一、中立型时滞系统的渐近稳定性（论文文献综述）
苏日古嘎[1]（2021）在《几类反应扩散系统的稳定性分析》文中研究说明反应扩散随机系统在力学、化学、生物学和生态学等领域中有着许多重要的应用。此外,现实世界中存在许多结构突变的系统,如:计算机控制系统、化学过程和通信系统,都可以用Markov跳变系统来描述。脉冲现象会出现在物理学、化学、种群动力学以及神经网络等许多领域。滑模控制作为一类特殊的非线性控制,被广泛应用于抑制系统参数的不确定性和外部干扰,如机器人、航天器、容错执行器等。因此,研究具有Markov跳变、脉冲现象、随机扰动、滑模控制的反应扩散系统具有重要的实际背景和理论意义。主要研究内容如下:首先,针对具有一般不确定转移速率的高阶时滞Markov跳变反应扩散Hopfield神经网络的稳定性问题,应用Lyapunov-Krasovskii泛函方法和线性矩阵不等式,研究了该类反应扩散Hopfield神经网络的全局均方指数稳定性。我们考虑的不确定转移速率具有一般性,所得结果推广了前人的研究结果,具有更小的保守性。数值算例说明了所得结论的有效性。其次,针对具有脉冲影响的时滞随机不确定反应扩散广义细胞神经网络和具有脉冲影响的时滞反应扩散系统的稳定性问题,通过构造Lyapunov泛函、利用线性矩阵不等式以及Razumikhin技术,得到了脉冲时滞随机不确定反应扩散广义细胞神经网络鲁棒均方稳定和脉冲时滞反应扩散系统一致渐近稳定的新的充分性条件。仿真算例说明了所得结论的可行性。再次,对具有Markov跳变时变时滞中立型随机反应扩散神经网络的稳定性问题,利用Lyapunov-Krasovskii泛函方法和线性矩阵不等式,得到了几种新的该类随机反应扩散神经网络均方指数稳定的充分性判据。仿真例子说明了所得结论的有效性。最后,通过设计具有脉冲影响的反应扩散不确定系统的滑模控制器,研究了一类脉冲反应扩散不确定系统的镇定性问题。利用线性矩阵不等式,得到了滑模控制反应扩散脉冲不确定闭环系统鲁棒指数稳定的充分性判据,推广了脉冲不确定系统滑模控制理论方面的研究成果。仿真算例说明了所得结论的合理性。
杨文贵[2]（2020）在《几类高阶和忆阻神经网络的稳定性和同步研究》文中研究表明自20世纪80年代以来,人工神经网络便一直是人工智能领域的研究热点之一.它是对人脑神经元网络从信息处理的角度进行抽象,建立一个简单的数学模型,并根据不同的连接方式形成不同的网络.随着众多学者的不断深入研究,神经网络已经取得了很大的进展.它们在许多领域都表现出了良好的性能,例如自动控制、智能机器人、预测估计、智能计算、图像处理与模式识别等等.一方面,高阶神经网络比低阶神经网络在逼近性能、存储容量、收敛速度与容错能力方面存在巨大的优势,这些优势可以应用于并行计算、自适应模式识别、优化问题.另一方面,由于记忆电阻器具有高存储性能、小体积及非易失性的特点,基于忆阻器的神经网络引起了信号处理、可重构计算、可编程逻辑、基于脑机接口的控制系统等领域的广泛注意.神经网络的动力学行为近年来得到了深入研究,特别是稳定性和同步性问题.本文主要对两类高阶双向联想记忆神经网络的平衡点、周期解、概自守解的存在性和稳定性及两类忆阻神经网络的平衡点、周期解的稳定性和它们的驱动-响应系统的同步现象进行了研究.进一步,利用神经网络或模糊逻辑系统的逼近特性,对两类不确定分数阶非线性系统的自适应控制进行了研究,获得了一些有意义的成果.本文的主要贡献体现在以下几个方面:1)研究了带有连续分布式时滞的脉冲模糊高阶双向联想记忆神经网络平衡点和周期解的全局指数稳定性.应用不等式分析技巧、M-矩阵、同胚理论和Banach压缩原理,构造了一些合适的Lyapunov-Kravsovskii泛函,建立了所考虑系统的平衡点和周期解的存在唯一性和全局指数稳定的充分条件.并通过数值模拟展示了获得的理论结果的可行性和有效性.2)考虑了时间尺度上具有时变连接时滞的中立型高阶Hopfield双向联想记忆神经网络概自守解的存在性和全局指数稳定性.这里主要采用了时间尺度上指数型二分理论、Banach压缩原理和微分不等式分析技巧.系统不仅考虑了一阶中立项对神经网络的影响,而且研究了二阶中立项对神经网络的影响.进一步,研究了具有连续分布式连接时滞的高阶Hopfield双向联想记忆神经网络.对于时间尺度T=R或T=Z,获得的结果也是新的.并通过数值仿真说明了提出的主要理论结果的可行性.3)研究了一类同时具有时变时滞和连续分布式时滞的忆阻神经网络的稳定性和同步性问题.利用同胚理论、时滞微分积分不等式技巧和适当的Lyapunov-Kravsovskii泛函,在Filippov解的框架下,得到了一些新的忆阻神经网络平衡点的全局指数稳定和驱动-响应系统同步的充分条件.另一方面,研究了一类具有时变时滞和连续分布式时滞的Cohen-Grossberg型忆阻双向联想记忆神经网络周期解的稳定性.利用Banach压缩原理和脉冲时滞微分积分不等式,给出了周期解存在和全局指数稳定的充分条件.该方法也可用于研究具有时变时滞和有限分布时滞的脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络.在两类问题中可以利用求解不等式方法来估计出指数收敛率.另外,给出一些数值例子验证了所获得结果的实用性和1个获得的理论在伪随机数发生器中的应用.4)研究了具有混合时滞（异步时滞和连续分布式时滞）的脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络的稳定性和同步问题.应用不等式分析技巧、同胚理论和一些合适的Lyapunov-Kravsovskii泛函,建立了一些新的平衡点的存在唯一性和全局指数稳定的充分条件.在Filippov解、微分包含理论和控制理论的基础上,得到了系统全局指数滞后同步的几个充分准则.