非连续Lur’e时滞网络的有限时间聚类同步与自适应控制

本文主要研究一类由非恒同非连续Lur’e系统耦合而成复杂动态网络的自适应有限时间聚类同步问题.首先,通过引入Filippov微分包含理论和测度选择定理,本文设计了一类有效的牵制反馈控制器,该控制器只控制当前聚类中与其他聚类有直接连接的部分节点.为了有效节省控制成本,本文基于反馈控制强度设计了一类自适应更新定律以获取实现网络同步的最优控制强度.其次,利用有限时间稳定性理论和Lyapunov稳定性定理,本文得到时变时滞耦合和非线性耦合Lur’e网络实现有限时间聚类同步的判定条件,并给出该网络达到聚类同步的收敛时间估计.最后,通过一个算例仿真验证了本控制方案和同步判据的有效性及正确性.     

复杂动态网络的自适应多目标控制

针对研究复杂动态网络多目标控制问题,网络中节点间的耦合强度不随时间变化等特点,提出了一种新型的分布式控制策略和节点之间的耦合强度自适应调整的方法,使网络达到多个控制目标.其中分布式控制策略和耦合强度自适应调整方法仅利用节点的局部信息,使设计的控制器易于实施.利用构建李亚普诺夫函数的方法,给出了网络全局稳定到多个控制目标的条件.当单个节点的动力学函数为混沌的洛仑兹系统时,在典型的无标度网络上进行仿真,结果证实了自适应方法的有效性.     

时变耦合复杂网络的有限时间广义外部同步

研究了两个具有时变耦合矩阵的复杂动态网络的有限时间广义外部同步的问题。设计了有限时间控制器, 使两个网络能在有限时间内实现外部同步。利用微分方程的有限时间稳定性理论,得到了复杂网络实现有限时间外部同步的充分条件。为了验证所提方案的有效性,给出了仿真算例,算例验证了有限时间广义外部同步方案的有效性。     

输出耦合的复杂网络自适应脉冲同步

应用自适应脉冲控制策略实现输出耦合复杂网络的同步.通过构造Lyapunov泛函,设计合适的自适应脉冲控器,并利用脉冲微分方程理论,建立了网络的同步准则.该准则保证了动态网络渐进同步于任意指定的网络中的单独节点的状态.数值模拟表明所得控制器的有效性.     

时滞耦合和非时滞耦合的奇异复杂动态网络之同步性准则

本文利用李雅普诺夫稳定性理论,对时滞耦合和非时滞耦合的奇异复杂动态网络之同步获得了一些新的充分条件.这些条件均可转化为求解一组线性矩阵不等式(LMI).在降低准则保守性的过程中,本文充分运用了矩阵函数的凸性和自由权重矩阵理论.最后给出了两个数例;与已有文献做了比较,说明本文结论的有效性,以及较低的保守性.     

基于改进粒子群算法的BP算法的研究

针对BP算法的缺陷以及标准粒子群算法优化BP网络权值的不足,为了提高算法的全局搜索能力,提出了基于自适应动态调整惯性权重的粒子群算法的BP网络算法.算法根据适应度值的改变情况来调整惯性权重,使惯性权重的改变不依赖于最大迭代次数和当代迭代次数,从而使整个网络具有较快的收敛速度和较小的误差.将算法应用于海参疾病的诊断中.实验发现,基于自适应动态调整惯性权重的粒子群算法的BP算法比基本粒子群算法的BP算法收敛速度快,算法的准确率也比较高,同时改进算法训练的BP网络也比基本粒子群算法训练的BP网络稳定.仿真证明,自适应动态调整惯性权重的粒子群算法对BP算法的优化优于基本粒子群算法.     

两个分数阶复杂动态网络的函数投影同步

复杂网络的同步问题是复杂网络研究的热点之一, 本文研究了两个分数阶复杂网络间的函数投影同步问题.分别针对网络模型参数已知和参数未知两种情况, 利用自适应控制技术和分数阶系统稳定性理论, 设计自适应控制器, 使两个分数阶复杂动态网络实现函数投影同步.最后利用数值仿真验证所提出方法的有效性.     

基于自适应事件触发牵制控制的多时滞随机耦合神经网络簇同步

本文通过自适应事件触发牵制控制策略,研究了多时滞的随机耦合神经网络在均方意义下以指数速率进行簇同步的问题.在耦合神经网络中,同一簇中的节点只需与相应的孤立节点同步,而对于不同簇中节点之间的同步状态没有要求.首先,本文提出了一种事件触发牵制控制方法来解决耦合神经网络中节点数量众多、通讯复杂的问题.该方法不仅能减少耦合神经网络中控制器的数量,还可以减少控制信号的传输次数、减轻网络传输压力.然后根据M矩阵方法,建立了随机耦合神经网络均方指数稳定的充分条件.同时,利用自适应控制策略,给出了反馈增益的更新规律.最后,通过一个数值例子验证了所提出的自适应事件触发牵制控制策略的有效性和适用性.     

异结构不确定时变时滞复杂网络的外同步

本文研究了具有时间延迟的异结构不确定网络之间的外同步问题.基于Lyapunov稳定性理论,采用双向耦合自适应方法实现了两个结构互异的复杂网络之间的外同步.并且,网络的拓扑结构以及耦合强度也被同时确定.在数值模拟中,选取Van der Pol系统和Duffing系统作为网络节点进行仿真模拟,验证其理论结果的有效性.     

