×
陈刚；陈云；王伟；李亚奇；曾红兵

量化延迟神经网络的事件触发可靠耗散滤波。 （英语） Zbl 1485.93343号

电路系统。信号处理。 40，第2期，648-668（2021）。
摘要：本文研究了量化时滞神经网络的事件触发可靠耗散滤波。首先，引入事件触发方案以节省有限的网络资源，通过该方案，采样信号是否应传输到量化器取决于预定义的事件触发条件。其次，利用事件触发方案，建立了一个新的统一采样数据滤波误差系统，以解决量化神经网络的耗散滤波问题。第三，利用Lyapunov-Krasovskii泛函方法，得到了保证滤波误差系统渐近稳定性和严格耗散性的充分判据。然后，基于一组线性矩阵不等式的解，可以共同设计适当的事件触发参数和滤波器参数。最后，通过两个算例的数值仿真验证了该方法的有效性和优越性。

引用于5文件

MSC公司：

93元65角 离散事件控制/观测系统
93E11号机组 随机控制理论中的滤波
93D05型 李亚普诺夫和控制理论中的其他经典稳定性（拉格朗日、泊松、（L^p、L^p）等）
68T07型 人工神经网络与深度学习

关键词：

延迟神经网络；耗散滤波；事件触发控制；量化；稳定性
PDF格式BibTeX公司 XML格式引用
\textit｛G.Chen｝等人，电路系统。信号处理。40，编号2，648--668（2021；Zbl 1485.93343）
全文： 内政部

