一种受双切换机制的T-S模糊有限时间离散神经网络H∞同步控制方法技术

本发明专利技术属于新一代信息技术领域，公开了一种受双切换的T

【技术实现步骤摘要】
一种受双切换机制的T
‑
S模糊有限时间离散神经网络H
∞
同步控制方法


[0001]本专利技术涉及新一代信息
，尤其涉及一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法。

技术介绍

[0002]随着人工智能新一代信息技术的研究热潮，人工神经网络也成为了研究热点，一般简称“神经网络”。神经网络具有并行计算、自组织、自适应和自学习的良好智能特性，在模式识别、自动控制、预测估计、信息安全、联想记忆、模型预测以及安全通信等新一代信息
得到了广泛应用。为了缓解资源受限的困境，事件触发机制由于其特有的优势被认为是一种有效的节省网络资源的方法，其主要思想是，只有满足相应的触发条件，当下数据才能进行传输，从而节省网络资源。在过去的几年中，有许多不同的事件触发方案被运用相对应的工程系统，比如传感器网络、多智能体系统等。
[0003]神经网络面对日益复杂的实际系统建模时可能会遇到困难，尤其还应考虑复杂环境下结构或参数的切换特性，因此，在现在切换规则的基础上，对离散神经网络采用一种模态相关的平均停留时间和马尔可夫交换的双切换方法对神经网络的同步问题进行研究。
[0004]同步是一种重要的动力学行为，因为它在伪随机数发生器、模式识别、保密通信等新一代信息技术方面有巨大的应用前景。近年来，同步作为神经网络动力学行为中研究的热点之一，其在人工智能协同控制、信息安全、联想记忆、模型预测以及安全通信等新一代信息
得到了广泛应用。当前，值得注意的是，含混合时变时滞的有限时间离散神经网络的H∞同步控制问题尚未被充分考虑。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提出一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法，可以实现在双切换机制下混合时变时滞的离散神经网络的H∞同步控制。
[0006]本专利技术采用以下方案实现：一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法，包括以下步骤：
[0007]步骤S1：基于耦合神经网络，构建混合时变时滞的T
‑
S模糊有限时间离散神经网络系统模型，通过加权平均模糊混合方法，构建关于神经网络系统的全局TS模型；
[0008]步骤S2：构建与其相对应的目标节点的模型；
[0009]步骤S3：根据步骤S2构建的混合时变时滞的T
‑
S模糊有限时间离散神经网络系统模型和与其相对应的目标节点的模型，设定同步误差，并建立同步误差系统；
[0010]步骤S4：根据步骤S3建立的同步误差，设计模糊牵制同步控制器；
[0011]步骤S5：基于Lyapunov稳定性理论得到确保整个神经网络系统有限时间H∞同步的充分性。
[0012]具体操作如下：
[0013]步骤S1：构建具有N个耦合节点的马尔可夫切换离散时间神经网络，其模糊规则如下：
[0014]模糊规则m:IFκ1(k)isκ2(k)is
…
，andκ
i
(k)isTHEN
[0015][0016]式中κ(k)＝{κ1(k),κ2(k),...,κ
i
(k)}为提前变量，是由隶属变量描述的模糊集，其中m＝1,2,
…
,r是模糊规则的数目。分别是第p个节点的状态向量、受控输出向量和控制器信号。σ(k)代表动态行为中出现的时变延迟。是扰动输入向量，而是外部输入向量。f(x
p
(k))＝vec
n
{f
p
(x
p
(k))}和vec
n
{h
p
(x
p
(k
‑
σ(k)))}是非延迟和延迟节点激活函数。ν
p
(s)是初始状态。L代表内部耦合参数矩阵，是网络结构的外部耦合矩阵,其中和和是具有适当维数的权重矩阵，它遵循马尔可夫过程{γ(k),k≥0}，有限集合内的k＝{1,2,...,v}；
[0017]通过加权平均模糊混合方法，关于子系统(1)的全局TS模型被描述为:
[0018][0019]其中表示归一化隶属函数的简化满足
[0020][0021]其中是κ
h
(k)在中的隶属度。根据模糊集的定义，使得和
[0022]步骤S2：根据步骤S1全局TS模型，构建与其相对应的目标节点的模型为：
[0023][0024]其中分别是目标状态和相应控制输出行为的向量。的初始状态设置为