一种基于增量式谱聚类的动态社区自适应发现算法

针对当前复杂网络动态社区发现的热点问题, 提出一种面向静态网络社区发现的链接相关线性谱聚类算法, 并在此基础上提出一种基于增量式谱聚类的动态社区自适应发现算法. 动态社区发现算法引入归一化图形拉普拉斯矩阵呈现复杂网络节点之间的关 系,采用拉普拉斯本征映射将节点投影到k维欧式空间.为解决离群节点影响谱聚类的效果和启发式确定复杂网络社区数量的问题, 利用提出的链接相关线性谱聚类算法发现初始时间片的社区结构, 使发现社区的过程能够以较低的时间开销自适应地挖掘复杂网络社区结构. 此后, 对于后续相邻的时间片, 提出的增量式谱聚类算法以前一时间片聚类获得的社区特征为基础, 通过调整链接相关线性谱聚类算法实现对后一时间片的增量聚类, 以达到自适应地发现复杂网络动态社区的目的. 在多个数据集的实验表明, 提出的链接相关线性谱聚类算法能够有效地检测出复杂网络中的社区结构以及基于 增量式谱聚类的动态社区自适应发现算法能够有效地挖掘网络中动态社区的演化过程.     

Synchronization of complex networks with coupling delays via adaptive pinning intermittent control

The problem of exponential synchronization for a class of general complex dynamical networks with nonlinear coupling delays by adaptive pinning periodically intermittent control is considered in this paper. We use the methods of the adaptive control, pinning control and periodically intermittent control. Based on the piecewise Lyapunov stability theory, some less conservative criteria are derived for the global exponential synchronization of the complex dynamical networks with coupling delays. And several corresponding adaptive pinning feedback synchronization controllers are designed. These controllers have strong robustness against the coupling strength and topological structure of the network. Using the delayed nonlinear system as the nodes of the networks, a numerical example of the complex dynamical networks with nonlinear coupling delays is given to demonstrate the effectiveness of the control strategy.     

时延复杂网络的自适应周期间歇同步控制

研究同时具有耦合时延和节点时延复杂网络的自适应周期间歇同步控制问题.运用 Lyapunov 稳定性理论,自适应控制、牵制控制和间歇控制方法,给出保证该时延复杂网络全局指数同步、且保守性更小的判定准则,并给出相应的自适应和牵制自适应间歇同步控制器设计,该控制策略对节点间的耦合强度和网络的拓扑结构等具有较强的鲁棒性.最后以时延非线性动力系统为节点对复杂网络进行数值仿真,验证了结论的正确性和有效性.     

Decentralised adaptive neural connectively finite-time control for a class of p-normal form large-scale nonlinear systems

ABSTRACT

This paper focuses on the decentralised adaptive finite-time connective stabilisation problem for a class of p-normal form large-scale nonlinear systems at the first. By combining the adding a power integrator technique, the neural network technique and the finite-time Lyapunov stability theory, the decentralised adaptive neural finite-time controllers are designed, which can guarantee the large-scale system is finite-time connectively stable. In order to avoid the effect of neural network estimation error on satisfying the finite-time criteria, the combination vectors are composed by the weights and the estimation errors of the neural networks. The maximal upper bounds of the combination vector norms are taken as the adaptive parameters. Because of employing neural networks, the restriction of the unknown nonlinear terms in some literature about finite-time control is relaxed. Two simulation examples are provided to prove the effectiveness and advantage of the proposed control method.     

复杂动力学网络的自适应线性广义同步及参数识别

针对参数未知的复杂动力学网络，基于Lyapunov稳定性理论和LaSMle不变原理，通过设计合适的自适应控制器不仅实现了参数未知的复杂动力学网络之间的线性广义同步，而且对网络中的未知参数进行了追踪识别．文中设计的控制器对一类复杂动力学网络有普适性，并且由于其具有的自适应功能，使得该控制方法有鲁棒性．数值仿真结果进一步验证了控制方法的有效性与可行性．     

Finite-time robust passive control for a class of switched reaction-diffusion stochastic complex dynamical networks with coupling delays and impulsive control

Finite-time boundedness and finite-time passivity for a class of switched stochastic complex dynamical networks (CDNs) with coupling delays, parameter uncertainties, reaction-diffusion term and impulsive control are studied. Novel finite-time synchronisation criteria are derived based on passivity theory. This paper proposes a CDN consisting of N linearly and diffusively coupled identical reaction- diffusion neural networks. By constructing of a suitable Lyapunov–Krasovskii's functional and utilisation of Jensen’s inequality and Wirtinger's inequality, new finite-time passivity criteria for the networks are established in terms of linear matrix inequalities (LMIs), which can be checked numerically using the effective LMI toolbox in MATLAB. Finally, two interesting numerical examples are given to show the effectiveness of the theoretical results.     

Adaptive fixed-time control for cluster synchronisation of coupled complex networks with uncertain disturbances

This paper focuses on the cluster synchronisation problem of coupled complex networks with uncertain disturbances under an adaptive fixed-time control strategy. To begin with, complex dynamical networks with community structure which are subject to uncertain disturbances are taken into account. Then, a novel adaptive control strategy combined with fixed-time techniques is proposed to guarantee the nodes in the communities to desired states in a settling time. In addition, the stability of complex error systems is theoretically proved based on Lyapunov stability theorem. At last, two examples are presented to verify the effectiveness of the proposed adaptive fixed-time control.     

Synchronization of uncertain complex dynamical networks via adaptive control

In this paper, synchronization of an uncertain dynamical network with time‐varying delay is investigated by means of adaptive control schemes. Time delays and uncertainties exist universally in real‐world complex networks. Especially, parameters of nodes in these complex networks are usually partially or completely uncertain. Considering the networks with unknown or partially known nodes, we design adaptive controllers for the corresponding complex dynamical networks, respectively. Several criteria guaranteeing synchronization of such systems are established by employing the Lyapunov stability theorem. Analytical and numerical results show that the proposed controllers have high robustness against parameter variations including network topologies, coupling structures, and strength. Copyright © 2008 John Wiley & Sons, Ltd.