暂无评论
本文研究具有时变时滞的静态递归神经网络(SRNN)的稳定性。 基于完整的延迟分解方法和二次分离框架,构造了一种新颖的Lyapunov-Krasovskii泛函。 通过采用倒凸技术考虑时变延迟与其变化间
时变扰动的非线性不确定系统的周期事件触发鲁棒输出反馈控制
本文考虑了具有时变时滞和时滞脉冲的不确定脉冲神经网络的鲁棒指数稳定性。 假设所考虑的脉冲神经网络具有范数界参数不确定性和时变延迟,并且脉冲上的状态变量可能与时变延迟有关。 通过将Lyapunov函数与
本文研究了一类具有多个时变时滞的线性不确定系统的时滞相关鲁棒稳定性问题。 利用增强的Lyapunov-Krasovskii泛函和Jensen不等式,提出了一种新的多重时变时滞准则,用于改善线性矩阵不等
对于一类具有未知时变延迟的大型系统,考虑了分散的输出反馈控制问题。 不确定的互连受系数未知的一般非线性函数限制。 每个子系统的控制方向参数都是未知的,这给分散控制器设计带来了挑战。 为了解决这个问题,
该文主要研究了一类具有时变时滞奇异系统的稳定性问题。首先,利用更一般的时滞分解法构造了新的Lyapunov-Krasovskii泛函。然后基于Lyapunov稳定性理论结合Jensen不等式,用线性矩
针对观音堂煤矿2506工作面顶板坚硬砂岩三轴蠕变试验结果,引入能反映蠕变加速阶段的多项式元件,通过其与鲍埃丁模型串联,建立了新的坚硬砂岩非线性黏弹塑性蠕变模型,它能用统一数学表达式描述轴向、横向蠕变全
提出适用于多种网络类型的神经网络稳定自适应控制设计思想, 在神经网络逼近误差界未知 的条件下,对该误差界进行在线自适应估计,研究基于线性参数神经网络的仿射非线性系统稳定自适应 控制。采用 Lyapun
针对高阶正交幅度调制和大线宽相干光正交频分复用(CO-OFDM)系统,提出了一种基于广义回归神经网络(GRNN)的非线性均衡算法。将接收端进行相位噪声恢复之后的批量数据作为训练数据样本,通过训练学习得
针对一类非线性系统,提出了一种自适应评价方法.该方法可以控制系统输出对参考信号进行跟踪,其评价函数可直接解析求出.该方法只需一个动作网络用于产生控制动作,并且方法中的网络权值初始化可随机选取.使用Ly
暂无评论