通过数值模拟,给出了3个例子说明所得结果的可行性和有效性.5)考虑了一类单输入单输出不确定非严格反馈分数阶非线性系统输出反馈控制问题.采用模糊逻辑系统逼近未知非线性函数,对不确定分数阶非线性系统进行建模.针对状态可测的情况,在返步法技术下,提出了一种自适应模糊状态反馈控制方案.针对状态不可测的情况,引入串并联估计模型,采用动态表面控制技术,提出了一种基于观测器的输出反馈控制设计方法.在参考信号的驱动下,利用Lyapunov函数理论,选择适当的设计参数,证明了所有信号的半全局一致最终有界性和对原点小邻域的跟踪误差.另外,给出2个数值模拟的例子来说明所提出的控制方法的有效性.6)研究了一类具有执行器故障和全状态约束的不确定非仿射非线性分数阶多输入单输出系统的自适应模糊容错跟踪控制问题.基于隐函数定理和中值定理,克服了非仿射非线性项的设计困难.然后,通过使用一些合适的模糊逻辑系统可以逼近未知的理想控制输入.通过构造障碍Lyapunov函数和估计复合扰动,提出了一种自适应模糊容错控制算法.此外,证明了在参考信号的驱动下,闭环系统中的所有信号都是半全局一致最终有界的,并且保证了非仿射非线性分数阶系统的所有状态都保持在预定的紧集内.并通过2个算例验证了所提出的自适应模糊容错控制方法的有效性.本文从理论上研究了几类高阶和忆阻神经网络的稳定性和同步问题及两类不确定分数阶非线性系统的自适应控制问题,所有获得的结果都经过了数值仿真的检验.最后,总结了本文的主要研究结果,并展望了未来的研究方向.
么红月[3]（2020）在《随机中立型神经网络的稳定性分析及应用》文中认为自神经网络发展以来,其在自动控制、语音识别、联想记忆、人工智能等众多研究领域得到了广泛的应用。神经网络主要是依靠系统的复杂程度,对内部相互连接的大量节点之间的关系进行信息化处理,而马尔可夫过程可以对神经网络进行切换,并且众所周知,在各种工程系统中经常会遇到时滞和参数不确定的情况,而这些因素往往是控制系统不稳定、震荡和性能差的主要原因,因此具有参数不确定性的时滞系统的研究近年来引起了众多研究者的广泛关注,而在这些研究课题中,稳定性问题又具有十分重要的意义。基于以上背景,本文以具有混合时滞马尔可夫跳的随机中立型神经网络系统为研究对象,首先通过构造合适的Lyapunov-Krasovskii函数,利用伊藤微分法则,结合随机过程的相关理论,建立了系统均方渐近稳定的充分条件并进行了证明。之后本文研究了系统的鲁棒稳定性问题,运用Lyapunov稳定定理,结合线性矩阵不等式原理,得到了系统鲁棒渐近稳定的判据。接着本文对两类特殊系统的鲁棒稳定性也进行了研究,运用相关定理建立了保证这两类特殊神经网络系统鲁棒渐近稳定的充分条件,并且为了检验所给标准的有效性,对以上所有证明过程都进行了数值算例的验证,最后在上述理论研究的基础上给出结论并对系统的应用进行了简要分析。
李彤彤[4]（2020）在《两类分别具有中立型时滞和阶段结构的捕食模型动力学分析》文中认为种群动力学模型是描述种群与环境以及种群与种群之间动力学关系的数学模型。利用数学模型研究种群稳定性及其他性质具有重要的理论价值和实际意义,可应用于环境科学,能源开发,灾变生态学,也可预测以至调节和控制物种的发展过程与发展趋势。本文对两类捕食模型进行了动力学分析。首先研究了一类具有中立型时滞的Leslie捕食模型,证明了模型周期解的存在性并获得了随机系统持久与灭绝的充分条件。其次研究了一类捕食者具有阶段结构和内部竞争的随机捕食模型,讨论了系统的渐近性以及持久与灭绝条件。第一章,介绍了中立型时滞捕食模型以及随机阶段结构模型的研究背景以及现状。并给出了一些预备知识。第二章,研究了一类具有比率依赖的Leslie捕食模型。首先,将脉冲控制引入中立型时滞捕食模型,利用重合度理论证明了该模型正周期解的存在性。其次,在考虑白噪声干扰且不考虑时滞影响的情况下,建立了 Smith增长的随机干扰Leslie模型。应用Ito公式,得到了系统持久和灭绝的条件。最后通过数值模拟验证了理论分析的正确性。第三章,构建了一类具有年龄结构和相互干扰的随机捕食模型。对于相应的确定性模型,讨论了正平衡点的存在性与局部渐近稳定性。对于随机模型,通过构造合适的Lyapunov函数,证明了模型全局正解的存在唯一性。运用Ito公式与不等式技巧,讨论了系统的渐近性。最后,利用随机微分方程比较定理以及强大数定律,得到了系统平均持久和灭绝的条件。第四章,对全文的工作进行了总结和展望。
万方哲[5]（2020）在《带跳变过程的中立型随机时滞微分方程稳定性析》文中研究表明本学位论文主要分别讨论了由Lévy过程驱动的中立型随机时滞微分方程以及由Lévy过程驱动的中立型随机马尔可夫时滞微分方程这两个随机微分方程的解的存在唯一性和稳定性。对于第一个方程,本文为了克服快变时滞函数（时滞是有界函数）的困难,建立积分引理。讨论了第一个方程全局解的存在唯一性以及p（p≥2）阶矩指数稳定性与几乎必然指数稳定性。对于第二个方程,本文通过引入辅助方程,并利用Lyapunov函数法和比较原理等,得到第二个方程的最大容许时滞上界τ*和与之对应的最大容许压缩系数上界κ*。本文的具体章节内容如下:在第一章中,本文主要介绍了本文研究的背景知识、基本定义、主要创新点以及一些必备的预备知识。在第二章中,本文使用Lyapunov函数方法,主要讨论由Lévy过程所驱动的中立型随机时滞微分方程全局解的存在唯一性,p（p≥2）阶矩指数稳定性与几乎必然指数稳定性。在第三章中,使用比较原理和Lyapunov函数方法,通过引入辅助方程（由Lévy过程驱动的随机马尔可夫时滞系统）,研究由Lévy过程驱动的中立型随机马尔可夫时滞微分方程的几乎必然指数稳定性。在第四章中,总结本文所得到的关于两个方程的稳定性分析的结论并且对未来的研究方向的展望。
