分数阶Hopfield型神经网络的全局渐近稳定性

研究了分数阶Hopfield型神经网络的全局渐近稳定性,通过LMI方法得到了一种实现系统全局渐近稳定性的LMI形式条件,通过实例仿真验证了结论的正确性。     

时滞Hopfield神经网络稳定性测试方法研究

利用Lyapunov泛函方法，研究了具有时滞的Hopfield神经网络稳定性的测试问题，得到了网络全局渐近稳定性与滞量无关的测试方法，这对于时滞神经网络的设计与检验具有普遍应用的意义。     

时滞细胞神经网络平衡点的全局指数稳定性研究

利用常数变易法和变量替换的方法，研究了具有时滞的细胞神经网络平衡点的奎局指数稳定性，给出了网络平衡点的全局指数稳定性的充分判据。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

一类具有混合时滞神经网络的渐近稳定性判据

在激励函数仅仅满足扇区条件,时滞函数连续可微且导数小于0的情形下,通过构造Lyapunov-Krasovskii泛函,得到了神经网络全局渐近稳定的新判据。该判据可以通过线性矩阵不等式(LMI)表达,借助解LMI的内点法可以方便求解。     

考虑飞行条件变化和制造误差的气动优化方法

提出一种渐近全局代理模型方法以提高稳健优化中的代理模型的精度.基本思路是连续成批地在样本空间的全局和局部均加入新样本点,不断提高代理模型的全局拟合精度.将基于渐近全局代理模型稳健优化方法应用于高亚声速翼型设计,结果表明不仅目标值阻力系数具有稳健性,对飞行条件的小幅度变化和制造误差不敏感,而且力矩系数的约束也具有稳健性.     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

基于遗传神经网络的机电产品绿色度评价

人工神经网络模型克服了传统的绿色产品评价方法依赖专家经验的弊端,但神经网络训练时具有训练速度较慢、全局搜索能力弱、易陷于局部极小等缺点.本文提出的用遗传算法优化神经网络的方法提高了产品绿色度评价的准确性.     

基于PSO-BP的APU智能故障诊断方法研究

针对BP神经网络故障诊断稳定性差、精度低的问题,提出了一种基于PSO-BP神经网络的故障诊断方法。结合粒子群算法的全局搜索能力和BP神经网络反向传播的特性,不仅提高了故障诊断的准确性和稳定性,而且缩短了训练时间。仿真结果表明,PSO-BP神经网络算法比传统的BP神经网络故障诊断结果具有更高的精度、更快的诊断速度和收敛速度。     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

一类Cohen-Grossberg型BAM脉冲神经网络周期解的存在性和全局指数稳定性

利用Lyapunov泛函、不等式方法及Poincaré映射,建立了一类具有混合时滞的Cohen-Grossberg型BAM脉冲神经网络周期解的存在性和全局指数稳定性的充分性判据。     

一类Cohen-Grossberg型神经网络概周期解的全局指数稳定

研究了一类Cohen-Grossberg型神经网络概周期解的存在唯一性及全局指数稳定性,得到了判断概周期解存在唯一及全局指数稳定的充分条件,推广了一些已有的结论。     

基于反馈误差学习的神经网络控制

研究了应用神经网络和ＰＤ反馈控制实现非线性系统的自适应跟踪问题。ＰＤ反馈控制器不但保证闭环系统的稳定性,同时其输出又作为训练神网络的参考信号。证明了通过选择适当的初始加权和加权的调节速率可以实现非线性系统的固定点跟踪。     

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输人未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。文中仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性。最后给出的仿真研究证明了该设计方法的有效性。