郑明文[1]2018年在《几类复杂动力网络的稳定、同步及其应用研究》文中研究指明复杂动力网络广泛存在于现实世界中,它是一种结合了非线性系统、图论、控制理论、生物学、物理学以及数学理论等多学科交叉的研究对象。构成复杂动力网络的每个节点都可以看做是一个非线性系统,节点之间存在各种复杂的链接关系。我们常用的交通网络、电力网络、神经网络等都属于复杂动力网络。复杂动力网络动力学中的稳定性、同步、传播以及博弈等行为能够为我们的生活带来各种有利或不利的影响,因此成为目前研究的热点之一。本课题主要研究了几类复杂动力网络的稳定性和同步问题,包括一类复杂多边动态网络,一类带有混合时延的中立型神经网络,以及叁类基于忆阻的分数阶神经网络的稳定性或同步问题,并且研究了一类耦合递归神经网络的同步在网络参数辨识中的应用问题,本论文具体工作如下:1.研究了一类关于复杂多边动态网络的两种同步控制问题,第一种是基于间歇控制的时延多边复杂动态网络的有限时间同步控制,通过设计合适的间歇控制器,构造合适的Lyapunov函数并借助Lyapunov稳定性理论,获得了保证驱动-响应多边复杂动态网络系统达到有限时间同步的充分条件,并能够简单的计算出系统达到同步的稳定时间;第二种是带有时变时延的复杂多边动态网络的广义衰减同步问题,根据ψ型稳定的定义给出了驱动-响应复杂多边动态网络的广义衰减同步的定义,通过定义新的非线性反馈控制器和构造一个新的Lyapunov-Krasovskii函数,推导了易于验证的同步条件,这些条件能够确保驱动-响应系统获得广义衰减同步。2.针对一类中立型神经网络的稳定性和同步控制问题,我们做了两个工作。第一个工作是基于有限时间稳定性的定义,而不是Lyapunov稳定性理论,研究了带有普通时变时延、有限分布时延、无限分布时延以及中立型时延等各种不同时延的中立型神经网络的有限时间稳定性问题,推导了具有一般性的中立型神经网络有限时间稳定的一系列充分条件;第二个工作是对第一个工作的扩展,研究了带有混合时延的耦合中立型神经网络的全局固定时间同步问题,通过定义合适的反馈控制器和Lyapunov函数,得到了易于验证的充分条件来保证驱动-响应系统达到全局固定时间同步。3.针对一类基于忆阻的分数阶神经网络,我们研究了叁种不同网络模型的稳定性和同步控制问题。第一种网络模型是基于忆阻的分数阶Cohen-Grossberg神经网络,借助忆阻器的数学模型、Caputo分数阶微积分的定义、集值映射、微分包含理论以及Gronwall不等式,将右端不连续的切换分数阶微分方程转化为普通的分数阶微分方程,然后通过有限时间稳定的定义推导了基于忆阻的分数阶Cohen-Grossberg 神经网络的有限时间稳定条件,并通过简单的线性反馈控制器,获得了驱动-响应系统的同步条件;第二种网络模型基于忆阻的分数阶时延神经网络,采用与第一种模型类似的处理方法,并借助Gronwall-Bellman不等式、Voltera积分方程,获得了驱动-响应系统的有限时间投影同步准则,分析了系统达到稳定时间的可行区域,并将投影同步的结论扩展到完全同步和反同步问题;第叁种网络模型是基于忆阻的分数阶模糊细胞神经网络,该模型同时结合了忆阻器模型、分数阶微积分和模糊逻辑运算,具有更加复杂的动态行为,通过有限时间稳定和同步的定义、Banach固定点定理、Gronwall-Bellman不等式以及模糊逻辑的相关操作,获得了该网络模型解的存在性、有限时间稳定性以及驱动-响应系统的有限时间同步的充分条件。4.探讨了一类带有不确定参数的耦合递归神经网络同步在参数辨识中的应用问题。通过设计简单的自适应控制器和参数更新规则,根据网络节点达到同步进行了模型参数的估计,被估计的参数不仅包括自适应参数和连接权值,还包括所有的耦合参数,与现有的一些参数辨识的结果相比,本工作更具一般性。
