×

基于干扰抑制的混合驱动非线性复杂动态网络簇同步。 (英语) Zbl 07816509号

摘要:本文研究了具有非线性和外部扰动的多权复杂动态网络的簇同步和扰动抑制问题。特别地,实现了一种混合触发控制方案,以根据预先指定的触发条件减轻网络传输的负担,在该触发条件下,每个节点将独立地向控制器发送其信号。更具体地说,引入伯努利分布随机变量来描述通信方案的切换规律。同时,借助于改进的等效输入干扰估计器方法,实现了干扰抑制性能。通过构造合适的Lyapunov-Krasovskii泛函并利用随机理论,得到了线性矩阵不等式形式的充分判据。基于这些设置,建立了反馈增益矩阵和触发参数,以确认所考虑网络的期望集群同步性能。最后,给出了包括Lur’e网络在内的两个示例,并进行了仿真,这明显证明了所得结果的有效性。
©2023 John Wiley&Sons有限公司。

MSC公司:

93D99型 控制系统的稳定性
93B70型 网络控制
93立方 由微分方程以外的函数关系控制的控制/观测系统(例如混合系统和开关系统)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] HuangC、ZhangX、LamHK、TsaiSH。使用基于模糊模型的方法对带有反应扩散项的非线性复杂网络进行同步分析。IEEE Trans Fuzzy系统。2020;29(6):1350‐1362.
[2] 张瑞、曾德、ParkJH、刘毅、钟斯。控制器增益随机变化的延迟复杂动态网络的非脆弱采样数据同步。IEEE Trans-Syst、Man、Cybern:系统。2017;48(12):2271‐2281.
[3] QiuSH、HuangYL、RenSY。具有或不具有耦合延迟的多权重复杂动态网络的有限时间同步。神经计算。2018年;275:1250‐1260.
[4] 张XX、王JL、黄YL、RenSY。具有固定拓扑和切换拓扑的多权重复杂动态网络的无源性分析和钉扎控制。神经计算。2018年;275:958‐968.
[5] SakthivelR、SakthivilR、KwonOM、SelvarajP。具有执行器故障和输入饱和的随机T-S模糊多加权复杂动态网络的同步。IET控制理论应用。2020;14(14):1957年-1967年。
[6] 海庆泽,袁伟杰。稳健
[( {高}_{\infty}\]\)一类复杂动态网络同步的基于观测器的控制。Chin Phys B.2011;20(6):1‐11.
[7] 戴赫、陈伟、贾杰、刘杰、张泽。通过事件触发通信实现具有时变内部耦合的复杂动态网络的指数同步。神经计算。2017;245:124‐132.
[8] 王强、王杰、黄玉林、仁赛。具有和不具有时滞的多重加权复杂网络的广义滞后同步。《J Franklin Inst.2018》;355(14):6597‐6616. ·Zbl 1398.93036号
[9] TangZ、ParkJH、FengJ。在Lur’e形式的复杂动态网络上实现pin簇同步的新方法。通用非线性科学数字仿真。2018年;57:422‐438. ·Zbl 1510.93294号
[10] WangX、SheK、ZhongS、YangH。具有不同节点和脉冲效应的时滞复杂动力网络的钉扎簇同步。非线性动力学。2017;88(4):2771‐2782. ·Zbl 1398.93295号
[11] LingG、LiuX、GeMF、WuY。基于延迟钉扎脉冲控制的含噪声时变复杂动态网络的时滞相关簇同步。J Franklin Inst.2021;358(6):3193‐3214. ·Zbl 1464.93059号
[12] 张X、李C、何Z。时滞耦合神经网络的簇同步:时滞相关分布式脉冲控制。神经网络。2021;142:34‐43·Zbl 1526.93254号
[13] ShiL、ZhuH、ZhongS、ShiK、ChengJ。通过线性和自适应反馈钉扎控制实现线性耦合复杂网络的簇同步。非线性动力学。2017;88(2):859‐870. ·Zbl 1375.34080号
[14] WangX、ParkJH、YangH、ZhongS。一种用于具有参数失配的复杂网络簇同步的改进脉冲控制方法。IEEE Trans Syst,Man,Cybern:系统。2021;51(4):2561‐2570.
[15] LeeSH、ParkMJ、KwonOM、SelvarajP。改进了混沌神经网络的同步准则,采样数据控制受执行器饱和影响。国际J控制自动化系统。2019;17(9):2430‐2440.
[16] 刘克,弗里德曼。Wirtinger不等式和基于Lyapunov的采样数据稳定性。自动化。2012;48(1):102‐108. ·Zbl 1244.93094号
