摘要：对不确定变时滞神经网络系统的鲁棒控制器的设计进行了分析.通过构建李亚普诺夫泛函并结合线性矩阵不等式方法及有关不等式技巧给出了不确定时滞神经网络的输出反馈鲁棒控制器的设计方法,提出了易于实现的鲁棒控制器设计的代数判据,其结论与满足一定条件下系统的变时滞大小无关.最后给出了实例并进行了仿真,实验结果表明所设计的鲁棒控制器的有效性.

摘要：模型参考自适应控制(model reference adaptive control,MRAC)方法具有机动性、适应性和鲁棒性,且能自动调节控制器增益而使系统稳定,为提高滤波系统的控制效果,将其应用到单相并联有源电力滤波器(active power filter,APF)中来减少电网的谐波电流和改善电能质量。非线性的单相APF系统模型不易设计其控制器以达到理想的谐波抑制效果,因而先应用广义线性化方法得到APF的近似线性模型,再通过构造Lyapunov Kra-sovskii泛函,设计一个自适应控制率渐近跟踪到系统的期望输出,并保证系统的全局渐进稳定性。仿真和实验结果显示,与PI控制方法比较,利用所提控制方法能更有效地抑制电网谐波电流,使电网电流与电源电压基本同相位。

摘要：基于采样控制研究了时滞神经网络的指数同步问题。首先,建立了驱动-响应时滞神经网络的数学模型并设计了采样控制器。其次,在输入延迟法的框架下,通过构造时间依赖的李雅普诺夫泛函,并结合自由权矩阵方法,建立了保证驱动-响应系统取得指数同步的线性矩阵不等式形式(LMIs)的判据。最后,通过两个数值仿真算例验证了结果的可行性。

摘要：基于Lyapunov稳定性理论,运用线性矩阵不等式、时滞分段分析以及自由权矩阵等方法,针对一类状态向量和控制输入中均含有时变时滞,且系统矩阵中含有不确定性的线性奇异摄动控制系统模型,讨论了其保性能控制问题.设计了一个无记忆状态反馈控制器,构造一种新的性能指标,提出新的Lyapunov泛函,得到了系统鲁棒稳定的充分性判据;给出了保性能控制律和性能指标最小上界,指出系统在保性能同时,对于在0到奇异摄动上界之间的任意摄动量,系统都渐近稳定,进而扩大了稳定界.最后,用数值算例说明控制方法的有效性和可行性.

摘要：本文主要研究基于样本值数据线性系统的滤波器设计问题.通过构造新的李雅普诺夫泛函,并结合自由权矩阵技术,提出了一种基于样本值数据的滤波器设计新方案.根据线性矩阵不等式的可解性,给出了基于样本值数据的滤波器存在的充分条件.最后通过数值仿真实例验证本文所提方法的有效性.

摘要：1创新点项目研究突破了现有研究方法的局限性,降低了现有研究结论的保守性,为泛函微分方程的分析与设计提供了新的理论分析方法。主要创新点如下:1.1李雅普诺夫泛函的合理构造项目针对不同类型的泛函微分方程,根据方程的结构特点及其分析与设计要求,提出了几类新的李雅普诺夫泛函构造方法。具体如下:一是Markov跳跃参数依赖的积分二次型李雅普诺夫泛函的构造方法。

摘要：本文针对在状态和控制输入中都含有时变时滞的不确定奇异摄动系统的保性能控制问题进行研究,结合Lyapunov稳定性理论和相关引理,设计一种新的二次L-Y性能指标,对时滞无关进行讨论,得到了闭环系统性能指标最小上界.设计了一个无记忆状态反馈控制器.系统的不确定性是范数有界形式,时滞是时变函数甚至可以是无界函数.

摘要：随着计算机和网络技术的发展,复杂动态网络鲁棒采样切换控制受到广泛关注。探讨了在执行器饱和情况下不确定切换复杂动态网络的非周期采样控制问题。由于采样间隔上限受到停留时间的限制,采样数据控制器模式和系统模式之间的异步问题可能是由采样间隔内切换的子系统引起的。通过考虑无切换的采样间隔和有切换的采样间隔,分别构建了参数相关的李雅普诺夫闭环泛函。在平均停留时间的定义下,借助所构造的泛函,给出了不确定切换复杂动态网络误差系统的均方指数稳定性判据。此外,基于稳定性准则,针对执行器饱和情况下的不确定切换复杂动态网络,设计了全新的异步非周期采样控制器。根据提出的稳定性条件并采用非周期采样控制器设计方法,保证了不确定切换复杂动态网络与目标节点指数同步。最后,将利用蔡氏电路的算例与其他类似方法进行了对比,验证了所提方法的有效性,同时证明了利用所提方法得到的最大允许采样区间较大。

摘要：利用李雅普诺夫泛函方法并结合一些分析技巧获得了时滞BAM神经网络平衡点全局渐近稳定和全局指数稳定的充分条件 ,这些条件对设计全局渐近稳定的BAM神经网络和全局指数稳定的BAM神经网络具有重要意义 .

摘要：本文利用李雅普诺夫-克罗索夫定理的方法,研究了采样数据控制下的含有非线性项的复杂系统的一致性问题。采用非周期采样控制器并利用矩阵分析、代数图论等数学工具,构造了一个全新的时变李雅普诺夫泛函。该函数可以简化数学计算,优化稳定性条件,结果展示了该设计方法所具有的有效性。之后选择采样控制器,并且利用MATLAB进行了模拟仿真,验证了该方法的可行性。