邱宝林[2]2018年在《多边滞后复杂动态网络的几类同步控制问题研究》文中指出复杂动态网络广泛存在于自然界以及人类生活、工作、社交等各个领域中,其研究具有广泛的潜在应用。现实中,不少网络的节点实体之间可能存在多种不同属性的关联关系,如包含水运、空运、陆运等不同运输方式的物流/客流运输网络。因此,复杂动态网络节点之间的单一连边已无法满足这种复杂多属性的节点关系描述。对于这类网络进行建模时,应该充分利用多网络形式融合思想构建恰当的多边复杂动态网络加以描述、研究。其中,人工神经网络是复杂动态网络在生物工程领域的交叉研究分支。随着对生物神经系统认识的深入,研究人员对人工神经网络中电阻器的突触功能模拟效果不甚满意。后来发现采用忆阻器替换电阻器能使人工神经网络更好的模拟生物神经系统的记忆、学习等功能特性。所以,基于忆阻的神经网络模型应运而生并得到广泛的关注与研究。根据神经元真实生物结构以及工作机制相关研究成果可知,神经元之间可以同时维系多条连接关系进行兴奋的传导,而且不同连接边可以是不同类型的突触。所以,当前已有的经典单边忆阻神经网络模型已不足以描述这一复杂系统的结构。本文基于此对经典忆阻神经网络模型进行改善和建模得到多边忆阻切变网络模型并深入研究。众所周知,网络同步是一种非常重要的集群动力学行为。而同步现象对于真实系统的工作影响深远,可能促进工作效果与性能,也可能严重阻碍系统的正常工作。因此,对网络系统的同步行为进行研究并实现有利导向的控制探索是一项实际意义很强的工作。本文分六章,详细研究了不同复杂动态网络的多种同步问题,并且针对不同同步类型设计、实现恰当的控制器以导向对应的稳定与同步目标。网络系统的环境构建尽量贴近考虑真实情况,针对包括渐近同步、指数同步、有限时间同步、固定时间同步等同步类型的多种控制策略进行研究,如反馈控制策略、自适应控制策略、牵制控制策略、间歇控制策略等。本文的主要研究内容分为以下几个方面:1.研究多边耦合复杂动态网络的有限时间/固定时间同步问题。考虑现实网络的真实情况,多边复杂动态网络的各子网络的连边采用单传播时延,仅考虑信息从其他网络节点传递到当前节点的时变时延。提出两类带多边耦合作用的反馈时延控制器,设计适当的Lyapunov函数得到驱动-响应网络的固定时间同步和有限时间同步的限制条件以及一些有效的准则,并且从数值仿真上验证了这些理论成果的正确性和有效性;2.综合考虑忆阻器的记忆、学习特性以及生物系统中神经元的真实结构和工作机制,针对经典忆阻神经网络模型进行深入改善研究工作,提出多边忆阻切变网络(Memristor-based Switching Networks,MSNs)数学模型。引入脉冲扰动因子,设计一类自适应控制器讨论脉冲扰动环境下的多边忆阻切变网络的有限时间同步和渐近同步,并得到对应同步的限制条件和同步准则。另外,还设计了一种基于间隙控制思路的自适应控制器,实现控制成本有效压缩的前提下的有限时间同步与渐近同步,通过同步控制问题研究得到一些理论上的量化计算公式和同步准则;3.考虑到现实中的网络系统经常要面临各种不安全影响因子的考验,构建网络环境时将均匀随机攻击作为一个重点考虑的安全干扰因素。在多边忆阻切变网络模型中引入攻击项、多时变时延等,分析、研究了该网络模型的稳定性和有限时间同步/指数同步控制策略问题。设计给出合适的参数更新规则和有效的自适应控制器,基于合适的Lyapunov函数推导得到一些抗均匀随机攻击且可确保网络系统实现有限时间同步或渐近同步的有效准则、推论等;4.构建了一种更贴近神经元构造与真实工作机制的多边忆阻切变网络模型,模型中引入包含离散时延和分布式时延的混合时延项。为了探索该网络模型的稳定性和同步性问题,设计了一种整合间歇思想与牵制控制思想的混杂型控制策略,实现灵活降低控制成本的目标。基于微分包含关键理论,研究得到确保渐近同步或指数同步目标的一些有效控制准则,并进行数值仿真实验的可行性与有效性验证。
金耀初[3]1996年在《复杂系统的智能建模与控制》文中指出本文以智能系统为指导思想，探讨了智能控制的基本理论和基于模糊逻辑及神经网络的智能控制和建模方法。结合进化计算等智能计算方法，着重研究了智能控制的自组织和自学习算法。 全文共分叁篇。第一篇首先回顾了人工智能的发展历史，比较了符号主义和联接主义这两种研究范式的各自特点，分析了它们在智能系统中的作用。基于自然智能系统的基本原理，提出了智能控制的一种新型研究范式。本篇最后总结了智能控制系统的学习方式。 本文第二篇采用几种不同方法，深入研究了模糊规则控制系统的结构自组织和参数自学习，并给出多种新颖的自适应模糊控制方法。根据第二类模糊规则系统的特点，提出了一种特殊的神经网络结构，以实现这类模糊系统的在线学习。