参数依赖于马尔科夫链的时滞神经网络的量化控制

摘要

将传感器，控制器和执行器通过公共网络连接起来构成的闭环反馈控制系统称为网络控制系统（Networked control systems，简称NCSs）。随着计算机网络技术的发展与成熟，神经网络控制系统在航空航天，制造设备，控制交通，管理经济，远程医疗以及危险、特殊环境等领域获得了广泛的应用。相比于传统的控制系统，网络控制系统具有很多的优势，例如:成本低、可靠性高、易于维护与安装。但是由于网络通信带宽的局限性，网络延迟和数据包丢失就可能无法避免，同时为了进一步优化网络资源，我们会对信号进行量化处理，那么我们需要考虑量化作用对系统稳定性的影响。到目前为止，许多的学者对具有量化的神经网络控制系统的稳定性产生了浓厚的兴趣并得到了丰硕的研究成果。 全文共由三个部分组成: 1.简要概述神经网络控制系统研究的相关背景和意义，并介绍了带有马尔科夫跳变神经网络控制系统中常见的问题及研究现状。 2.引入了具有量化和数据包丢失的混合时滞复杂网络模型，通过构造新的Lyapunov-Krasovskii泛函和一些线性矩阵不等式的理论，进而给出该系统达到稳定的条件，并通过线性矩阵不等式工具给出数值例子说明我们提出方法的有效性。 3.在观测器的输出反馈控制系统稳定性问题提出后，建立误差系统，并构造新的Lyapunov-Krasovskii泛函及线性矩阵不等式理论，给出新系统达到稳定的条件，随后一个数值例子被用来说明我们方法的可行性。

目录

摘要

符号说明

第一章 引言

第二章 参数依赖于Markov时滞神经网络的状态反馈控制

2．1 问题的提出

2．2 若干引理，假设及定义

2．3 主要结论及证明

2．4 数值例子

第三章 基于观测器的输出反馈控制

3．1 问题的提出

3．2 主要定理及证明

3．3 数值例子

参考文献

致谢

声明