适应性边界控制用于同步反应-扩散神经网络,随机时间变化的延迟

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
• 动态系统 动态系统

背景情况:

• 反应扩散神经网络 (RDNNs) 是复杂的系统,在各种领域都有应用.
• 对RDNN的同步对于它们的有效应用至关重要,但由于随机时间变化延迟 (RTVD) 等因素而具有挑战性.
• 现有的控制策略可能无法充分解决RDNN中RTVD的复杂性.

研究的目的:

• 开发和分析新的边界控制 (BC) 策略,以实现RDNN与RTVD的同步.
• 调查常值增益BC和自适应BC方案.
• 处理不同的测量场景:分布式,边界或组合.

主要方法:

• 设计一种新的常值增益BC策略,适用于各种测量配置.
• 对边界测量进行调节控制增益的适应性BC方案的建议.
• 利用不等式技术和利亚普诺夫直接方法来导出依赖延迟的同步条件.
• 为控制器设计制定基于线性矩阵不等式 (LMI) 的定理.
• 将BC设计问题转化为LMI可行性问题.

主要成果:

• 成功设计一个恒定值增益BC策略,容纳分布式,边界和组合测量.
• 开发一种适应性BC方案,有效调节边界测量下的控制收益.
• 导出依赖延迟的同步条件,确保网络稳定性.
• 证明BC设计可以有效地作为LMI可行性问题来解决.
• 通过模拟实验验证拟议的BC方法.

结论:

• 提出的边界控制策略是有效的同步RDNNs随机时间变化的延迟.
• 开发的方法为处理不同类型的测量提供了灵活性.
• 基于LMI的方法为设计这些复杂系统的控制器提供了一种系统化的方法.