刘锦[6]（2020）在《时滞中立型神经网络模型的动力学分析》文中研究指明考虑到神经元间信息传递的过程中无法避免地存在时滞,多数学者更注重具有时滞的神经网络模型的研究.当时滞同时出现在神经元的状态量及神经元状态量的时间导数中时,这种形式的神经网络模型对应的系统即为中立型系统.目前对于中立型神经网络模型动力学性质的研究主要集中于稳定性、周期解、分支等方面.本文分别讨论了具有时变时滞、分布时滞、双时滞的中立型神经网络模型的动力学性质.利用微分方程中的有关理论和软件数值模拟的方法,对上述三类中立型神经网络模型的全局渐近稳定性、周期解的存在性、Hopf分支性质进行了分析.具体工作安排如下:第一章介绍了神经网络模型的研究背景、意义以及时滞神经网络模型、中立型神经网络模型的国内外发展现状.同时,给出了本文的主要研究内容.第二章分析了一类具有时变时滞的中立型神经网络模型的稳定性.首先,利用同胚映射定理,证明了该系统存在唯一的平衡点.其次,结合矩阵不等式对构造的Lyapunov泛函进行放缩,依据稳定性理论,建立了含参矩阵形式的充分条件,以确保该系统在平衡点处全局渐近稳定.最后,利用Matlab对二维、三维神经网络模型数值模拟,进一步验证了本章结论.第三章分析了一类具有分布时滞的中立型神经网络模型的周期解.在不要求分布时滞有限的前提下,依据k-集合压缩算子的抽象连续定理,建立了仅依赖于系统参数的充分条件,以确保该系统周期解的存在性.同时,利用Matlab对二维、三维神经网络模型数值模拟,进一步验证了本章结论.第四章分析了一类具有双时滞的中立型神经网络模型的Hopf分支.首先,选取不同的时滞τ及σ作为分支参数,利用该系统在平衡点处的特征方程,得到了该系统局部稳定及Hopf分支存在的充分条件.其次,利用中心流形定理及规范型理论,讨论了Hopf分支的方向及其分支周期解的稳定性.最后,利用Matlab对单时滞、双时滞神经网络模型数值模拟,进一步验证了本章结论.第五章对上述工作进行了总结,阐述了本文的创新点.同时,为今后的工作提供了细致的研究展望.
余垚博[7]（2020）在《混合时滞依赖下中立型时滞系统L2-L∞滤波技术研究》文中提出实际系统尤其是工程系统中不可避免存在时滞现象,时滞会导致被控系统性能下降甚至不稳定,因而研究系统稳定和控制器设计时需要考虑时滞影响。作为时滞系统特殊形式,中立型时滞系统广泛存在于经济系统、物理系统、工业系统等。鉴于L2-L∞滤波器能有效处理干扰噪声对系统影响,近年已得到广泛研究。但就中立型时滞系统L2-L∞滤波器研究,现有结论不仅只考虑常时滞影响,而且分析中并未考虑时滞关联信息,具有一定局限性。同时多数研究中数据采用连续时间或时间触发方式传输,过量数据传输会浪费控制系统通信带宽和资源。本文针对现有研究不足,在设计状态反馈控制器并选取合适的控制增益使闭环系统稳定的基础上,研究混合时滞依赖下中立型时滞系统L2-L∞滤波器设计,改进并提出新型事件触发机制以有效降低数据的传输,研究具有一定理论意义和应用前景。本文主要研究内容分别如下:首先,针对定常时滞中立型随机系统L2-L∞滤波器设计,设计状态反馈控制器并选取合适的控制增益使闭环系统稳定的基础上,通过构造混合时滞依赖下Lyapunov泛函,利用新型积分不等式估计其上界以获得保守性更小结论,并借助矩阵变换与变量代换等方法获得滤波器增益矩阵,所给结论不仅易于验证且适用范围较大。其次,针对变时滞中立型随机系统L2-L∞滤波器设计,设计改进型混合时滞依赖下Lyapu nov泛函,利用新型时滞分析工具,基于线性矩阵不等式建立随机中立型系统L2-L∞滤波器设计方案,该方案在多时滞上界不同时,能有效降低结论保守性。然后,针对变时滞中立型系统L2-L∞滤波器设计,设计状态反馈控制器并选取合适的控制增益使闭环系统稳定的基础上,首先利用常规事件触发机制降低数据传输,以减少不必要的资源浪费,然后构造混合时滞依赖下Lyapunov泛函,利用最新时滞研究技术,建立事件触发机制和L2-L∞滤波器的综合设计方案。最后,基于常规事件触发不足,提出新型自适应事件触发机制设计,该机制触发阈值不仅时变,而且能全面实时反映被控系统变化。通过构造包含时变触发阈值和混合时滞依赖下Lyap unov泛函,给出自适应触发和L2-L∞滤波器的综合设计。相较于常规事件触发,所提出的自适应事件触发机制不仅能降低数据传输量,而且能扩大结论适用范围。
张新[8]（2019）在《Markov切换随机系统的指数稳定性分析与同步控制》文中研究说明在经济系统、飞行控制系统、机器人操作系统等实际应用中,由于子系统间耦合的变化、环境的突然干扰或其它原因,系统的参数和结构都可能发生突变。为了更加贴切的对突变系统进行描述,一般采用兼有离散和连续变量两种运行机制的混杂动态系统进行建模,模态之间的转换有多种表示形式,其中由于Markov链具有特殊的Markov性,因此通常使用具有Markov切换的微分方程来解决。在过去的几十年里,这一领域的主要成果已经应用于稳定性分析、滤波、优化和一些重要的控制问题。为了缩短神经网络的计算时间,大多数神经网络的应用都要求提高网络的收敛速度,而当使用指数收敛速度确定神经网络的计算速度时,指数稳定性特性更是尤为重要。因此,确定动态系统的指数稳定性以及估计其指数收敛速度不仅在理论上是有价值的,而且在实践中也具有重要意义。另外,自从观察到同步现象以来,同步问题包括广义同步、簇同步等问题都得到了越来越多研究者的关注。目前,针对Markov切换随机系统的指数稳定性分析及同步控制问题,尚有很多问题需要解决。因此,对具有Markov切换参数的随机系统的指数稳定性分析及同步控制问题的研究是一项有价值而有挑战性的工作。本文针对一类具有时变时滞的Markov切换随机系统,综合运用Lyapunov稳定性理论、随机分析方法、线性矩阵不等式方法、随机不等式等,分别得到了随机系统的均方指数稳定和几乎必然指数稳定等稳定性准则;并结合反馈控制、滑模控制以及牵制控制,设计出相应的同步控制器,分别给出了广义不确定随机系统的结构触发渐近同步以及时变时滞神经网络的有限时间和固定时间簇同步等同步准则。