参考文献：

[1] 阿里，理学硕士；萨拉瓦纳库马尔，R。；Ahn、CK；Karimi，HR，具有泄漏时滞和混合时变时滞的神经网络的随机（H_{infty}）滤波，信息科学。，388, 118-134 (2017) ·Zbl 1432.93356号
[2] Arslan，E。；瓦迪维尔，R。；阿里，理学硕士；Arik，S.，通过采样数据对延迟神经网络进行事件触发滤波，神经网络。，91, 11-21 (2017) ·Zbl 1441.93308号
[3] 布罗格里亚托，B。；罗扎诺，R。；Maschke，B。；Egeland，O.，《耗散系统分析与控制：理论与应用》（2007），伦敦：施普林格出版社，伦敦·兹比尔1121.93002
[4] Balasubramaniam，P。；卡尔帕纳，M。；Rakkiyappan，R.，泄漏项中具有时滞和无界分布时滞的模糊细胞神经网络的存在性和全局渐近稳定性，电路系统。信号处理。，30, 1595-1616 (2011) ·Zbl 1238.93085号
[5] 陈，G。；陈，Y。；Zeng，HB，量化采样数据系统的事件触发（H_{infty}）滤波器设计，ISA Trans。，101, 170-176 (2020)
[6] 陈，Y。；Chen，G.，通过新的Lyapunov泛函分析时变时滞系统的稳定性，IEEE/CAA J.Autom。Sinica，6，4，1068-1073（2019）
[7] Cheng，J。；朴槿惠；曹，J。；Zhang，D.，具有逗留概率和不可靠通信信道的切换线性参数维系统的量化滤波，Inf.Sci。，466, 289-302 (2018) ·Zbl 1448.93323号
[8] 傅，M。；谢，L.，量化反馈控制的扇区边界方法，IEEE Trans。自动。控制，50，11，1698-1711（2005）·Zbl 1365.81064号
[9] 何毅。；Ji，医学博士；张，CK；Wu，M.，基于自由矩阵积分不等式的时变时滞神经网络的全局指数稳定性，神经网络。，77, 80-86 (2016) ·Zbl 1417.34174号
[10] Ji，医学博士；何毅。；吴，M。；张，CK，关于时变时滞神经网络指数稳定性的进一步结果，应用。数学。计算。，256, 175-182 (2015) ·Zbl 1338.92020号
[11] 莉安，HH；肖，SP；王，Z。；张，XH；Xiao，HQ，执行器饱和混沌神经网络采样数据同步控制的进一步结果，神经计算，346，30-37（2019）
[12] 刘杰。；Tang，J。；Fei，S.，时滞量化神经网络的事件触发滤波器设计，神经网络。，82, 39-48 (2016) ·Zbl 1429.93384号
[13] 刘，YJ；郭，BZ；朴槿惠；Lee，S.，异步约束T-S模糊系统基于事件的可靠耗散滤波，IEEE Trans。模糊系统。，26, 4, 2089-2098 (2018)
[14] 刘凯。；弗里德曼，E。；Johansson，KH，不确定线性网络控制系统的动态量化，Automatica，59，248-255（2015）·Zbl 1326.93109号
[15] 马，L。；王，Z。；韩，QL；Lam，HK，具有量化效应的非线性系统的包络约束滤波：有限水平情况，Automatica，93，527-534（2018）·Zbl 1400.93073号
[16] 马，L。；王，Z。；韩，QL；Liu，Y.，带执行器故障和混合时滞的非线性Markov跳跃系统的耗散控制，Automatica，98，358-362（2018）·Zbl 1406.93372号
[17] 潘，H。；Sun，W.，车辆主动悬架系统的非线性输出反馈有限时间控制，IEEE Trans。Ind.通知。，2073-2082年4月15日（2018年）
[18] 潘，H。；景，X。；Sun，W。；Li，Z.，噪声环境中仿生振动传感器系统的分析与设计，IEEE/ASME Trans。机械。，23, 2, 845-855 (2018)
[19] 彭，C。；Yang，TC，《网络控制系统的事件触发通信和（H_{infty}）控制协同设计》，Automatica，49，5，1326-1332（2013）·Zbl 1319.93022号
[20] Seuret，A。；Gouaisbaut，F.，时滞系统稳定性分析的LMI条件层次，系统。控制信函。，81, 1-7 (2015) ·Zbl 1330.93211号
[21] 苏·L。；Chesi，G.，具有输入输出量化和数据包丢失的不确定线性系统的鲁棒稳定性，Automatica，87，267-273（2018）·Zbl 1378.93100号
[22] Tan，Y。；杜，D。；Qi，Q.，具有事件触发通信方案的马尔可夫跳跃系统的状态估计，电路系统。信号处理。，36, 1, 2-24 (2017) ·Zbl 1368.94039号
[23] Wang，J。；张，XM；Han，QL，时变时滞神经网络的事件触发广义耗散滤波，IEEE Trans。神经网络。学习。系统。，27, 1, 77-88 (2016)
[24] Wang，L。；王，Z。；魏，G。；Alsaadi，FE，具有基于组件的事件触发协议的递归延迟神经网络的有限时间状态估计，IEEE Trans。神经网络。学习。系统。，29, 4, 1046-1057 (2018)
[25] Wang，W。；曾，HB；Teo，KL，基于自由矩阵的时滞神经网络与采样数据控制同步的非连续Lyapunov泛函，Chin。物理学。B、 2011年11月26日，邮编：110503（2017）
[26] Wang，Y。；谢林。；Souza，C.，一类不确定非线性系统的鲁棒控制，系统。控制信函。，1939-149（1992年）·Zbl 0765.93015号