它被应用于复杂系统的建模和控制，具有明显的优越性。本篇的另一重要工作是，利用模糊系统的特有性能，提出了非线性系统的模糊线性化概念，并给出了相应的模糊子系统辨识和控制器综合方法，分析了模糊线性化系统在两种不同情形下的稳定性。这样，一个非线性系统的控制问题可以等价地转化成线性系统的设计。 本文第叁篇讨论基于人工神经网络的智能控制方法。根据信息准则理论和遗传算法，研究了神经网络的结构优化和学习参数确定方法。之后，针对一类非线性系统，提出一种神经自适应控制器结构，并分析了它的渐近稳定性和收敛性。为克服静态前馈网络的不足，将Hopfield网络进行改造，使之适用于动态系统的控制和建模。这种动态网络被用于机器人建模和模型参考自适应控制，取得了良好的效果。
李冬梅[4]2015年在《主动学习算法在板厚控制系统中的应用研究》文中研究指明主动学习算法是用来减少机器学习算法标记数据需求量的有效方法,它采用未标记样例辅助已标记样例的形式对分类器进行训练,以此构建高精度分类器。将主动学习应用到板厚控制系统中是机器学习及智能控制领域研究的重要课题。针对板厚控制系统自适应能力较弱,智能化程度较低等问题,从模拟生物自学习的角度建立了板厚控制系统基于主动学习的发育模型。基于该发育模型,板厚控制系统能够根据系统反馈值做出控制参数的自适应调整,并不断积累调整经验以此提高系统智能化程度。首先,针对目前BP神经网络控制算法中训练样本采集耗时长的问题,提出了一种基于主动学习的BP神经网络控制算法。仿真实验结果显示,通过采用主动学习算法有效减少了网络训练时间。其次,针对主动学习算法中传统采样策略易采集重复样例的问题,提出了一种改进型采样策路,实现网络训练样本的采集,并使用快速下降算法用于网络自学习过程,提出一种改进型多层感知器神经网络控制算法。最后,针对网络最终性能因自身结构固定不变而受影响的问题,提出一种动态神经网络。根据全局敏感度分析法调整动态网络结构,通过该动态网络在线调节PID控制器的参数,以此构建主动学习发育模型,从而建立控制带钢厚度的智能系统。主动学习算法的应用使板厚控制系统的智能化程度与自适应能力得以提高,最后的仿真实验验证了该研究的有效性。由于时间和条件的限制,研究尚有多方面等待改进和深入讨论。
彭宇[5]2000年在《非线性智能观测器及其应用研究》文中研究表明随着非线性控制理论特别是反馈线性化理论的发展，非线性状态观测器的设计以及基于状态观测的非线性控制理论的研究显得愈发重要。本文将智能控制思想与非线性系统理论紧密结合，对非线性状态观测器的设计以及基于状态观测的非线性系统的控制进行了深入研究。 1．本文针对一类参数不确定的非线性系统，提出了自适应状态观测器存在的充分条件，同时给出了观测器增益的解析解。并将遗传算法和基于Lyapunov方法的自适应观测器设计方法相结合，提出了一种自适应观测器的直接设计方法。首先将观测器设计问题转换为约束可满足性问题，然后通过空间搜索获得问题的优化可行解。通过对CSTR的仿真，说明了该方法的有效性和实用性。 2．动态递归神经网络(以下简称动态神经网络)是极具潜力的一种建模法，它代表了神经网络建模、辨识和控制的发展方向。本文采用动态神经网络对一般非线性系统进行了系统辨识和状态观测，证明了动态神经网络观测器在一定的初始条件下，具有逼近一般非线性系统状态轨迹的能力。推导了离线动态BP算法，并进一步提出了实时在线的快速学习算法，增强了利用动态神经网络进行在线系统辨识和状态观测的实时性。本文还通过对神经网络模型进行分析，提出了面向对象的神经网络程序设计方法。 3．本文针对异步电动机直接磁场定向的矢量控制，提出了基于动态神经网络的转子磁链自适应观测器，通过利用矢量控制中定子电流和转子磁链的关系实现了转子磁链自适应估计。仿真结果表明该转子磁链观测器可以在较大速度范围内跟踪转子磁链矢量的变化，同时对变化较大的转子时间常数具有一定的鲁棒性。 4．本文提出了采用动态神经网络重构非线性系统状态空间模型，利用网络内部状态进行反馈线性化的控制思想。当网络输入输出特性逼近非线性系统的特性时，可以实现对该系统的解耦控制。通过动态神经网络进行系统辨识，建立了异步电动机的双输入双输出等效状态模型，并通过网络内部状态反馈，将电机解耦为转速和定子磁链两个线性子系统。仿真结果表明，基于动态神经网络的自适应控制器具有良好的速度跟踪性能和抗外界负载扰动的能力。