上述研究工作将丰富随机系统的稳定性及同步理论,解决具有一般转移概率及一般噪声的Markov切换中立型随机系统的指数稳定性等关键问题。以下具体说明本文的主要研究工作和创新点。（1）研究了具有一般转移概率和时变时滞的Markov切换中立型随机系统的指数稳定性问题。基于非卷积型多重Lyapunov函数和随机分析方法,得到了具有一般转移概率和时变时滞的随机系统的均方指数稳定条件和几乎必然指数稳定条件。最后给出了两个数值模拟的例子来说明所得结果的有效性。创新点在于对于具有时变时滞以及不确定转移概率的中立型随机系统,得到的条件与指数稳定性的衰减率无关。（2）考虑了具有Markov切换和一般噪声的神经网络的指数稳定性问题。利用随机分析方法和Lyapunov泛函方法,推导了均方和p阶矩条件下具有Markov切换参数和一般噪声的神经网络的指数稳定性判据。将具有一般噪声的无切换神经网络模型作为一个特例,给出了其指数稳定的条件。通过两个算例的仿真结果说明了理论结果。创新点在于提出的一般噪声的神经网络模型更有一般性,比具有白噪声的神经网络模型更适用于实际系统。（3）考虑了具有Markov切换参数的广义不确定随机系统的结构触发渐近同步问题。通过引入结构触发机制,选择最优的主系统与从系统的同步。此外,如果第一次选择的主系统产生大幅扰动,系统将立即再次进行选择。基于Lyapunov稳定性理论、滑模控制方法和线性矩阵不等式技术,给出了广义不确定随机系统同步的充分条件。通过两个算例说明了该方法的适用性。创新点在于提出了具有结构触发的机制的随机系统模型,并设计了广义不确定切换随机系统的随机滑动面。（4）研究了时滞神经网络的有限时间和固定时间簇同步问题。基于Lyapunov稳定性理论、牵制控制方法,推导出神经网络模型的有限时间和固定时间同步判据。此外,还分别估算了与初始值有关和与初始值无关的稳定时间。通过数值仿真模拟验证了该方法的正确性和有效性。创新点在于研究了更加复杂的神经网络模型的有限时间及固定时间簇同步问题,模型考虑了同一簇内节点以及不同簇内节点之间的耦合关系。
李梦玲[9]（2019）在《带Lévy噪声的非线性随机系统的稳定性与控制研究》文中进行了进一步梳理由于Lévy噪声不仅可以描述连续的Brown运动,而且也适合描述物理系统中经常出现的随机故障、陡变或突发性干扰,所以在模型中考虑Lévy噪声更符合工程实际。非线性更是现实系统的本质特性,因此带Lévy噪声的非线性随机系统稳定性与控制研究已经得到了众多学者的关注,也是一个研究热点。本文主要研究带Lévy噪声的随机非线性系统的稳定性与控制问题。研究的对象主要是带Lévy噪声的随机非线性系统,分别研究了带Lévy噪声的中立型随机时滞混杂系统的几乎必然稳定性、带Lévy噪声的切换随机时滞系统的输入到状态稳定性、带Lévy噪声的非线性切换随机系统的矩指数输入到状态稳定性以及基于滑模控制和自适应控制的带Lévy噪声的随机系统的稳定性。利用随机动力学系统的一些基本分析工具,比如Lyapunov稳定性理论、比较原理、随机分析、M矩阵、非负半鞅收敛定理、输入到状态稳定性、滑模控制理论、自适应控制理论等。建立使得带Lévy噪声的随机非线性系统达到稳定性的充分条件。本文的主要工作总结如下:1.论述了带Lévy噪声的非线性随机系统的稳定性和控制的研究背景及意义,介绍了带Lévy噪声的随机非线性系统的控制研究进展,并结合本文的主要研究内容,着重综述了滑模控制和自适应控制的研究情况。然后给出了一些预备知识、相关定理、引理和定义等,最后简要介绍了本文的主要研究内容和章节安排。2.研究了带Lévy噪声的中立型随机时滞混杂系统的具有一般衰减率的几乎必然稳定性。首先给出一类ψ型函数与具有一般衰减率的几乎必然稳定性的定义。利用Lyapunov函数和非负半鞅收敛定理,可以得到所考虑系统的具有一般衰减率的几乎必然稳定性的充分条件。然后利用M矩阵理论,给出每个模态对应系数的上界。特别地,所考虑系统的上界可以是高阶非线性的。3.研究了一类带Lévy噪声的切换随机时滞系统的输入到状态稳定性。根据多Lyapunov函数和平均驻留时间方法,当所有子系统都是输入到状态稳定时,得到了一般衰减率输入到状态稳定性的充分条件。然后利用比较原理和常数变易法,当子系统既包含输入到状态稳定子系统又包含非输入到状态稳定子系统时,得到了指数输入到状态稳定性的充分条件。4.研究了一类带Lévy噪声的非线性切换随机系统的矩指数输入到状态稳定性。把经典的Lyapunov函数法扩展到连续可微且有不定导数的Lyapunov函数,考虑了两种情形:（1）同步切换,也意味着控制器与系统模态保持一致;（2）异步切换,也意味着控制器相对于系统模态的切换有滞后。利用不定导数Lyapunov函数法和平均驻留时间法,得到了矩指数输入到状态稳定的充分条件。5.利用滑模控制方法研究了带Lévy噪声的二阶非线性随机系统的几乎必然稳定性。两种滑模面及其对应的滑模控制器被构建。首先建立一个传统线性滑模面,利用随机分析技术和Lyapunov函数方法,得到了满足几乎必然稳定性的充分性条件。然后利用非奇异终端滑模控制技术,设计与其对应的控制器,得到了保证几乎必然稳定性的充分性条件。6.基于自适应控制方法研究了带Lévy噪声和马尔可夫切换的非线性随机系统的均方渐近稳定性。首先考虑一类一般的非线性系统,这类系统的系数的界和外部扰动都是未知的。之后利用Lyapunov函数和M矩阵方法,设计一个自适应控制器实现系统的均方稳定性。接下来,考虑一类线性系统,这类系统的噪声系数是未知的,设计对应的自适应控制器迫使系统的状态轨线实现均方渐近稳定性。最后,总结本文工作,展望后续研究课题。
