的渐近稳定性

New sufficient conditions for the asymptotic stability of a two-neuron network with different time delays are derived. These conditions lead to delay-dependent and delay-independent asymptotic stability. Our results are shown to be less conservative and restrictive than those reported in the literature. Some examples are given to illustrate the correctness of our results.     

Global Asymptotic Stability Analysis of Neural Networks with Time-Varying Delays

Global asymptotic stability of the equilibrium point of neural networks with time-varying delays is considered in this paper. By utilizing the Lyapunov--Razumikhin technique, some new sufficient conditions are given. The new criteria do not require the delay function to be differentiable and the activation functions to be bounded or monotone nondecreasing. The results presented here are less restrictive and conservative than those given in the earlier references. Two examples are discussed to compare the present results with the existing ones.     

时滞杂交双向联想记忆神经网络的全局指数稳定性

在近十几年里，已提出了一类与双向联想记忆相联系的神经网络模型，这些模型推广了单层自联想Hebbian相关器为两层异联想模式匹配器，因而，这类网络在模式识别、信号与图像处理等领域中有广阔的应用前景．研究了带离散时滞杂交双向联想记忆神经网络的收敛特性，利用Halanay型不等式获得了网络全局指数稳定性的充分条件，所得结果是与时滞无关的；已证明利用Halanay型不等式获得的结果改进了由Lyapunov方法获得的结果，而且获得的结果容易判定，并且给出了一个数值例子以说明所得结论的正确性．     

时滞脉冲型Hopfield神经网络的全局指数稳定性*

基于众多领域及生物神经网络本身所存在的脉冲瞬动现象，本文首次提出并研究了带时滞的脉冲型Ｈｏｐｆｉｅｌｄ神经网络的全局指定稳定性问题，并讨论了其平衡态的存在唯一性。     

变时滞神经网络的全局指数稳定性

利用M矩阵理论,同构理论以及不等式技巧,研究了一类变时滞神经网络平衡点的存在性和惟一性问题。同时利用M矩阵理论,反证法以及不等式技巧,得到了变时滞神经网络系统惟一的平衡点的全局指数稳定性的充分条件。通过判断由神经网络的权系数、自反馈函数以及激励函数构造的矩阵是否为M矩阵,即可以检验该变时滞神经网络系统的全局指数稳定性。该判据易于用Matlab进行检验,最后给出一个仿真示例进一步证明了判据的有效性。     

多时滞Hopfield神经网络的鲁棒稳定性分析及吸引域的估计

The robust stability of a class of Hopfield neural networks with multiple delays and parameter perturbations is analyzed. The sufficient conditions for the global robust stability of equilibrium point are given by way of constructing a suitable Lyapunov functional. The conditions take the form of linear matrix inequality (LMI), so they are computable and verifiable efficiently. Furthermore, all the results are obtained without assuming the differentiability and monotonicity of activation functions. From the viewpoint of system analysis, our results provide sufficient conditions for the global robust stability in a manner that they specify the size of perturbation that Hopfield neural networks can endure when the structure of the network is given. On the other hand, from the viewpoint of system synthesis, our results can answer how to choose the parameters of neural networks to endure a given perturbation.