佚名[6]2011年在《自动化技术、计算机技术》文中研究指明TP112011011954一般成本环境下分散式多工厂资源调度/陈胜峰,蔚承建(南京工业大学信息科学与工程学院)//信息与控制.―2010,39(5).―640～645.研究多工厂一般成本结构特征,即工厂含有固定成本和单位成本,提出了一种分散式多工厂资源调度方法,该方法使用基于连续双向拍卖市场机制的ZI2策略。ZI2策略是一种包含价格和数量的二维报价策略,agent采用该策略在给定价格范围内随机提交报价。模拟实验结果验证了ZI2策略可以实现较高的调度效率,整体平均效率达到90%。图2表8参10
谭晓惠[7]2002年在《动态神经网络的稳定性研究及应用》文中研究表明神经网络的研究至今已有近40年的历史，本文在第一章绪论中综述了神经网络的发展历史，并重点论述了动态神经网络的发展现状及趋势。 由于动态神经网络系统在联想记忆、最优化、图象处理等方面广泛的应用前景，使得微电子学家、物理学家、数学家、神经科学家、生物学与心理学家、控制理论家、计算机科学家和人工智能专家等都热情地投入这一领域。但是以往所提出的该类神经网络模型都假设自反馈项为线性的，不能真实的反映其本质，所以在本文的第二章将对原有的动态神经网络模型进行推广，并研究推广模型的一些基本特性。第二章分两种方法对其进行研究。第一种是通过引入非线性测度的概念，分别对激励函数采用了两种不同的Lipschitz连续假设，给出这两种不同连续假设下神经网络系统的全局指数稳定性条件，并分析其指数收敛率。第二种是采用李雅普诺夫直接方法，在激励函数的Lipschitz连续假设下，得到了两个全局指数稳定的充分性判据。 到目前为止，被人们广泛采用的神经网络模型主要分为以下两类：连续型神经网络和离散型神经网络。然而，现实生活中的确存在一些神经网络，它们既不属于第一类也不属于第二类。它们的共同特点是在某些特定的瞬间会发生突变。而这些系统的突然的尖锐的变化多是以脉冲的形式出现的。因此，本论文在第叁章基于动态神经网络引入了一类新的神经网络系统——时变时滞脉冲神经网络系统，通过分析，得到了其全局指数稳定的充分性判据。 最后，在第四章，将利用前面所得到的关于神经网络全局指数稳定的一些判据来求解最优化问题。通过具体的算例，发现将神经网络全局指数稳定的一些判据用来求解最优化问题均能达到预期的结果。
尹凤杰[8]2005年在《基于控制理论的主动队列管理算法及其稳定性研究》文中研究表明Internet的体系结构以IP协议提供的无连接端到端报文传输服务为基础，提供“尽力而为”(Best Effort)服务模型的设计机制。这种机制的最大优势是设计简单，可扩展性强。因此，Internet自出现以来得到了蓬勃发展，在过去相当长的时间内，TCP／IP协议族一直是Internet稳定并健康发展的保证。传统网络应用的极大丰富和成功证明了TCP／IP协议族的成熟性。然而TCP／IP的这种优势并不是没有代价的，随着Internet用户数量的膨胀，网络的拥塞问题也越来越严重。因此，设计一个简单而有效的拥塞控制算法成为网络管理中亟待解决的问题。作为高速路由器的一个重要模块，主动队列管理(Active Queue Management,AQM)近年来受到越来越多的重视，在高速路由器中实施AQM策略是为了提供小的分组丢失、高的链路利用率以及低的队列延时，它与TCP端到端的拥塞控制相结合，是解决目前Internet拥塞控制问题的一个主要途径。主动队列管理和网络的传输控制协议(Transport Control Protocol，TCP)一直以来都是通信界的两个前沿热点领域。 本文从智能控制和鲁棒控制理论的角度提出了几种主动队列管理算法。对动态网络环境下的主动队列管理算法的设计、主动队列管理算法的稳定性分析等方面进行了深入的研究。研究的内容和结论如下： 研究了主动队列管理算法的响应速度问题。给出了控制器的设计，并对其进行了稳定性分析。针对传统PI控制响应速度慢的缺点，将模糊滑模控制应用到网络拥塞控制系统中，充分利用其不需要精确的数学模型的特点，得到了一种稳态响应及暂态响应特性都较好的AQM控制器。利用模糊控制来改善系统的性能同时又减小到达时间、加快响应速度，降低了高频抖振。 研究了网络参数变化时的精确目标队列跟踪问题。采用连续的滑模控制来取代不连续的切换控制，从而消除抖振，并达到对队列的精确跟踪。其次，采用一种强鲁棒性的时变滑模面结构，并通过模糊控制调节该滑模面的变化从而使队列