夏卫锋[10]（2019）在《时滞马尔可夫跳变系统的耗散滤波与控制研究》文中进行了进一步梳理由于许多实际系统都可以用时滞马尔可夫跳变模型表示,因此,时滞马尔可夫跳变系统的研究得到了国内外学者的广泛关注,也取得了丰硕的研究成果。然而,在具有外部扰动输入的情形下,时滞马尔可夫跳变系统的耗散滤波与控制问题需要进一步的深入研究。本文在已有文献的基础上,利用Lyapunov-Krasovskii泛函理论、矩阵不等式以及时滞分割技术,研究了时滞马尔可夫跳变系统的耗散滤波与控制问题。主要研究工作如下:1.研究了基于事件驱动的时滞马尔可夫跳变系统的耗散滤波问题。首先,针对具有非线性扰动和量化量测的连续时间时滞马尔可夫跳变系统,利用一个矩阵不等式,得到了期望滤波器存在的时滞相关条件,并把所得结果应用到一个直升机模型。其次,考虑了一类具有可加时滞的离散时间马尔可夫跳变系统,通过构造合适的Lyapunov-Krasovskii泛函以及利用矩阵不等式技术,获得了耗散滤波的实现条件。相关仿真结果表明,所得到的关于时滞马尔可夫跳变系统的稳定性条件改进了已有文献的结果。2.针对一类同时具有离散时滞和分布时滞的不确定马尔可夫跳变系统,研究其耗散滤波问题。这里的不确定性是属于一个多胞体的。利用时滞分割技术,对离散时滞和分布时滞同时进行分割,并以此为基础,构造了与模态和不确定参数均相关的Lyapunov-Krasovskii泛函,得到了期望滤波器的实现条件。3.针对一类离散时间时滞马尔可夫跳变神经网络,运用离散Wirtinger不等式和一个改进的矩阵不等式,得到了期望滤波器的实现条件,使得滤波误差系统随机稳定并满足扩展耗散性,并应用一个生物模型仿真验证所设计滤波的可行性。同时,仿真结果说明所得到的关于时滞神经网络的渐近稳定性条件与已有文献相比具有较小的保守性。4.研究了具有范数有界不确定的时滞马尔可夫跳变系统的控制问题。首先,针对一类具有中立型时滞的半马尔可夫跳变系统,通过构造一个新的Lyapunov-Krasovskii泛函,运用时滞分割技术,获得了耗散控制的实现条件。仿真结果表明,得到的关于中立型时滞系统的渐近稳定性判据具有较小的保守性。其次,考虑了一类不确定时滞马尔可夫跳变系统,利用量化量测和时滞分割技术,构造了具有反馈控制的观测器,得到了使闭环系统随机稳定的耗散控制器的存在条件。提供了仿真算例验证所得结论的优越性和可行性。
二、中立型时滞系统的渐近稳定性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、中立型时滞系统的渐近稳定性（论文提纲范文）
（1）几类反应扩散系统的稳定性分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 反应扩散时滞神经网络 |
| 1.2.2 反应扩散脉冲时滞随机系统 |
| 1.2.3 反应扩散系统的滑模控制 |
| 1.3 本文主要研究内容 |
| 第2章 时滞Markov跳变反应扩散Hopfield神经网络的均方指数稳定性 |
| 2.1 时滞Markov跳变反应扩散Hopfield神经网络 |
| 2.2 均方指数稳定性分析 |
| 2.3 数值算例 |
| 2.4 本章小结 |
| 第3章 脉冲随机不确定反应扩散广义细胞神经网络的鲁棒均方稳定性 |
| 3.1 脉冲随机不确定反应扩散广义细胞神经网络 |
| 3.2 鲁棒均方稳定性分析 |
| 3.3 数值算例 |
| 3.4 本章小结 |
| 第4章 时滞脉冲反应扩散系统的一致渐近稳定性 |
| 4.1 时滞脉冲反应扩散系统 |
| 4.2 一致渐近稳定性分析 |
| 4.3 数值算例 |
| 4.4 本章小结 |
| 第5章 Markov跳变中立型随机反应扩散神经网络的均方指数稳定性 |
| 5.1 Markov跳变中立型随机反应扩散神经网络 |
| 5.2 均方指数稳定性分析 |
| 5.3 数值算例 |
| 5.4 本章小结 |
| 第6章 反应扩散脉冲不确定系统的积分滑模控制 |
| 6.1 反应扩散脉冲不确定系统 |
| 6.2 积分滑模控制律下反应扩散脉冲不确定系统的镇定性 |
| 6.2.1 设计滑模面 |
| 6.2.2 可达性分析 |
| 6.2.3 鲁棒指数镇定性 |
| 6.3 数值算例 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 致谢 |
| 个人简历 |
（2）几类高阶和忆阻神经网络的稳定性和同步研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 第2章 基础知识和引理 |
| 2.1 矩阵和算子 |
| 2.2 时间尺度 |
| 2.3 模糊逻辑系统 |
| 2.4 分数阶微积分 |
| 2.5 相关基本引理 |
| 第3章 脉冲模糊高阶双向联想记忆神经网络 |
| 3.1 引言 |
| 3.2 模型描述 |
| 3.3 平衡点的全局指数稳定性 |
| 3.4 周期解的全局指数稳定性 |
| 3.5 数值模拟 |
| 3.6 结论 |
| 3.7 注记 |
| 第4章 时间尺度上中立型连接时滞高阶双向联想记忆神经网络 |
| 4.1 引言 |
| 4.2 时间尺度上时变连接时滞系统(4.1)的概自守性 |
| 4.3 连续分布式连接时滞高阶Hopfield双向联想记忆神经网络 |
| 4.4 数值模拟 |
| 4.5 结论 |
| 4.6 注记 |
| 第5章 带有时变和连续分布式时滞的忆阻神经网络 |
| 5.1 引言 |
| 5.2 模型描述 |
| 5.3 平衡点的稳定性与驱动-响应系统的同步 |
| 5.4 脉冲Cohen-Grossberg型忆阻双向联想记忆神经网络的周期解 |
| 5.5 数值模拟 |
| 5.6 结论 |
| 5.7 注记 |
| 第6章 脉冲模糊Cohen-Grossberg型忆阻双向联想记忆神经网络 |
| 6.1 引言 |
| 6.2 模型描述 |
| 6.3 平衡点的全局稳定性 |
| 6.4 驱动-响应系统的全局指数时滞同步 |
| 6.5 数值模拟 |
| 6.6 结论 |