[0025]根据权利要求1所述的一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法，其特征在于，具体包括以下步骤：
[0026]步骤S3：根据步骤S1构建的混合时变时滞离散T
‑
S模糊神经网络系统，设定所述T
‑
S模糊离散神经网络系统的同步误差系统为：
[0027][0028]其中定义
[0029][0030][0031][0032]根据权利要求1所述的一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法，其特征在于，具体包括以下步骤：
[0033]步骤S4：根据步骤S3建立的H∞同步误差，设计模糊牵制同步控制器为：
[0034]控制器的规则v:IFκ1(k)isκ2(k)is
…
，andκ
p
(k)isTHEN
[0035][0036]其中为估计的控制输入，为模糊规则v下的第p个控制增益矩阵。其中为固定参数，表示控制一个节点，否则为
[0037]根据权利要求4所述的一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法，其特征在于：步骤S5(1)中基于Lyapunov稳定性理论得到确保整个神经网络系统的有限时间有界性的充分性条件的方法：
[0038]设定η
p
∈(0,1)，其中，p＝1,2,...N。对于给定0＜∈1＜∈2，∈3，σ，τ，andξ＞1，正整数矩阵S，同步误差系统被认为是随机有限时间
有界的，如果存在正标量则在零初始条件下满足给定的H∞性能水平对角矩阵同步矩阵同步矩阵正对角矩阵M1，M2，，矩阵矩阵以及这些条件满足
[0039][0040][0041][0042][0043]Ξ
p
(τ)≥0，(p＝1,2,3)
[0044][0045][0046][0047][0048][0049][0050][0051][0052][0053][0054][0055][0056][0057][0058][0059][0060][0061][0062][0063][0064][0065][0066][0067][0068][0069][0070][0071][0072][00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法步骤S1：基于耦合神经网络，构建混合时变时滞的T
‑
S模糊有限时间离散神经网络系统模型，通过加权平均模糊混合方法，构建关于神经网络系统的全局TS模型；步骤S2：构建与其相对应的目标节点的模型；步骤S3：根据步骤S1和S2构建的混合时变时滞的T
‑
S模糊有限时间离散神经网络系统模型和与其相对应的目标节点的模型，设定同步误差，并建立同步误差系统；步骤S4：根据步骤S3建立的同步误差，设计模糊牵制同步控制器；步骤S5：基于Lyapunov稳定性理论得到确保整个神经网络系统有限时间H∞同步的充分性。2.根据权利要求1所述的一种受双切换机制的T
‑
S模糊有限时间离散神经网络H∞同步控制方法其特征在于，具体包括以下步骤：步骤S1：构建具有N个耦合节点的马尔可夫切换离散时间神经网络，其模糊规则如下：模糊规则模糊规则式中κ(k)＝{κ1(k),κ2(k),,κ
i
(k)}为提前变量，是由隶属变量描述的模糊集，其中m＝1,2,,r是模糊规则的数目。分别是第p个节点的状态向量、受控输出向量和控制器信号。σ(k)代表动态行为中出现的时变延迟，是扰动输入向量。而是外部输入向量。f(x
p
(k))＝vec
n
{f
p
(x
p
(k))}和vec
n
{h
p
(x
p
(k
‑
σ(k)))}是非延迟和延迟节点激活函数。ν
p
(s)是初始状态。L代表内部耦合参数矩阵。是网络结构的外部耦合矩阵，其中和和是具有适当维数的权重矩阵，它遵循马尔可夫过程{γ(k),k≥0}，有限集合内的k＝{1,2,,v}。通过加权平均模糊混合方法，关于子系统的全局TS模型被描述为:其中表示归一化隶属函数的简化满足
其中是κ
h
(k)在中的隶属度。根据模糊集的定义，使得和另外双切换转移矩阵表示为其中γ(k)为马尔科夫切换，η(k)表示为MDADT切换规则。步骤S2：根据步骤S1全局TS模型，构建与其相对应的目标节点的模型为：其中分别是目标状态和相应控制输出行...

【专利技术属性】
技术研发人员：张斌磊，伍锡如，张雨秋，王浩轩，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：