混合变时滞不确定中立型系统鲁棒稳定性分析

研究一类含混合变时滞不确定中立系统时滞相关鲁棒稳定性问题。基于时滞中点值,把时滞区间均分成两部分,通过构造包含时滞中点信息的增广泛函和三重积分项的Lyapunov-Krasovskii (L-K)泛函,利用L-K稳定性定理、积分不等式方法和自由权矩阵技术,建立了一种基于线性矩阵不等式(LMI)的、与离散时滞和中立时滞均相关的鲁棒稳定性判据。数值算例表明,该判据改善了已有文献的结论,具有更低的保守性。     

不确定时变时滞连续Hopfield神经网络的鲁棒稳定性

本文研究了时变时滞连续Hopfield神经网络存在有界参数不确定时的稳定性问题,提出了保证该网络鲁棒稳定的代数Riccati方程(ARE)设计算法.而忽略时滞或忽略参数不确定,则得到有别于以往结果的各种有关参数不确定连续Hopfield神经网络稳定性的定理.     

含离散与分布时滞的不确定中立型系统鲁棒稳定性新判据

基于离散时滞分解思想,通过构造一种新的Lyapunov-Krasovskii泛函并结合Jensen不等式技巧,建立了线性矩阵不等式(LMI)形式的时滞相关鲁棒稳定性新判据.该方法允许中立时滞项的系数矩阵存在时变不确定性,增强了系统的鲁棒性能.同时针对分布时滞项难于处理的问题,构造了其分解计算泛函.数值算例表明所得结论的有效性和更低的保守性.     

中立型变时滞系统的鲁棒稳定性

考虑不确定中立型变时滞系统的鲁棒稳定性问题. 首先, 引入新的变量来代替系统的不确定性; 然后, 通过构造一般形式的Lyapunov-Krasovskii泛函、使用积分不等式并引入自由矩阵, 得到了基于线性矩阵不等式的系统稳定性判据. 该结论与中立型时滞, 离散时滞及其导数均相关, 具有较小的保守性. 最后, 通过仿真算例说明了所得到的结论在保守性上优于现存的结果以及中立型时滞, 离散时滞及其导数三者之间的关系.     

变时滞不确定中立型系统鲁棒稳定新判据

在工程实际当中,时变时滞和不确定的存在往往使得系统的性能变差甚至不稳定。针对一类含混合变时滞的不确定中立系统,研究了时滞相关鲁棒稳定性问题。在考虑不确定性为泛数有界的条件下,首先通过构造包含三重积分项的Lyapunov-Krasovskii(L-K)的泛函,其次利用新的积分不等式更紧的界定条件,引入相关项自由权矩阵的方法,处理泛函沿系统的导数产生的交叉项,建立了基于线性矩阵不等式(LMI)形式的鲁棒稳定新判据。该方法不涉及复杂的模型变换,减小了理论推导和计算上的复杂性,所提出判据与离散时滞和中立时滞均相关,且扩大了系统稳定所允许的最大时滞上界范围,具有更低的保守性。仿真算例表明所提出的稳定性判据是有效的。     

混合时滞不确定中立系统鲁棒稳定的时滞分割方法

研究了一类同时具有离散与分布时滞的不确定中市型系统的鲁棒稳定性问题.基于时滞分割思想,通过构造一类特殊的Lyapunov-Krasovskii泛函,并利用Jensen不等式,建立了线性矩阵不等式形式的时滞相关鲁棒稳定性新判据.该方法不涉及模型变换与自由权矩阵技术,减少了理论与计算上的复杂性;同时允许中立时滞项的系数矩阵...     

不确定离散时滞中立神经网络鲁棒稳定性分析

针对一类具有离散时滞和参数范数有界的不确定性中立神经网络的全局渐近鲁棒稳定性问题,通过应用范数和矩阵不等式分析方法,构造合适的Lyapunov-Krasovskii泛函,得到了新的与时滞无关的稳定性充分条件。该条件能够保证离散时滞中立神经网络在平衡点全局渐近鲁棒稳定。与现有文献中大多数LMI形式的稳定性准则不同,该稳定性判定准则中未知参数少且计算复杂度低,易于计算验证。最后,一个仿真算例验证了结论的有效性。     

一类不确定中立型变时滞系统的鲁棒稳定性

研究了一类不确定中立型变时滞系统的鲁棒稳定性问题。不确定性满足范数有界条件且时变。基于Lyapunov和自由权矩阵的方法,得到了系统的鲁棒稳定性判据,并表示成线性矩阵不等式的形式。最后,仿真结果表明本结论比一些现存的结果有了重要提高。     