| 6.7 注记 |
| 第7章 不确定分数阶非线性系统的自适应模糊追踪控制 |
| 7.1 引言 |
| 7.2 具有状态可测不确定分数阶非线性系统 |
| 7.2.1 问题描述 |
| 7.2.2 自适应状态反馈控制设计 |
| 7.3 具有状态不可测不确定分数阶非线性系统 |
| 7.3.1 模糊状态观测器设计 |
| 7.3.2 自适应模糊控制设计和稳定性分析 |
| 7.4 数值模拟 |
| 7.5 结论 |
| 7.6 注记 |
| 第8章 不确定非仿射分数阶非线性系统的自适应模糊容错控制 |
| 8.1 引言 |
| 8.2 问题描述 |
| 8.3 基于障碍Lyapunov函数的自适应模糊容错控制设计 |
| 8.4 数值模拟 |
| 8.5 结论 |
| 8.6 注记 |
| 第9章 总结与展望 |
| 9.1 总结 |
| 9.2 展望 |
| 附录A 主要定理的证明 |
| A.1 定理3.1的证明 |
| A.2 定理3.3的证明 |
| A.3 定理4.1的证明 |
| A.4 定理4.2的证明 |
| A.5 定理5.1的证明 |
| A.6 定理5.6的证明 |
| A.7 定理6.1的证明 |
| A.8 定理6.2的证明 |
| A.9 定理6.4的证明 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果及相关经历 |
| 致谢 |
（3）随机中立型神经网络的稳定性分析及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 国内外文献综述的简析 |
| 1.4 研究内容与方法 |
| 第2章 预备知识 |
| 2.1 Lyapunov稳定定理 |
| 2.2 随机过程 |
| 2.3 伊藤微分法则 |
| 2.4 线性矩阵不等式 |
| 2.5 相关定义、假设及引理 |
| 2.6 本章小结 |
| 第3章 随机中立型神经网络均方稳定性 |
| 3.1 系统描述 |
| 3.2 均方稳定性分析 |
| 3.3 数值算例 |
| 3.4 本章小结 |
| 第4章 随机中立型神经网络鲁棒稳定性 |
| 4.1 系统描述 |
| 4.2 鲁棒稳定性分析 |
| 4.3 数值算例 |
| 4.4 本章小结 |
| 第5章 两类特殊系统鲁棒稳定性 |
| 5.1 特殊系统一鲁棒稳定性 |
| 5.1.1 系统描述 |
| 5.1.2 鲁棒稳定性分析 |
| 5.1.3 数值算例 |
| 5.2 特殊系统二鲁棒稳定性 |
| 5.2.1 系统描述 |
| 5.2.2 鲁棒稳定性分析 |
| 5.2.3 数值算例 |
| 5.3 本章小结 |
| 结论和应用 |
| 参考文献 |
| 致谢 |
（4）两类分别具有中立型时滞和阶段结构的捕食模型动力学分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 预备知识 |
| 1.3 论文主要研究内容以及创新点 |
| 2 具有中立型时滞的Leslie捕食-食饵模型的动力学分析 |
| 2.1 模型的建立 |
| 2.2 正周期解的存在性 |
| 2.3 随机系统的平均持久与灭绝 |
| 2.4 结论与数值模拟 |
| 3 捕食者具有阶段结构的随机模型的全局动力学分析 |
| 3.1 模型的建立 |
| 3.2 确定性模型正平衡点的稳定性 |
| 3.3 全局正解的存在唯一性 |
| 3.4 渐近性 |
| 3.5 平均持久与灭绝 |
| 3.6 结论与数值模拟 |
| 4 总结与展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（5）带跳变过程的中立型随机时滞微分方程稳定性析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文的主要创新 |
| 1.3 预备知识 |
| 第二章 由Lévy噪音所驱动的中立型随机时滞微分方程的稳定性 |
| 2.1 引言 |
| 2.2 全局解的存在唯一性 |
| 2.3 p(p≥2)阶矩指数稳定性 |
| 2.4 几乎必然渐近稳定性 |
| 2.5 数值例子 |
| 第三章 由Lévy噪音所驱动中立型随机马尔可夫时滞微分方程的稳定性分析 |
| 3.1 引言 |
| 3.2 方程(3.1)的稳定性分析 |
| 3.3 方程(3.2)的稳定性分析 |
| 3.4 方程(1.2)的稳定性分析 |
| 3.5 应用 |
| 第四章 结论及进一步工作方向 |
| 4.1 结论 |
| 4.2 进一步工作方向 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
（6）时滞中立型神经网络模型的动力学分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 时滞神经网络模型的研究现状 |
| 1.2.2 时滞中立型神经网络模型的研究现状 |
| 1.3 研究内容 |
| 第2章 具时变时滞的中立型神经网络的动力学分析 |
| 2.1 模型介绍 |
| 2.2 平衡点的存在唯一性 |
| 2.3 全局渐近稳定性 |
| 2.4 数值模拟 |
| 2.5 本章小结 |
| 第3章 具分布时滞的中立型神经网络的动力学分析 |
| 3.1 模型介绍 |
| 3.2 周期解的存在性 |
| 3.3 数值模拟 |
| 3.4 本章小结 |
| 第4章 具双时滞的中立型神经网络的动力学分析 |
| 4.1 模型介绍 |
| 4.2 局部稳定性及Hopf分支 |
| 4.3 Hopf分支的方向及周期解 |
| 4.4 数值模拟 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 创新点 |
