安全技术-网络信息-时滞细胞神经网络的周期解概周期解和全局指数稳定性.pdf

安全技术-网络信息-时滞递归神经网络稳定性分析及网络化同.pdf

安全技术-网络信息-时滞神经网络的稳定性及可控性研究.pdf

安全技术-网络信息-时滞神经网络模型的稳定性研究.pdf

时滞matlab代码自述文件 此方案需要使用Matlab的神经网络工具箱的timedelaynet在Matlab训练的时间延迟神经网络（TDNN），并创建新的C ++类TDNNClassifier实施训练的时间延迟神经网络的头文件和源文件。 这对于将在 Matlab 中开发的代码部署到 Matlab 不可用的嵌入式应用程序中很有用。 用法 Matlab 函数extractNeuralNetwork将经过训练的时延神经网络作为输入，并输出头文件Data.h和TDNNClassifier.h以及源文件TDNNClassifier.cpp 。 有关详细的使用示例，请参阅文件example.m和example.cpp 。 如有任何意见或问题，请发送电子邮件 执照 麻省理工学院许可证 (MIT) 版权所有 (c) 2017 David Hasenfratz 特此授予任何人免费获得本软件副本和相关文档文件（“软件”）的许可，不受限制地处理本软件，包括但不限于使用、复制、修改、合并的权利、发布、分发、再许可和/或出售软件的副本，并允许向其提供软件的人员这样做，但须符合以下条件： 上述版权声明和本许可

在网络传输过程中，系统的稳定性受不确定，网络延迟，丢包和错序所影响．本文针对这些非理想网络状况，研究了网络控制系统状态反馈控制．建立连续时间系统模型时，还引入了一个定常状态时延，使得模型更贴近实际．随后，运用改进的Lyapunov-Krasovskii函数，推导出网络控制系统鲁棒稳定的充分条件，并基于该充分条件得到利用线性矩阵不等式(LMI)的控制器设计方法，再运用迭代算法求解相关系数．最后通过MATLAB数值仿真算例，证明了本文方法的正确性和有效性．

为解决线性时滞不确定系统的鲁棒容错控制问题，基于Lyapunov理论，证明系统在不确定性存在的情况下，采用一种有记忆的状态反馈控制律时，对于传感器故障具有完整性，并且运用MATLAB的LMI工具箱求解控制器参数。仿真结果表明该方法的有效性。

针对一类不确定时滞系统的鲁棒H∞稳定控制，设计了基于观测器的鲁棒H∞控制器。假定系统的不确定性是时变的且具有范数有界。基于线性矩阵不等式（linear matrix inequality-LMI），通过构造Lyapunov泛函，选取适当的观测器，给出了控制器的设计方法，通过求解相应的线性矩阵不等式，就可以得到基于观测器的H∞控制器，并证明了该控制器在使闭环系统渐近稳定的同时，又能保证闭环系统满足一定的H∞性能指标。最后，数值算例验证了所给方法的有效性。

研究了一类具有时滞及非线性发生率的 SIR传染病模型 。首先利用特征值理论分析了地方病平 衡点的稳定性,并以时滞为分岔参数,给出了 Hopf分岔存在的条件 。然后,应用规范型和中心流形定理给出了 关于 Hopf分岔周期解的稳定性及分岔方向的计算公式 。最后,用 Matlab软件进行了数值模拟 。

基于Lyapunov-Krasovskii泛函的时滞系统鲁棒控制