×
宋雪丽;彭继根

研究时变时滞非线性系统指数稳定性的一种新方法。 （英语） Zbl 1213.34086号

J.计算。申请。数学。 235，第6期，1700-1705（2011）.
利用广义Dahlquist常数、广义相对Dahlquister常数和相对最小Lipschitz常数的概念，分析了具有时变时滞的非线性系统的稳定性。特别地，得到了具有时变时滞的非线性系统指数稳定的两个充分条件，这两个条件提供了系统解的指数衰减估计。
审核人：亚历山大·伊格纳提耶夫（顿涅茨克）

引用于9文件

MSC公司：

34K20码 泛函微分方程的稳定性理论

关键词：

指数稳定性;广义达尔奎斯特常数
PDF格式BibTeX公司 XML格式引用
\textit{S.雪莉}和\textit{P.吉根}，J.计算机。申请。数学。235，第6号，1700--1705（2011；Zbl 1213.34086）
全文： 内政部

参考文献：

[1] Söderlind，G.，《非线性差分和微分方程》，BIT数值数学，24，4，667-680（1984）·Zbl 0557.65043号
[2] 彭嘉庚。；Xu，Z.B.，关于Lipschitz算子非线性半群的渐近行为及其应用，数学学报。罪。，45, 6, 1099-1106 (2002) ·兹比尔1049.47053
[3] 万，A.H。；彭嘉庚。；Wang，M.S.，广义相对Dahlquist常数及其在非线性系统稳定性分析中的应用，数学。申请。，18, 2, 328-332 (2005) ·Zbl 1097.34533号
[4] Mori，T。；福岛，N。；Kuwahara，M.，关于稳定线性时滞系统衰减率的估计，国际。《控制杂志》，36，1，95-97（1982）·Zbl 0483.93057号
[5] 巴塞洛缪斯，A.G。；Damblene，M。；Richard，J.P.，具有时变时滞的扰动系统的稳定性，系统控制快报。，31, 155-163 (1997) ·Zbl 0901.93047号
[6] 胡S.H。；Huang，L.H。；Yi，T.S.，一类时滞微分方程组有界解的收敛性，非线性分析。，61, 543-549 (2005) ·Zbl 1075.34078号
[7] Linh，N.M。；Phat，V.N.，非线性时变微分方程的指数稳定性及其应用，Electron J.Differ。Equ.、。，N-34，1-14（2001）·Zbl 0974.34054号
[8] Morita，M.，联想记忆与非单调动力学，神经网络。，6, 1, 115-126 (1993)
[9] Ni，M.L。；Er，M.J.，《时滞扰动线性系统的稳定性：LMI方法》，IEEE Trans。自动化。控制，49，108-112（2002）·Zbl 1368.93604号
[10] Niamsup，P。；韩国奉达西。；Phat，V.N.，具有非线性时滞扰动的时变系统的改进指数稳定性，应用。数学。计算。，204, 1, 490-495 (2008) ·Zbl 1168.34355号
[11] 彭嘉庚。；乔·H。；Xu，Z.B.，时变时滞神经网络稳定性的新方法，神经网络。，15, 1, 95-103 (2002)
[12] Phat，V.N.公司。；Niamsup，P.，线性时变时滞系统的稳定性及其在控制问题中的应用，计算机学报。申请。数学。，194, 343-356 (2006) ·Zbl 1161.34353号
[13] Phat，V.N.，线性连续时变系统的全局镇定，应用。数学。计算。，175, 1730-1743 (2006) ·Zbl 1131.93044号
[14] Wei，Z。；黄，L.，一类时滞微分系统解的渐近性，应用。数学。莱特。，22, 2, 221-225 (2009) ·Zbl 1163.34362号
[15] Yi，T.S。；Huang，L.H.，一类微分方程组解的渐近行为，数学学报。罪恶。（英文版），231375-1384（2007）·Zbl 1152.34054号
[16] Zevin，A。；Pinsky，M.，具有有界非线性系统的指数稳定性和解的界，IEEE Trans。自动化。控制，481799-1804（2003）·Zbl 1364.93610号
[17] 彭嘉庚。；乔·H。；Xu，Z.B.，时变时滞神经网络稳定性的新方法，神经网络。，15, 95-103 (2002)
[18] Driver，R.D.，《常微分方程和时滞微分方程》（1977），Springer-Verlage:Springer-Verlage纽约·Zbl 0374.34001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。