| 5.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间获得与学位相关的科研成果目录 |
（7）混合时滞依赖下中立型时滞系统L2-L∞滤波技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中立型系统时滞研究 |
| 1.2.2 中立型系统滤波研究 |
| 1.2.3 触发机制设计研究 |
| 1.3 主要研究内容与创新点 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文创新点 |
| 第2章 预备知识 |
| 2.1 Lyapunov稳定性概念与基本定理 |
| 2.1.1 Lyapunov意义下稳定性 |
| 2.1.2 Lyapunov稳定性定理 |
| 2.2 L_2-L_∞滤波基本定义与数学描述 |
| 2.3 相关引理 |
| 2.4 本章小结 |
| 第3章 中立型控制系统的L_2-L_∞滤波器设计 |
| 3.1 本章引言 |
| 3.2 常时滞中立型控制系统滤波器设计 |
| 3.2.1 系统模型与问题描述 |
| 3.2.2 稳定性分析与滤波器设计 |
| 3.3 变时滞中立型控制系统滤波器设计 |
| 3.3.1 系统模型与问题描述 |
| 3.3.2 稳定性分析与滤波器设计 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第4章 基于事件触发的中立型控制系统L_2-L_∞滤波器设计 |
| 4.1 本章引言 |
| 4.2 常规事件触发下滤波器设计 |
| 4.2.1 系统模型与问题描述 |
| 4.2.2 稳定性分析与滤波器设计 |
| 4.3 自适应事件触发下滤波器设计 |
| 4.3.1 系统模型与问题描述 |
| 4.3.2 稳定性分析与滤波器设计 |
| 4.4 数值仿真 |
| 4.5 本章小结 |
| 第5章 结语 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文与研究成果 |
（8）Markov切换随机系统的指数稳定性分析与同步控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 Markov切换随机系统的指数稳定性分析及同步控制研究的背景及意义 |
| 1.2 Markov切换随机系统的指数稳定性分析及同步控制的研究现状分析 |
| 1.2.1 Markov切换随机系统的研究现状 |
| 1.2.2 Markov切换时滞随机系统的研究现状 |
| 1.2.3 Markov切换随机系统的稳定性研究现状 |
| 1.2.4 Markov切换随机系统的同步控制研究现状 |
| 1.2.5 Markov切换随机系统的指数稳定性分析及同步控制相关研究之不足 |
| 1.3 本文的主要研究工作和创新点 |
| 1.4 符号说明 |
| 第二章 具有一般转移概率的Markov切换中立型时变时滞随机系统的指数稳定性 |
| 2.1 相关研究概况 |
| 2.2 具有一般转移概率的Markov切换中立型时变时滞随机系统模型与数学准备 |
| 2.3 基于非卷积型Lyapunov函数的系统均方指数稳定性分析 |
| 2.4 基于随机分析的几乎必然指数稳定性分析 |
| 2.5 数值仿真 |
| 2.6 本章小结 |
| 第三章 具有Markov切换参数和一般噪声的神经网络的指数稳定性 |
| 3.1 相关研究概况 |
| 3.2 具有一般噪声的Markov切换神经网络模型与数学准备 |
| 3.3 基于随机分析的一般噪声神经网络模型指数稳定性分析 |
| 3.3.1 具有一般噪声的Markov切换神经网络模型 |
| 3.3.2 具有一般噪声的神经网络模型 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 基于滑模控制的Markov切换广义不确定随机系统的结构触发渐近同步 |
| 4.1 相关研究概况 |
| 4.2 具有Markov切换参数的广义不确定随机系统模型与数学准备 |
| 4.2.1 系统模型 |
| 4.2.2 结构驱动触发机制 |
| 4.3 基于滑模控制的随机系统渐近同步分析 |
| 4.3.1 随机滑模面的设计 |
| 4.3.2 滑动模态的稳定性分析 |
| 4.3.3 随机滑模面的可达性 |
| 4.4 数值仿真 |
| 4.5 本章小结 |
| 第五章 基于牵制控制对非线性耦合时滞神经网络的有限时间和固定时间簇同步 |
| 5.1 相关研究概况 |
| 5.2 时滞神经网络的有限时间和固定时间簇同步模型与数学准备 |
| 5.3 基于牵制控制的时变时滞神经网络的有限时间簇同步分析 |
| 5.4 基于牵制控制的时变时滞神经网络的固定时间簇同步分析 |
| 5.5 数值仿真 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 读博期间取得的科研成果 |
| 读博期间承担的科研项目 |
| 致谢 |
（9）带Lévy噪声的非线性随机系统的稳定性与控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 带Lévy噪声的非线性随机系统的研究背景及意义 |
| 1.1.2 带Lévy噪声的非线性随机系统稳定性的研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 带Lévy噪声的非线性随机系统稳定性研究进展 |
| 1.2.2 带Lévy噪声的非线性随机系统控制研究进展 |
| 1.3 预备知识 |
| 1.4 本文主要工作与章节安排 |
| 1.5 本章小结 |