[17] LiX、TangY、KarimiHR。通过完全分布式事件触发控制达成多代理系统共识。自动化。2020;116:108898. ·Zbl 1440.93235号
[18] DongX、ZhangX、SunT。一类级联切换非线性系统的事件触发控制。非线性动力学。2021;105(2):1533‐1541.
[19] XiaoX、Zhou L、HoDW、LuG。连续时间切换线性系统的事件触发控制。IEEE Trans Autom控制。2018年;64(4):1710‐1717. ·Zbl 1482.93294号
[20] ShenH、WangY、XiaJ、ParkJH、Wang Z。半马尔可夫切换拓扑下多智能体系统的容错领导-遵循共识:事件触发控制方案。非线性分析:混合系统。2019;34:92‐107. ·Zbl 1434.93085号
[21] 刘德,杨格。具有执行器饱和的复杂网络的事件触发同步控制。神经计算。2018年;275:2209‐2216.
[22] 邹伟,ShiP,XiangZ,ShiY。基于事件触发策略的切换随机非线性多智能体系统的一致跟踪控制。IEEE Trans Neural Netw学习系统。2019;31(3):1036‐1045.
[23] HaiX、RenG、YuY、XuC、ZengY。通过事件触发策略固定分数和脉冲复杂网络的同步。通用非线性科学数字仿真。2020;82:105017. ·Zbl 1457.93058号
[24] 鹏D,锂X。通过事件触发脉冲控制实现复杂动态网络的前导跟随同步。神经计算。2020;412:1‐10.
[25] CaoJ TanX。具有双事件驱动的间歇控制,用于复杂网络中的领导-跟随同步。应用数学模型。2018年;64:372‐385. ·Zbl 1480.93012号
[26] 刘杰、扎勒、曹洁、菲斯。网络控制系统的基于混合驱动的稳定性。IET控制理论应用。2016;10(17):2279‐2285.
[27] 刘杰、吴志刚、岳德、帕克JH。使用混合驱动机制和概率网络攻击稳定网络控制系统。IEEE Trans-Syst、Man、Cybern:系统。2019;51(2):943‐953.
[28] 曹杰、丁丁、刘杰、田娥、胡斯、谢克斯。多重网络攻击下网络控制系统的基于混合触发的安全控制器设计。信息科学。2021;548:69‐84. ·Zbl 1478.93239号
[29] 曹毅、蔡毅、张伯乐、王斌。基于混合动力驱动
[( {高}_{\infty}\]\)网络环境中海上钢导管架平台的控制。IEEE接入。2020;8:56151‐56159.
[30] ZhaoY、LiX、RaoR。通过基于观测器的滑模控制实现具有未知扰动的非等同复杂动态网络的同步。神经计算。2021;454:441‐447.
[31] 姚Z、梁X、赵Q、姚J。基于自适应扰动观测器的液压系统渐近稳定控制。应用数学模型。2022;105:226‐242. ·兹比尔1505.93130
[32] SakthivelR、MohanapriyaS、SelvarajP、KarimiHR、AnthoniSM。广义时变时滞系统基于EID估计器的改进重复控制。非线性动力学。2017;89(2):1141‐1156. ·Zbl 1384.93080号
[33] 周莉、舍杰、张XM、张Z。基于等效输入干扰方法改进重复控制系统的干扰抑制性能。国际系统科学杂志。2020;51(1):49‐60·Zbl 1483.93428号
[34] DuY、CaoW、SheJ、WuM、FangM、KawataS。采用改进的等效输入干扰方法进行干扰抑制和控制系统设计。IEEE Trans Ind Electron公司。2019;67(4):3013‐3023.
[35] YuP、WuM、SheJ、LiuKZ、NakanishiY。针对具有状态时滞和扰动的重复控制系统,提出了一种改进的等效输入扰动方法。IEEE Trans Ind Electron公司。2017;65(1):521‐531.
[36] YuP、LiuKZ、WuM、SheJ。改进的等效输入扰动方法基于
[( {高}_{\infty}\]\)控件。IEEE Trans Ind Electron公司。2019;67(10):8670‐8679.
[37] 黄,李杰,福世茂,张C,何杰,赵凯。一种改进的PMSM退磁故障驱动等效输入扰动方法。ISA事务。2020;105:120‐128.
[38] Zhao C、Zhong S、Zhang X、ZhongQ、ShiK。延迟复杂动态网络非脆弱采样数据指数同步的新结果。国际J鲁棒非线性控制。2020;30(10):4022‐4042. ·Zbl 1466.93133号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。