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.     

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.     

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.     

时变复杂动力学网络的同步控制

研究时变复杂动力学网络的同步控制问题.假定网络模型中的同步轨迹及耦合配置矩阵、内部耦合矩阵的各元素均有界,当这些界值可以预估或不确定时,分别应用线性反馈控制和自适应反馈控制策略使该网络实现全局同步.通过构造Lyapunov函数,证明了对于任意初始状态的时变复杂动力学网络模型在相应的控制手段下总可以实现渐近同步.特别是设计的自适应反馈控制策略对网络的拓扑结构、节点间的耦合强度及时滞等因素表现出较强的鲁棒性.数值仿真证实了上述结论的有效性.     

时变耦合复杂网络同步的自适应控制

应用自适应控制策略实现时变耦合复杂网络的同步。通过构造layapunov函数,证明了对于任意初始状态的时变耦合复杂动力学网络模型在相应的控制手段下总可以实现渐近同步,数值仿真证实了此控制策略的有效性。     

复杂动态网络自适应有限时间同步控制

本文利用自适应控制的方法,研究了复杂动态网络有限时间同步控制问题.针对网络的耦合权重已知和耦合权重未知两种情况,分别设计了相应的自适应控制器和参数自适应律.利用有限时间稳定性定理和Lyapunov稳定性理论,证明了复杂动态网络的误差动态系统是有限时间稳定的,并给出了同步过渡时间上界的估计.最后,利用数值算例验证了本文结论的有效性.     

两个具有耦合时滞的分数阶复杂网络的延迟投影同步与参数辨识

研究两个具有耦合时滞的分数阶复杂网络的延迟投影同步与参数辨识的问题.首先,建立具有耦合时滞以及模型参数不确定分数阶复杂网络模型,并给出驱动网络与响应网络的延迟投影同步误差模型;其次,设计有效的控制器以及参数自适应律以实现两个网络之间的延迟投影同步与参数辨识,给出了实现延迟投影同步与参数辨识的充分条件,对该充分条件给出了...     

具有随机耦合强度两个复杂网络的自适应同步

探究当耦合强度不是常数而是随机变化时,两个不同复杂网络是否能够达到同步。假设耦合强度满足正态分布,在随机耦合强度的数学期望和网络拓扑结构分别已知和未知的情况下,设计合适的非线性自适应控制器使得两个网络获得同步。与假定耦合强度是一个确定值的研究成果相比,该结论更具有一般性。数值仿真表明了该方法的可行性和有效性。     

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.     

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.     

带有未知参数的驱动-响应网络的自适应同步

研究由带有未知参数的混沌系统作为节点动力学构成的驱动-响应网络的自适应同步.基于Lyapunov稳定性理论以及LaSalle不变原理,设计合适的控制器和参数更新规则,使得驱动系统与响应网络达到同步.为了验证理论的正确性,选择加权网络和BA无标度网络作为数值例子,并比较相同网络结构下不同的节点动力学对同步时间的影响.数值...     

基于复杂网络模型的同步分析及控制

针对一致连结的复杂网络模型,通过构建Lyapunov函数,给出该类网络模型实现同步的一个判定准则.在此基础上,对该网络模型引入自适应反馈控制策略,并证明了此类网络在该控制作用下总可以动态地实现同步.特别地,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.数值仿真结果表明了该控制策略的有效性.     

Chaotic synchronization in the presence of disturbances based on an orthogonal function neural network

Chaos synchronization problems are addressed in this paper. For chaotic synchronization systems with uncertainties and external disturbances, an orthogonal function neural network is used to achieve the synchronization of chaotic systems. Legendre orthogonal polynomials are selected as the basis functions of the orthogonal function neural network. An adaptive learning law is derived to guarantee that the tracking errors are bounded using Lyapunov stability theory. Simulation results show the efficiency of the proposed scheme. Copyright © 2008 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Neural network-based synchronization of uncertain chaotic systems with unknown states

In this paper, synchronization of chaotic systems with unknown parameters and unmeasured states is investigated. Two nonidentical chaotic systems in the framework of a master and a slave are considered for synchronization. It is assumed that both systems have uncertain dynamics, and states of the slave system are not measured. To tackle this challenging synchronization problem, a novel neural network-based adaptive observer and an adaptive controller have been designed. Moreover, a neural network is utilized to approximate the unknown dynamics of the slave system. The proposed method imposes neither restrictive assumption nor constraint on the dynamics of the systems. Furthermore, the stability of the entire closed-loop system in the presence of the observer dynamics has been established. Finally, effectiveness of the proposed scheme is demonstrated via computer simulation.     