具有时变输入时滞的不确定T-S模糊系统的鲁棒稳定性

本文主要针对不确定的输入变时滞 T-S 模糊系统设计模糊控制器使系统鲁棒稳定. 首先基于 Lyapunov-Krasovskii 泛函方法, 通过引入更多的松弛变量矩阵, 以 LMI 形式给出使此模糊系统稳定的充分条件. 在设计模糊控制器时并不要求满足时变输入时滞的导数小于1的限制条件. 最后给出数值仿真例证本文提出的结果的有效性且保守性更小.     

含区间时变时滞的线性不确定系统鲁棒稳定性新判据

研究一类区间时变时滞线性不确定系统的鲁棒稳定性问题.通过引入增广Lyapunov泛函,结合积分不等式方法,导出了区间时变时滞线性系统的时滞相关鲁棒稳定性新判据.与现有方法不同,该方法不涉及自由权矩阵技术和任何模型变换,减少了理论和计算上的复杂性,而且在估计Lyapunov泛函导数的上界时没有忽略某些有用项.数值算例表明,所提出的判据是有效的,具有更低的保守性.     

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.     

具有时变时滞的递归神经网络的渐近稳定性分析

当神经网络应用于最优化计算时,理想的情形是只有一个全局渐近稳定的平衡点,并且以指数速度趋近于平衡点,从而减少神经网络所需计算时间.研究了带时变时滞的递归神经网络的全局渐近稳定性.首先将要研究的模型转化为描述系统模型,然后利用Lyapunov-Krasovskii稳定性定理、线性矩阵不等式(LMI)技术、S过程和代数不等式方法,得到了确保时变时滞递归神经网络渐近稳定性的新的充分条件,并将它应用于常时滞神经网络和时滞细胞神经网络模型,分别得到了相应的全局渐近稳定性条件.理论分析和数值模拟显示,所得结果为时滞递归神经网络提供了新的稳定性判定准则.     

New delay-dependent global asymptotic stability condition for Hopfield neural networks with time-varying delays

This paper deals with the global asymptotic stability problem for Hopfield neural networks with time-varying delays. By resorting to the integral inequality and constructing a Lyapunov-Krasovskii functional, a novel delay-dependent condition is established to guarantee the existence and global asymptotic stability of the unique equilibrium point for a given delayed Hopfield neural network. This criterion is expressed in terms of linear matrix inequalities （LMIs）, which can be easily checked by utilizing the recently developed algorithms for solving LMIs. Examples are provided to demonstrate the effectiveness and reduced conservatism of the proposed condition.     

含离散和分布时变时延神经网络系统的指数稳定性

针对一类含有离散和分布时延神经网络,在神经激活函数较弱的约束条件下,通过定义一个更具一般性的Lyapunov泛函,使用凸组合技术,得到了新的基于线性矩阵不等式表示的指数稳定性判据.与现有结果相比,这些判据具有较小的保守性.仿真算例表明,得到的结果是有效的且保守性小.     

Robust Control of Uncertain Stochastic Recurrent Neural Networks with Time-varying Delay

In this paper, robust control of uncertain stochastic recurrent neural networks with time-varying delay is considered. A novel control method is given by using the Lyapunov functional method and linear matrix inequality (LMI) approach. Several delay-independent and delay-dependent sufficient conditions are then further derived to ensure the global asymptotical stability in mean square for the uncertain stochastic recurrent neural networks, and the estimation gains can also be obtained. Numerical examples are constructed to verify the theoretical analysis in this paper.     

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。     

Improved Global Robust Stability for Interval-Delayed Hopfield Neural Networks

A modified form of a recent criterion for the global robust stability of interval-delayed Hopfield neural networks is presented. The effectiveness of the modified criterion is demonstrated with the help of an example.     

基于改进自由权矩阵方法的神经网络时滞相关稳定性分析

针对具有不确定参数的时变时滞神经网络系统,利用改进的自由权矩阵方法,研究其时滞相关稳定性问题。通过考虑时变时滞及其上界和它们的差三者之间关系,同时保留Lyapunov—Krasovskii泛函导数中的有用项,得到具有更低保守性的基于线性矩阵不等式的神经网络系统时滞相关渐近稳定的充分条件。最后,数值例子表明该方法的有效性。