冯燕军[9]2012年在《基于神经网络的微电网等效建模及其稳定性分析》文中研究说明微电网(Micro Grid)是指由分布式电源、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，既可以与外部电网并网运行，也可以在大电网出现故障时与之断开孤立运行。随着微电网的重要性越来越突出，微电网的准确建模也逐渐引起了学者的关注。但是，由于交互式微电网系统的计算难度大，且随着微电网数量的增加，网络的规模也越来越大，使得准确建模越来越困难。另一方面，使用综合负载逼近动态网络的等效方法在模拟动态网络精度上存在很大的不足，加上微电网对快速准确分析要求较高，因此本文在研究大电网等效建模方法的基础上，针对当前微电网的研究很少涉及局部含电源电路的等效问题，采用神经网络进行微电网局部电路等效建模，并将其应用于稳定性分析。首先，本文针对目前微电网分析中的数学模型难以建立的问题，通过研究神经网络的自适应性，学习传统微电网等效建模方法，在此基础上提出了神经网络等效局部微电网电路的方法，并对其进行了相关理论分析。其次，利用Matlab搭建一个带有光伏发电机组和水轮机的微电网系统，提取局部网络的相关参数(本文采用了局部边界母线的规范化后的电压、电流值)，经过神经网络训练后，生成等效模块取代局部网络，并利用相关数据和原网络对比进行等效验证。最后，分析微电网稳定性的相关方法，利用所搭建的模型进行稳定性分析。提取加入扰动后原网络和等效网络的电压、电流、频率的相关数据，绘制出等效前后静态和动态变化曲线图。并改变故障类型进行多次测量，验证了等效模型在不同扰动状态下的稳定性，为进一步分析微电网模型提供了一种新的思路。
李立平, 韩兵欣[10]2017年在《动力学神经网络模型的构建及其稳定性研究》文中提出针对静态人工神经网络具有在反映系统动态行为时网络结构复杂、不能很好地反映系统动态性能的缺点,提出一种由带有积分器和可调反馈系数的神经元构成的新型动力学神经网络模型。该网络比以前的动态网络即递归网络或在此基础上改进的网络能更好地反映系统的动态性能,网络的结构更加简单,训练过程加快,从而使系统能够更好的运行。利用梯度下降法研究了该网络的权值调整算法,并通过李雅普诺夫稳定性判据讨论了这种新型动力学神经网络的稳定性条件。该网络研究为反映系统的动力学行为提供了更好的模型结构和理论算法,为神经网络的发展提供了新的研究方向。
参考文献：
[1]. 几类复杂动力网络的稳定、同步及其应用研究[D]. 郑明文. 北京邮电大学. 2018
[2]. 多边滞后复杂动态网络的几类同步控制问题研究[D]. 邱宝林. 北京邮电大学. 2018
[3]. 复杂系统的智能建模与控制[D]. 金耀初. 浙江大学. 1996
[4]. 主动学习算法在板厚控制系统中的应用研究[D]. 李冬梅. 华北理工大学. 2015
[5]. 非线性智能观测器及其应用研究[D]. 彭宇. 浙江大学. 2000
[6]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2011
[7]. 动态神经网络的稳定性研究及应用[D]. 谭晓惠. 西南交通大学. 2002
[8]. 基于控制理论的主动队列管理算法及其稳定性研究[D]. 尹凤杰. 东北大学. 2005
[9]. 基于神经网络的微电网等效建模及其稳定性分析[D]. 冯燕军. 燕山大学. 2012
[10]. 动力学神经网络模型的构建及其稳定性研究[J]. 李立平, 韩兵欣. 现代电子技术. 2017
标签：自动化技术论文; 神经网络模型论文; 网络模型论文; 自组织神经网络论文; 线性系统论文; 动态模型论文; 系统学习论文; 系统稳定性论文; 时延扩展论文; 动态论文; 非线性论文; 自适应论文; bp神经网络算法论文;