对于具有多个执行器故障的记忆神经网络的容错同步

科学领域:

• 控制理论 控制理论
• 神经网络的神经网络的神经网络
• 非线性系统是非线性系统.

背景情况:

• 记忆神经网络 (MNN) 对于复杂的计算至关重要.
• 控制系统中的执行器故障可能导致性能降低或不稳定.
• 以前的研究还没有完全解决在各种执行器故障下MNNs的同步问题.

研究的目的:

• 研究在多个不同的执行器故障下MNNs的同步 (有效性和锁定).
• 开发新的耐故障控制策略,以实现强大的MNN同步.
• 为了保证不同的同步类型:全球指数式,有限时间和固定时间.

主要方法:

• 模拟两种特定的执行器故障类型:有效性和锁定位置.
• 设计两个同步策略:状态反控制和事件触发控制.
• 在控制器设计和分析中应用不等式技术和利亚普诺夫稳定性理论.

主要成果:

• 成功提出了耐故障控制策略,确保在执行器故障下MNN同步.
• 控制器保证基于参数选择的全球指数,有限时间和固定时间同步.
• 估计了结算时间,并且在事件触发策略中明确排除了Zeno现象.

结论:

• 开发的耐故障控制方法有效地实现了MNN同步,尽管执行器故障.
• 实验验证证证实了拟议的同步策略的实际适用性和稳定性.
• 这项工作促进了MNN在安全关键应用中可靠性的提高,这些应用容易发生执行器故障.