| 第二章 带Lévy噪声的中立型随机时滞混杂系统的几乎必然稳定性 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 主要结论 |
| 2.3.1 预备知识 |
| 2.3.2 全局解与一般衰减率稳定性 |
| 2.3.3 ψ型稳定性 |
| 2.4 数值仿真 |
| 2.5 本章小结 |
| 第三章 带Lévy噪声的切换随机时滞系统的输入到状态稳定性 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 主要结果 |
| 3.3.1 预备知识 |
| 3.3.2 输入到状态稳定子系统 |
| 3.3.3 部分非输入到状态稳定子系统 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 带Lévy噪声的非线性切换随机系统的矩指数输入到状态稳定性 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 主要结论 |
| 4.3.1 预备知识 |
| 4.3.2 同步切换稳定性分析 |
| 4.3.3 异步切换稳定性分析 |
| 4.4 数值仿真 |
| 4.5 本章小结 |
| 第五章 基于滑模控制的带Lévy噪声的二阶非线性随机系统的几乎必然稳定性 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 主要结论 |
| 5.3.1 预备知识 |
| 5.3.2 线性滑模控制 |
| 5.3.3 非奇异终端滑模控制 |
| 5.4 数值仿真 |
| 5.5 本章小结 |
| 第六章 基于自适应控制的带Lévy噪声和马尔可夫跳的随机系统的均方稳定性 |
| 6.1 引言 |
| 6.2 预备知识和问题描述 |
| 6.3 主要结论 |
| 6.3.1 非线性随机系统 |
| 6.3.2 马尔可夫跳线性系统 |
| 6.4 数值仿真 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
| 附件 |
（10）时滞马尔可夫跳变系统的耗散滤波与控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 时滞马尔可夫跳变系统的研究现状 |
| 1.2.1 时滞马尔可夫跳变系统的稳定性研究现状 |
| 1.2.2 时滞马尔可夫跳变系统的滤波问题研究现状 |
| 1.2.3 时滞马尔可夫跳变系统的控制问题研究现状 |
| 1.3 本文的主要工作及结构安排 |
| 1.4 本文涉及的主要引理 |
| 第2章 基于事件驱动的时滞马尔可夫跳变系统的耗散滤波 |
| 2.1 基于事件驱动的连续时间时滞马尔可夫跳变系统的耗散滤波 |
| 2.1.1 问题描述 |
| 2.1.2 稳定性与性能分析 |
| 2.1.3 耗散性滤波器设计 |
| 2.1.4 仿真算例 |
| 2.2 基于事件驱动的具有可加时滞的离散时间马尔可夫跳变系统的耗散滤波 |
| 2.2.1 问题描述 |
| 2.2.2 稳定性与性能分析 |
| 2.2.3 耗散性滤波器设计 |
| 2.2.4 仿真算例 |
| 2.3 本章小结 |
| 第3章 具有混合时滞的不确定马尔可夫跳变系统的耗散滤波 |
| 3.1 具有混合时滞的不确定马尔可夫跳变系统的耗散滤波 |
| 3.1.1 问题描述 |
| 3.1.2 稳定性与性能分析 |
| 3.1.3 耗散性滤波器设计 |
| 3.2 仿真算例 |
| 3.3 本章小结 |
| 第4章 离散时间时滞马尔可夫跳变神经网络的扩展耗散滤波 |
| 4.1 离散时间时滞马尔可夫跳变神经网络的扩展耗散滤波 |
| 4.1.1 问题描述 |
| 4.1.2 稳定性与性能分析 |
| 4.1.3 扩展耗散滤波器设计 |
| 4.2 仿真算例 |
| 4.3 本章小结 |
| 第5章 不确定时滞马尔可夫跳变系统的耗散控制 |
| 5.1 中立型时滞马尔可夫跳变系统的状态反馈耗散控制 |
| 5.1.1 问题描述 |
| 5.1.2 稳定性与性能分析 |
| 5.1.3 状态反馈控制器设计 |
| 5.1.4 仿真算例 |
| 5.2 基于观测器设计的时滞马尔可夫跳变系统的输出反馈耗散控制 |
| 5.2.1 问题描述 |
| 5.2.2 稳定性与性能分析 |
| 5.2.3 输出反馈控制器设计 |
| 5.2.4 仿真算例 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文 |
四、中立型时滞系统的渐近稳定性（论文参考文献）
- [1]几类反应扩散系统的稳定性分析[D]. 苏日古嘎. 哈尔滨工业大学, 2021(02)
- [2]几类高阶和忆阻神经网络的稳定性和同步研究[D]. 杨文贵. 东南大学, 2020(02)
- [3]随机中立型神经网络的稳定性分析及应用[D]. 么红月. 哈尔滨工业大学, 2020(02)
- [4]两类分别具有中立型时滞和阶段结构的捕食模型动力学分析[D]. 李彤彤. 山东科技大学, 2020(06)
- [5]带跳变过程的中立型随机时滞微分方程稳定性析[D]. 万方哲. 南昌大学, 2020(01)
- [6]时滞中立型神经网络模型的动力学分析[D]. 刘锦. 武汉理工大学, 2020(08)
- [7]混合时滞依赖下中立型时滞系统L2-L∞滤波技术研究[D]. 余垚博. 南京航空航天大学, 2020(07)
- [8]Markov切换随机系统的指数稳定性分析与同步控制[D]. 张新. 东华大学, 2019(01)
- [9]带Lévy噪声的非线性随机系统的稳定性与控制研究[D]. 李梦玲. 华南理工大学, 2019(06)
- [10]时滞马尔可夫跳变系统的耗散滤波与控制研究[D]. 夏卫锋. 南京理工大学, 2019(01)