[发明专利]一种无源性的分析方法

说明书

本发明提出一种无源性的分析方法，在其中考虑了随机发生混合时滞、随机干扰和参数不确定对无源性分析的影响，构造李亚普诺夫函数完整利用了时滞的有效信息，相比于已有的神经网络动态系统的无源性分析方法，本发明的分析方法能够一并考虑随机发生的混合时滞、随机干扰和参数不确定，得出了依赖于线性矩阵不等式解的无源性分析方法，达到抗非线性扰动的目的，本发明适用于非线性复杂动态系统的无源性分析。

技术领域

本发明属于控制领域，涉及一种具有随机发生混合时滞的随机神经网络系统的无源性/鲁棒无源性的分析方法，本发明适用于非线性复杂动态系统的无源性分析。

背景技术

人工神经网络作为一门交叉学科，在许多领域得到应用，研究它的发展过程和前沿问题具有重要的理论意义。由于神经网络具有信息的分布存储，并行处理和自学习能力等优点，所以在信息处理，模式识别智能控制等领域有着广泛的应用前景。一个神经网络系统若想在工程中发挥作用就必须具备稳定性，因此在研究神经网络的核心问题中，稳定性分析是极为重要的且必不可少的一个环节。在稳定性分析过程中，需要构造合适的李雅普诺夫函数，但其实际可行的构造方法并不多。而无源系统的存储函数在一定条件下便可以作为李雅普诺夫函数，所以神经网络系统的无源性分析问题具有广阔的应用前景。

由于有限的信息处理速度，在实际控制系统，尤其在一些生态系统和神经网络中，时滞是常见的，而时其发生的不确定性更是令人困扰的问题。由于时滞的产生可能会降低系统的质量，甚至导致振荡甚至不稳定。因此，对时滞系统的无源性研究具有理论和实际意义。

发明内容

本发明为了解决现有无源性分析方法不能同时处理随机发生的混合时滞、随机干扰和参数不确定，进而影响系统无源性分析的问题，提出一种无源性的分析方法。

本发明的目的通过以下技术方案实现：一种无源性的分析方法，包括以下步骤：

步骤一、建立具有随机发生混合时滞和随机干扰的神经网络系统动态模型；

步骤二、根据所述动态模型，建立综合考虑随机发生混合时滞与随机干扰的无源性性能指标；

步骤三、根据所述无源性性能指标构建李雅普诺夫函数，进而求出李雅普诺夫函数差分的期望；

步骤四、根据步骤三中结果及神经网络系统中相关约束条件，建立不等式关系；

步骤五、根据无源性判据，对具有随机发生混合时滞与随机干扰的神经网络系统进行无源性分析；

步骤六、建立具有参数不确定、随机发生混合时滞和随机干扰的神经网络系统的动态模型；

步骤七：根据步骤六建立的动态模型，重复步骤二至步骤四，根据鲁棒无源性判据，对具有参数不确定、随机发生混合时滞和随机干扰的神经网络系统进行鲁棒无源性分析。

进一步地，所述步骤一具体为：

建立具有随机发生混合时滞和随机干扰的神经网络系统动态模型，其系统状态空间形式为：