期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
关于微分包含的周期解及其应用
1
作者 李国成 薛小平 宋士吉 《应用数学和力学》 EI CSCD 北大核心 2004年第2期150-158,共9页
 研究了一类发展包含的周期问题,其结果应用于建立一类半线性微分包含周期解的存在性定理· 给出了半线性微分包含端点解的存在性定理和强松驰定理。
关键词 发展包含 线性微分包含 周期解 连续选择 紧算子 不动点
在线阅读 下载PDF
一类非线性系统的基于观测器的H^∞输出反馈设计
2
作者 胡中骥 施颂椒 翁正新 《上海交通大学学报》 EI CAS CSCD 北大核心 2000年第5期626-629,共4页
某些非线性系统可以通过全局线性化方法 ,转化为线性时变系统 ,因而可通过研究全局线性化后的线性时变系统来处理非线性系统的相关问题 .基于这一思路 ,利用线性微分包含的概念 ,对一类可化为多胞型线性微分包含的非线性系统 ,给出其基... 某些非线性系统可以通过全局线性化方法 ,转化为线性时变系统 ,因而可通过研究全局线性化后的线性时变系统来处理非线性系统的相关问题 .基于这一思路 ,利用线性微分包含的概念 ,对一类可化为多胞型线性微分包含的非线性系统 ,给出其基于观测器的 H∞ 输出反馈设计方法 ,得到的反馈控制律能使闭环系统内稳且具有 H∞干扰衰减 .文中对双边投影引理和 Finsler引理进行了扩展 ,从而可以处理基本矩阵不等式中块对角矩阵的消去问题 .利用这一结果 ,把基于观测器的H∞输出反馈设计的一充分条件化为线性矩阵不等式 ( LMI) ,进而利用已有的 LMI工具箱对控制律进行求解 .从而避免了采用非线性系统设计的一般方法时必须面对的求解 Hamilton- 展开更多
关键词 线性系统 线性微分包含 观测器 H^∞输出反馈
在线阅读 下载PDF
基于神经网络非线性时滞系统的鲁棒可靠控制器设计
3
作者 潘晓宁 胡寿松 《南京航空航天大学学报》 EI CAS CSCD 北大核心 2003年第2期208-211,共4页
将一类非线性时滞控制系统中的非线性部分 ,用一个单隐层神经网络来近似代替 ,采用线性微分包含(LDI—— linear differential inclusion)的方法来线性化该非线性环节 ,对于线性化所产生的近似误差、时滞和执行机构故障作为系统的一部... 将一类非线性时滞控制系统中的非线性部分 ,用一个单隐层神经网络来近似代替 ,采用线性微分包含(LDI—— linear differential inclusion)的方法来线性化该非线性环节 ,对于线性化所产生的近似误差、时滞和执行机构故障作为系统的一部分设计可靠鲁棒控制器 ,相关的定理也一并给出。高阶微分和偏微分方程一般是用来解决这类非线性系统的主要方法 ,文章中提出的可靠鲁棒控制器设计方法克服了以上这些方法求解困难的缺点 ,仿真示例用设计好的可靠鲁棒控制器与常规极点配置法进行了比较 ,从而表明了这种方法的有效性。 展开更多
关键词 神经网络 线性时滞系统 设计 线性微分包含 可靠鲁棒控制器
在线阅读 下载PDF
标准神经网络模型及其应用 被引量:3
4
作者 颜钢锋 张森林 刘妹琴 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2004年第3期297-301,350,共6页
提出一种新的神经网络模型——标准神经网络模型(SNNM),它由线性动力学系统和有界静态非线性算子连接而成.SNNM表示为线性微分包含(LDI)形式,可以方便地利用线性矩阵不等式(LMI)方法来分析其稳定性和其他性能.利用不同的Lyapunov函数和... 提出一种新的神经网络模型——标准神经网络模型(SNNM),它由线性动力学系统和有界静态非线性算子连接而成.SNNM表示为线性微分包含(LDI)形式,可以方便地利用线性矩阵不等式(LMI)方法来分析其稳定性和其他性能.利用不同的Lyapunov函数和S方法推导出基于LMI的连续SNNM和离散SNNM的稳定性定理.实例表明SNNM可应用于递归神经网络的稳定性分析以及神经网络控制系统的综合和分析. 展开更多
关键词 标准神经网络模型 离散时间 线性矩阵不等式 线性微分包含 线性控制
在线阅读 下载PDF
基于LMI方法的时滞BAM神经网络的全局稳定性分析
5
作者 刘妹琴 颜钢锋 张森林 《电子与信息学报》 EI CSCD 北大核心 2004年第8期1237-1244,共8页
对于时滞双向联想记忆(DBAM)神经网络的平衡点的稳定性问题,目前人们已经得到了很多富有意义的成果.该文提出一种新的神经网络模型——标准神经网络模型(SNNM),通过状态的线性变换,将DBAM神经网络转化为时滞SNNM(DSNNM),并利用有关DSNN... 对于时滞双向联想记忆(DBAM)神经网络的平衡点的稳定性问题,目前人们已经得到了很多富有意义的成果.该文提出一种新的神经网络模型——标准神经网络模型(SNNM),通过状态的线性变换,将DBAM神经网络转化为时滞SNNM(DSNNM),并利用有关DSNNM的稳定性的一些结论,得到DBAM神经网络平衡点的全局渐近稳定性的充分条件.这些条件都以线性矩阵不等式(LMI)的形式给出,容易验证,保守性低.该方法扩展了以前的稳定性结果,同时也适用于其它类型的递归神经网络(时滞或非时滞)的稳定性分析. 展开更多
关键词 标准神经网络模型 时滞双向联想记忆神经网络 线性矩阵不等式 线性微分包含 全局渐近 稳定性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部