时变时滞神经网络的时滞相关鲁棒稳定性和耗散性分析
CSTR:
作者:
作者单位:

(1. 湖南工业大学电气与信息工程学院,湖南株洲412007;2. 电传动控制与智能装备湖南省重点实验室,湖南株洲412007)

作者简介:

肖伸平(1965-), 男, 教授, 从事鲁棒控制、过程控制、时滞系统等研究;练红海(1990-), 男, 硕士生, 从事鲁棒控制、神经网络、时滞系统的研究.

通讯作者:

E-mail: xsph_519@163.com

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61672225,61304064);国家火炬计划项目(2015GH712901);湖南省自然科学基金项目(2015JJ3064,2015JJ5021);湖南省教育厅科研基金项目(15B067);广东省特种光纤材料与器件工程技术研究开发中心开放基金项目.


Delay-dependent robust stability and dissipativity analysis of neural networks with time-varying delays
Author:
Affiliation:

(1. School of Electrical and Information Engineering,Hu'nan University of Technology,Zhuzhou 412007,China;2. Key Laboratory for Electric Drive Control and Intelligent Equipment of Hu'nan Province,Zhuzhou 412007,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    研究时变时滞神经网络的鲁棒稳定性和耗散性问题.充分利用积分项的时滞信息和激励函数条件构造一个合适的增广LK泛函;利用自由矩阵积分不等式处理LK泛函的导数,得到一个低保守性的时滞相关稳定判据;将所获得的结论延伸至神经网络的耗散性分析,并推导出一个确保神经网络严格$(\mathcalX, \mathcalY,\mathcalZ)-\gamma$-耗散的充分条件.最后通过3个数值算例验证了所提出方法的可行性和优越性.

    Abstract:

    The problems of robust delay-dependent stability and dissipativity for neural networks(NNs) with time-varying delay is investigated. A proper augmented Lyapunov-Krasovskii functional(LKF) is constructed, which fully utilizes the information of time-delay in integral term and the neuron activation function conditions. Then, by employing the free-matrix-based integral inequality to handle the derivative of the LKF, a less conservative delay-dependent stability criteria is obtained. The acquired conclusion is extended to the analysis of dissipativity for delayed NNs, and a suficient condition is derived to guarantee the NNs strictly$(\mathcalX, \mathcalY, \mathcalZ)-\gamma$-dissipative. The superiority and feasibility of presented approaches are verified via three numerical examples.

    参考文献
    相似文献
    引证文献
引用本文

肖伸平,练红海,陈刚,等.时变时滞神经网络的时滞相关鲁棒稳定性和耗散性分析[J].控制与决策,2017,32(6):1084-1090

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-06-16
  • 出版日期:
文章二维码