两个异构复杂网络的广义同步与参数识别

本文实现复杂网络未知系统参数的识别.针对系统未知参数,提出基于广义同步（Generalized synchronization,GS）的参数识别方法.该方法基于Babalat引理,利用Lyapunov稳定性理论,构造另一个具有不同拓扑结构和动力学方程的网络,并设计有效的自适应控制器,实现具有耦合时滞两个不同网络的广义同步,同时准确识别未知参数.与基于完全同步的参数识别方法相比,该方法能够构造低维的系统去识别高维系统的参数.数值实验验证了算法的有效性.     

Adaptive multimedia synchronization in a teleconference system

In this paper, we present an adaptive buffering scheme for implementing intra-stream and inter-stream synchronization in real-time multimedia applications. The essence of the proposed scheme is to dynamically enforce equalized delays to incoming media streams, in order to piece-wise smooth the network delay variations and to synchronize the streams at the sink. An adaptive control mechanism based on an event-counting algorithm is employed to calibrate the PlayOut Clocks (POCs), which manages the presentations of multimedia data. The algorithm does not rely on globally synchronized clock and makes minimal assumption on underlying network delay distribution. Also, the user defined quality of service (QoS) specifications can be directly incorporated into the design parameters of the synchronization algorithm. The proposed synchronization scheme has been experimentally implemented in a teleconference system which consists of separately controllable audio, video, and data channels. The modular structure of the synchronization control provides the flexibility to maintain an arbitrary synchronization group in conjunction with a distributed conference management scheme. This paper also shows the experimental results of the test implementation and the suitability of the proposed scheme with respect to the multimedia traffic across an FDDI/Ethernet network.     

不确定分数阶多涡卷混沌系统自适应重复学习同步控制

研究了不确定分数阶多涡卷混沌系统的自适应重复学习同步控制问题.通过利用滞环函数,设计了一类参数可调的分数阶多涡卷混沌系统.针对这类分数阶多涡卷混沌系统,在考虑非参数化不确定性、周期时变参数化不确定性、常参数化不确定性和外部扰动情况下,提出了一种重复学习同步控制方案.利用自适应神经网络技术补偿了系统中的函数型不确定性,通过自适应重复学习控制技术处理了周期时变参数化不确定性,并利用自适应鲁棒学习项处理了神经网络逼近误差和干扰的影响,实现了主系统和从系统的完全同步.综合利用分数阶频率分布模型和类Lyapunov复合能量函数方法证明了同步误差的学习收敛性.数值仿真验证了所提方法的有效性.     

基于自适应重复学习的不确定多涡卷混沌系统同步控制

基于滞环函数提出一种参数可调的多涡卷混沌系统构造方法. 针对复杂不确定性系统, 综合利用自适应神经网络和重复学习控制方法设计一种自适应重复学习同步控制器; 利用自适应重复学习控制方法对周期时变参数化不确定性进行处理; 对函数型不确定性利用神经网络逼近技术进行补偿; 设计鲁棒学习项对神经网络逼近误差和扰动上界进行估计; 通过构造类Lyapunov 复合能量函数证明了同步误差学习的收敛性. 仿真结果验证了所提出方法的有效性.

     

Consecutive Synchronization of a Delayed Complex Dynamical Network via Distributed Adaptive Control Approach

In this paper, a consecutive synchronization scheme is investigated to synchronize the nodes of a delayed complex dynamical network with an isolated node via an adaptive control approach. The specific feature of this scheme consists in the structure of the communication links: a communication connection is required between the isolated node and one selected node in the network, and further communication links exist between any node and one neighbor node. In this way, all nodes are connected together like a chain. Based on Lyapunov-Krasovskii theory, some conditions are obtained in the form of linear matrix inequalities to guarantee the consecutive synchronization by the designed distributed adaptive control. To make this synchronization scheme more practical, no constraints have been considered for coupling connection matrix such as being symmetric or zero row sum. Finally, a numerical example is presented to demonstrate the effectiveness of the proposed method.