具有时滞和非时滞耦合的复杂动态网络的自适应同步

对于同时具有时滞耦合和非时滞耦合的复杂动态网络,以时滞动力系统的稳定性理论为基础,设计了全新的自适应控制器,同时给出了一些简单而又一般的网络同步化准则.对由三个节点组成的动态网络的同步化进行了数值模拟,使得理论分析与数值模拟得到了相互验证.     

具有变时滞耦合部分非恒定节点复杂网络的同步(英文)

主要研究了带有时变耦合部分且非恒定节点含有变时滞复杂网络的同步问题.利用Lyapunov函数理论,设计有效的控制函数并获得一些简单的同步准则,使得属于不同簇的复杂网络能同步到任意光滑的状态.最后给以一数值仿真的例子验证了该理论的有效性.     

脉冲控制下复杂网络的同步

主要考虑非对称耦合复杂网络的脉冲同步问题.通过构造Lyapunov泛函,设计合适的脉冲控制器,并利用时滞脉冲系统理论,给出了网络脉冲同步新的判别准则.数值模拟表明所得结果是正确的.     

时变时滞复杂网络的自适应定积分比例函数投影同步（英文）

基于定积分比例函数,研究了时变时滞复杂网络的自适应投影同步问题.本文讨论的比例函数投影同步,比例函数不仅是定积分,而且定积分的上下积分和时变时滞都是自适应的.数值仿真验证了这种方法的有效性.     

复杂动态网络的有限时间同步

复杂网络无处不在,同步是自然界中广泛存在的一类非常重要的非线性现象.过去10年,人们对复杂网络的同步开展了系统而深入的研究,包括恒等同步、广义同步、簇同步以及部分同步等.上述大部分结果中对同步速度的刻画往往是渐进的,只有当时间趋于无穷的时候,网络才能实现同步,而对于网络能够在多长时间内可以实现同步却知之甚少.作者以几类典型的非线性耦合的复杂动态网络为例,深入探讨了复杂动态网络的有限时间同步的规律.具体而言,基于上述几类典型的复杂动态网络,证明了在某些合适的条件下,网络能够在有限时间内实现精确同步.此外,用一个典型的数值仿真实例验证了上述有限时间同步的准则.有限时间同步有效地避免了网络只有在无穷时刻才能实现同步的问题,对网络同步的实际工程应用具有基本的现实意义.     

Markov切换时滞基因调控网络的均方同步和随机无源同步北大核心CSCD

基因调控网络(GRNs)及其动力学模型的研究在后基因组时代是一个重要的研究领域.定性分析基因调控网络及其动力学对系统地认识生物体具有重要意义.该文提出了一类具有时变时滞和Markov切换的随机基因调控网络模型,研究了其均方同步和随机无源同步问题.通过设计合适的Lyapunov-Krasovskii泛函(LKF),并利用Lyapunov稳定性理论、线性矩阵不等式方法和随机分析技巧,得到了均方同步和随机无源同步的充分条件.此外,通过与其他文献进行比较,显示了该文结果的理论价值.数值模拟验证了所得充分条件的有效性.     

基于终端滑模控制的扰动复杂网络的有限时间同步

本文研究了扰动的复杂网络的有限时间同步问题. 利用终端滑模控制的方法, 设计了能保证网络同步的滑模面和控制器, 得到了两个不同的复杂网络之间达到有限时间同步的充分条件. 这些理论结果推广了复杂网络同步的一些已有结论.     

分数阶复杂网络的同步分析

本文主要研究了节点动力学为Caputo型的分数阶微分方程的复杂网络的同步,建立了判定分数阶网络的同步定理.数值例子验证了理论结果的有效性.     

基于自适应控制的四元数时滞神经网络的有限时间同步

文章主要研究了自适应控制下四元数时滞神经网络的有限时间完全同步,通过设计一组有效新颖的自适应控制器,使得主从系统实现有限时间同步,并计算出停息时间的理论估计.利用Lyapunov函数方法和不等式技巧,给出了四元数时滞神经网络主从系统有限时间同步的充分条件.最后,通过数值仿真验证了所得理论结果的有效性.     

具有随机切换非线性的时滞神经网络的非脆弱状态估计

探讨了带有随机切换非线性和混合时滞的不确定神经网络的非脆弱状态估计问题.首先,给出了所研究神经网络的数学模型;其次,基于有效信息设计非脆弱状态估计器,采用范数有界不确定性刻画了状态估计器增益矩阵的摄动现象;再次,基于Lyapunov稳定性定理给出了新的线性矩阵不等式描述的稳定性条件;最后,给出了仿真实验验证所提出的状态估计算法的可行性.     

两个相互耦合网络的同步分析

本文旨在研究具有相互作用的两个网络间的同步及其控制问题.若各自网络的耦合矩阵在两个网络的连接矩阵的作用下使网络达到外部同步,则控制器消失;反之,则设计一个控制器,使两个网络达到同步.利用Lyapunov稳定性理论我们给出了同步条件,最后通过简单的数值算例来阐述得到的理论结果,包括网络具有相同和不相同的拓扑结构两种情形.     

具有不同耦合强度且带有时滞的振子网络上的同步

本文研究了具有不同耦合强度且带有时滞的振子网络上的同步问题．我们给出了该网络同步状态的稳定性准则，证实了其同步状态的稳定性与网络的拓扑性无关．最后，通过数值模拟验证了我们的理论结果．     

时变耦合变时滞非自治神经网络模型的全局同步性分析

利用Lyapunov泛函方法,对一类时变线性耦合神经网络模型的全局同步性进行了研究．在去掉耦合矩阵的对称性、不可约性和扩散耦合限制的基础上,得到了确保耦合时滞神经网络模型全局同步的充分性条件．所得结果仅依赖于系统中的参数,条件易于验证且不必求矩阵的特征值．     

Master-slave synchronization of neural networks with time-varying delays via the event-triggered control

ABSTRACT

This paper investigates the problem of master-slave synchronization of neural networks with time-varying delays via the event-triggered control (ETC). First, the proposed ETC can effectively reduce the total amount of data transmitted to the controller in the synchronization process and avoid communication channel congestion. Second, a master-slave synchronization of neural networks with time-varying delays is constructed, where delays within neural networks and the ETC are simultaneous existence. The controller is updated by the ETC. By the Lyapunov stability theory, some sufficient criteria are obtained to ensure master-slave synchronization of neural networks. Finally, a numerical example and a tunnel diode circuit example are used to verify the validity of results obtained.     

Fixed-Time Asymptotic Stability and Energy Consumption Estimation of Nonlinear Systems;

The fixed-time asymptotic stability and energy consumption estimation problems of nonlinear systems were discussed. First, a novel dynamic model with nonlinearity and time-varying delays was proposed. Second, to effectively improve the convergence rate of the system, a fixed-time control strategy was adopted. Through construction of the Lyapunov functional and with the inequality analysis method, sufficient conditions for the error system were obtained to achieve the fixed-time asymptotic stability. Moreover, to predict the energy consumption during the operation of the system, the upper bound of the energy consumption for the system was estimated, which is helpful to evaluate the operation time of the system. Finally, a numerical example was given to verify the feasibility and effectiveness of the results. © 2023 Editorial Office of Applied Mathematics and Mechanics. All rights reserved.