项目名称: 非线性时滞系统的神经网络稳定控制方法研究

项目编号: No.60864001

项目类型: 地区科学基金项目

立项/批准年度: 2009

项目学科: 金属学与金属工艺

项目作者: 王汝凉

作者单位: 广西师范学院

项目金额: 24万元

中文摘要: 本项目主要成果:(1)对一类含未知变时滞的非线性系统,引人新的基于自适应的神经网络控制方法,用RBF神经网络来逼近未知的连续函数,用积分型Lyapunov-Krasovskii 函数来消去未知的变时滞,在非线性闭环系统中实现所有信号的有界性,并证明系统的输出收敛到预期轨迹一个小的邻域内;(2) 研究一类非线性外部系统作用下的不确定扩展输出反馈系统的全局干扰抑制问题。利用系统输出变量信息和外部系统结构信息,构造一个新的内模方程以实现控制目标, 并且可以完全抑制非线性干扰输入;(3)通过Lyapunov函数和Razumikhin技术,获得一类带变时滞的脉冲神经网络系统一致有界和一致渐近稳定性的新判据。(4)利用拓扑理论和Lyapunov泛函研究了S—#20998;布时滞反应扩散Hopfield 神经网络平衡点的存在性及全局鲁棒指数稳定性。研究成果具有重要的理论价值和潜在的应用价值。 本项目撰写学术论文19篇,其中SCI待收录2篇, EI收录12篇,核心期刊6篇;邀请了国内外多个著名专家来校交流;项目组成员参加了数十次国际、国内学术会议交流;为研究生提供了一个很好的研究平台,共完成硕士学位论文6篇.

中文关键词: 非线性;时滞系统;稳定性;神经网络;鲁棒控制

英文摘要: The major project results are :(1) A new adaptive neural control is proposed for a class of nonlinear unknown time-varying delay systems. Radial basis function (RBF) neural networks are utilized to estimate the unknown continuous functions. The unknown time-varying delays are compensated for using integral-type Lyapunov-Krasovskii functionals in the design. Boundedness of all the signals in the closed-loop of nonlinear systems is achieved, and the outputs of the systems are proven to converge to a small neighborhood of the desired trajectories. (2) The study proposes an asymptotic rejection algorithm for rejecting exotic disturbances in nonlinear systems. A new internal model is proposed to deal with these disturbances, and it can be completely rejected. (3) By employing Lyapunov functions and Razumikhin techniques, some new criteria are obtained to ensure the uniform boundedness and uniform asymptotic stability of the impulsive neural networks. (4) By means of the topological degree theory and Lyapunov function method, the sufficient conditions to guarantee the exponential robust stability of the an equilibrium solution are obtained. There are important research value and potential practice value in the project results. Nineteen articles of academic papers are published, two of which are SCI featured, twelve of which are EI featured and six of which are published in core journals;Famous experts were invited home and abroad to our university to exchange who are artificial wisdom;Team members participated in dozens of international and internal academic exchanges; This project provides a very good research platform for postgraduates, and 6 essays of master's degree are finished.

英文关键词: non-linear;time-delay system; stability;neural network;robust control

成为VIP会员查看完整内容
0

相关内容

神经网络的基础数学
专知会员服务
202+阅读 · 2022年1月23日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
19+阅读 · 2021年9月14日
专知会员服务
11+阅读 · 2021年7月27日
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
24+阅读 · 2021年6月9日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
神经网络,凉了?
PaperWeekly
0+阅读 · 2022年3月16日
计算机安全专委会常务委员会议成功召开
CCF计算机安全专委会
0+阅读 · 2022年1月30日
输入梯度惩罚与参数梯度惩罚的一个不等式
PaperWeekly
0+阅读 · 2021年12月27日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
展望:模型驱动的深度学习
人工智能学家
12+阅读 · 2018年1月23日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
神经网络的基础数学
专知会员服务
202+阅读 · 2022年1月23日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
19+阅读 · 2021年9月14日
专知会员服务
11+阅读 · 2021年7月27日
【硬核书】机器人网络分布式控制
专知会员服务
67+阅读 · 2021年7月25日
专知会员服务
24+阅读 · 2021年6月9日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
《常微分方程》笔记,419页pdf
专知会员服务
71+阅读 · 2020年8月2日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关资讯
神经网络,凉了?
PaperWeekly
0+阅读 · 2022年3月16日
计算机安全专委会常务委员会议成功召开
CCF计算机安全专委会
0+阅读 · 2022年1月30日
输入梯度惩罚与参数梯度惩罚的一个不等式
PaperWeekly
0+阅读 · 2021年12月27日
神经网络常微分方程 (Neural ODEs) 解析
AI科技评论
41+阅读 · 2019年8月9日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
展望:模型驱动的深度学习
人工智能学家
12+阅读 · 2018年1月23日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员