[27] Willems，JC，耗散动力系统第二部分：具有二次供给率的线性系统，Arch。定额。机械。分析。，45, 5, 352-393 (1972) ·Zbl 0252.93003号
[28] H.C.Yan，J.Sun，H.Zhang，X.Zhan，F.Yang，具有非齐次马尔可夫切换的2-DOF四分位悬挂系统的事件触发状态估计。IEEE传输。系统。人类网络。系统。(2018). doi:10.1109/TSMC.2018.2852688
[29] 严，HC；胡，CY；张，H。；Karimi，人力资源部；蒋，XW；Liu，M.，（H_{\infty}）自适应调整事件触发网络系统的输出跟踪控制，IEEE Trans。系统。人类网络。系统。，49, 10, 2050-2058 (2019)
[30] H.C.Yan、J.N.Wang、H.Zhang、H.Shen、X.S.Zhan，遭受攻击的随机网络系统的基于事件的安全控制。IEEE传输。系统。曼赛博。系统。(2018). doi:10.1109/TSMC2018.2856819
[31] 严，HC；田，YX；李，HY；张，H。；Li，ZC，非线性半马尔可夫跳跃系统的输入-输出有限时间均方稳定，Automatica，104，82-89（2019）·Zbl 1415.93286号
[32] 阳，右；张，H。；冯·G。；严，HC；Wang，ZP，通过自适应事件触发控制实现多智能体系统的鲁棒合作输出调节，Automatica，102，129-136（2019）·Zbl 1415.93100号
[33] 岳，D。；田，E。；Han，QL，设计网络控制系统事件触发控制器的延迟系统方法，IEEE Trans。自动。控制，58，2，475-481（2013）·Zbl 1369.93183号
[34] 曾，HB；特奥，吉隆坡；何毅。；Xu，H。；Wang，W.，执行器饱和下混沌神经网络的采样数据同步控制，神经计算，260，25-31（2017）
[35] 曾，HB；何毅。；她，P。；吴，M。；Xiao，SP，时变时滞神经网络的耗散性分析，神经计算，168，741-746（2015）
[36] 曾，HB；朴槿惠；张，CF；Wang，W.，具有区间时变延迟的静态神经网络的稳定性和耗散性分析，J.Frankl。研究所，352，3，1284-1295（2015）·兹比尔1307.93446
[37] 曾，HB；特奥，吉隆坡；何毅。；Wang，W.，T-S模糊系统基于采样数据的耗散控制，应用。数学。型号。，65, 415-427 (2019) ·Zbl 1481.93075号
[38] 曾，HB；特奥，吉隆坡；He，Y.，《用于样本数据系统稳定性分析的新环函数》，Automatica，82，328-331（2017）·Zbl 1372.93153号
[39] 曾，HB；翟，ZL；何毅。；特奥，吉隆坡；Wang，W.，关于时滞采样数据系统稳定性的新见解，应用。数学。计算。，374, 125041 (2020) ·Zbl 1433.93110号
[40] 张，CK；何毅。；江，L。；王，QG；Wu，M.，通过扩展的互易凸矩阵不等式分析时变时滞离散时间神经网络的稳定性，IEEE Trans。赛博。，4730403-0049（2017）
[41] 张，CK；何毅。；江，L。；Wu，M.，考虑保守性和复杂性的时滞神经网络稳定性分析，IEEE Trans。神经网络。学习。系统。，27, 7, 1486-1501 (2016)
[42] 张，H。；王，ZP；严，HC；Yang，FW；Zhou，X.，具有交换拓扑的滤波网络上的自适应事件触发传输方案和（H_{infty}）滤波联合设计，IEEE Trans。网络。，49, 12, 4296-4307 (2019)
[43] 张，XM；Han，QL，多传感器系统的分散事件触发耗散控制方案，用于对系统输出进行采样，IEEE Trans。赛博。，46, 12, 2745-2757 (2016)
[44] 张，XM；韩，QL；Zeng，Z.，基于正则Bessel-Legendre不等式的时滞神经网络的层次型稳定性准则，IEEE Trans。赛博。，48, 5, 1660-1671 (2018)
[45] 张，XM；韩，QL；Wang，J.，时变时滞神经网络全局渐近稳定性的容许时滞上界，IEEE Trans。神经网络。学习。系统。，29, 11, 5319-5329 (2018)
[46] 张，XM；Han，QL，使用基于矩阵的二次凸方法对延迟神经网络进行全局渐近稳定性分析，神经网络。，54, 57-69 (2014) ·Zbl 1322.93079号
[47] 张，XM；韩，QL；Ge，X。；Ding，D.，Lyapunov-Krasovskii泛函和时变时滞递归神经网络稳定性准则的最新发展概述，神经计算，313392-401（2018）
[48] ZM Zhang；何毅。；吴，M。；Wang，QG，通过动态间歇输出反馈控制实现时变时滞神经网络的指数同步，IEEE Trans。系统。人类网络。系统。，49, 3, 612-622 (2019)
[49] 周，L。；她，J。；周，S。；Li，C.，修正重复控制系统中状态相关非线性的补偿，Int.J.鲁棒非线性控制，28，12113-226（2018）·Zbl 1387.93074号
[50] 周，L。；她，J。；张，X。；曹，Z。；Zhang，Z.，RCS的性能增强及其在卡盘工件系统跟踪控制中的应用，IEEE Trans。Ind.Electron公司。，67, 5, 4056-4065 (2020)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。