买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：盐城工学院

摘要：本发明公开了一种多模态惯性神经网络的量化同步控制方法及系统，包括建立具有混合时滞的多模态惯性神经网络驱动系统和响应系统；构建所述驱动系统和响应系统的同步误差系统，并设计自适应量化控制器；根据所述同步误差系统与所述自适应量化控制器，建立合适的李雅普诺夫函数，确定所述自适应量化控制器的控制增益参数，使得所述响应系统与驱动系统达到指数同步；搭建多模态惯性神经网络模型并进行数值仿真，验证驱动系统和响应系统之间的指数同步效果；搭建多模态惯性神经网络的量化同步控制系统，包括构建模块、指数同步条件计算模块、设置模块和验证模块。本发明控制成本低且能有效提高通信效率，减少信号传输通道的阻塞。

主权项：1.一种多模态惯性神经网络的量化同步控制方法，其特征在于，包括以下步骤：步骤S1：建立具有混合时滞的多模态惯性神经网络驱动系统和响应系统，具体包括以下步骤：步骤S1-1：建立具有混合时滞的多模态惯性神经网络驱动系统为： 其中，p＝{1,2,…,n}，n表示所述驱动系统中神经元的个数；表示所述驱动系统中第p个神经元的状态，代表N维欧几里得空间；是xpt的二阶导数，表示表示所述驱动系统的惯性项；表示所述驱动系统神经元的激活函数，且满足|fqy-fqx|≤lq|y-x|，其中lq为正常数，且y≠x为已知参数；δt和τt分别表示离散时滞和分布时滞，且满足0δt≤δ和0τt≤τ；K＝max{δ,τ}；Iprt是系统的外部输入；aprt和bprt是正常数，和所述驱动系统的连接权重，表示n×n的实数矩阵；是xps的一阶导数；φps和ψps是连续有界函数；rt是右连续的马尔可夫过程，其属于集合并有如下模态转换概率： 其中，χ0满足πij≥0i≠j表示从第i个模态转移到第j个模态的转移概率，πii＝-∑j≠iπij；对所述驱动系统进行变量代换降阶处理，替代函数设置为进而将驱动系统改写成如下形式： 其中，αprt＝aprt-ξp，ξp为常数；Δps是连续有界函数；步骤S1-2：建立具有混合时滞的多模态惯性神经网络响应系统为： 其中，zpt表示所述驱动系统中第p个神经元的状态；Up1t和Up2t为控制器；ep1t＝zpt-xpt，ep2t＝vpt-ypt；表示随机干扰强度，且满足|ρp1|2≤Ξp1rt|ep1|2，|ρp2|2≤Ξp2rt|ep2|2，其中Ξp1rt和Ξp2rt均为大于0的实数；Wt表示定义在完整概率空间上的布朗运动，其中Ω为样本空间，为样本空间子集，为概率；和是连续有界函数；所述响应系统中其它性能指标和驱动系统中的性能指标相同；步骤S2：根据所述驱动系统和所述响应系统，设定同步误差，构建同步误差系统，并设计自适应量化控制器，具体包括以下步骤：步骤S2-1：设定所述驱动系统和响应系统的同步误差为：ep1t＝zpt-xpt和ep2t＝vpt-ypt；步骤S2-2：根据所述的同步误差，构建同步误差系统为： 其中，Fqeq1s＝fqzqs-fqxqs，Fqeq1t＝fqzqt-fqxqt，Fqeq1t-δt＝fqzqt-δt-fqxqt-δt；步骤S2-3：设计自适应量化控制器为： 其中，ηpt为自适应指数更新率且满足等式：[t2k,t2k+1和[t2k+1,t2k+2分别表示控制器的控制时间区间和休息时间区间；为量化器，其中βp0，是初始量化参数，为量化密度，具体的量化函数定义如下： 其中，qm是量化值，θ是量化器的精确参数；步骤S3：根据所述同步误差系统与所述自适应量化控制器，建立合适的李雅普诺夫函数，确定所述自适应量化控制器的控制增益参数，使得所述响应系统指数同步于所述驱动系统，具体包括以下步骤：步骤S3-1：构建李雅普诺夫函数表达式为： 其中，γpi、ηp和εp为正常数，步骤S3-2：根据所述李雅普诺夫函数，利用李雅普诺夫稳定性理论，确定所述自适应量化控制器中的控制增益参数ηp满足如下不等式：Θp+εp-ηp1-θ0其中，且满足为正常数； 步骤S4：搭建多模态惯性神经网络模型,并利用所述多模态惯性神经网络模型进行数值仿真，验证驱动系统和响应系统之间的指数同步效果。

全文数据：

权利要求：

百度查询： 盐城工学院 一种多模态惯性神经网络的量化同步控制方法及系统