×
徐立光;胡红晓;葛树之·山姆

脉冲随机时滞差分系统的指数极限有界性。 （英语） Zbl 1390.93739号

国际J鲁棒非线性控制 28，第3期，781-797（2018）。
摘要：本文研究脉冲随机时滞差分系统的指数极限有界性问题。利用Lyapunov方法和代数不等式技巧给出了全局矩指数极限有界的几个充分条件，并给出了估计的指数收敛速度和极限界。作为应用，将有界性准则应用于一类离散脉冲时滞随机神经网络。结果表明，脉冲不仅可以使不稳定随机差分时滞系统稳定，而且可以使无界随机差分滞后系统变为有界系统。还提供了示例和仿真来证明所导出的理论结果的有效性。

引用于6文件

MSC公司：

93E03型 控制理论中的随机系统（一般）
49N25号 脉冲最优控制问题
93C55美元 离散时间控制/观测系统
93D05型 Lyapunov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）

关键词：

延迟差分系统;指数极限有界性;脉冲控制;随机效应
PDF格式BibTeX公司 XML格式引用
\textit{L.Xu}等人，《国际鲁棒非线性控制》28，第3期，781--797（2018；Zbl 1390.93739）
全文： 内政部

参考文献：

[1] 海金斯。神经网络：综合基础。纽约：麦克米伦学院出版公司；1994. ·Zbl 0828.68103号
[2] ArunkumarA、SakthivelR、MathiyalaganK、ParkJH。离散时间模糊马尔可夫跳跃神经网络的鲁棒随机稳定性。ISA事务。2014;53(4):1006‐1014.
[3] 梁杰、王Z、刘毅、刘X。耦合随机离散时滞神经网络阵列的鲁棒同步。IEEE Trans神经网络。2008年；19(11):1910‐1921.
[4] 刘毅、王Z、刘X。具有时变时滞的离散时间随机神经网络的鲁棒稳定性。神经计算。2008年；71(4):823‐833.
[5] MathiyalaganK、SakthivelR、AnthoniSM。离散时间随机模糊不确定神经网络的指数稳定性结果。Phys Lett A.2012；376（8）：901‐912·Zbl 1255.92005年
[6] 罗基纳A，BasinM。带volterra扩散项的向量非线性随机时滞差分方程的时滞相关稳定性。系统控制许可。2007;56(6):423‐430. ·Zbl 1124.93066号
[7] 谢赫特。变时滞随机线性差分方程组的稳定性。理论斯托克过程。1998;4(1‐2):258‐273. ·Zbl 0938.93059号
[8] 谢赫特。Lyapunov泛函与随机差分方程的稳定性。伦敦：斯普林格·弗拉格；2011. ·Zbl 1255.93001号
[9] 宋强、梁杰、王Z。具有时变延迟的离散时间随机神经网络的无源性分析。神经计算。2009;72(7):1782‐1788.
[10] WangZ、HoDW、LiuY、LiuX。一类具有缺失测量的非线性离散时滞随机系统的鲁棒控制。自动化。2009;45(3):684‐691. ·Zbl 1166.93319号
[11] WangZ、LiuY、WeiG、LiuX。关于一类具有分布时滞和非线性扰动的离散随机系统的控制的注记。自动化。2010;46(3):543‐548. ·Zbl 1194.93134号
[12] WuZG、ShiP、SuH、ChuJ。具有时变时滞的离散时间随机神经网络的耗散性分析。IEEE Trans Neural Netw学习系统。2013;24(3):345‐355.
[13] XuL、GeSS。时变时滞非线性随机差分系统的指数极限有界性。国际J控制。2015;88（5）：983‐989·Zbl 1316.93106号
[14] XuS、LamJ、ChenT。不确定离散随机时滞系统的鲁棒控制。系统控制许可。2004;51(3):203‐215. ·兹比尔1157.93372
[15] BalachandranK、KarthikeyanS、ParkJ。控制中具有分布时滞的随机系统的能控性。国际J控制。2009;82(7):1288‐1296. ·Zbl 1168.93004号
[16] 毛克斯。中立型随机微分方程均方指数稳定性。系统控制许可。1995;26(4):245‐251. ·Zbl 0877.93133号
[17] 毛克斯。随机微分方程及其应用。第二版，奇切斯特，英国：霍伍德；2007. ·Zbl 1138.60005号
[18] 毛克斯。随机泛函微分方程指数稳定性的Razumikhin型定理。Stoch工艺应用。1996;65(2):233‐250. ·Zbl 0889.60062号
[19] 穆罕默德海。随机泛函微分方程。波士顿、伦敦、墨尔本：皮特曼高级出版计划；1984. ·Zbl 0584.60066号
[20] SakthivelR、SelviS、MathiyalaganK、ArunkumarA。随机时滞不确定随机系统的鲁棒可靠采样数据（H_）控制。复杂性。2015;21(1):42‐58.
[21] SakthivelR、SelviS、MathiyalaganK、ShiP。具有概率时滞和执行器故障的模糊马尔可夫切换系统的可靠混合（H_）和基于无源性的控制。IEEE Trans Cybern公司。2015;45(12):2720‐2731.
[22] 徐德、杨姿、黄毅。随机泛函微分方程的存在唯一性和连续性定理。J差异Equat。2008年；245(6):1681‐1703. ·Zbl 1161.34055号
[23] 徐德、李斌、龙胜、腾利。随机泛函微分方程解的矩估计和存在性。非线性分析。2014;108:128‐143. ·兹比尔1304.34134
[24] 周X、周伟、戴亚、杨杰、谢莉。具有多个时变时滞的随机神经网络的渐近稳定性。国际J控制。2015;88（3）：613‐621·Zbl 1328.93222号
[25] AlwanMS、LiuX、XieWC。时滞随机脉冲系统的存在性、连续性和唯一性问题。富兰克林研究所2010；347(7):1317‐1333. ·Zbl 1205.60107号
[26] KarthikeyanS，BalachandranK。一类控制时滞随机脉冲系统的能控性。国际系统科学杂志。2013;44(1):67‐76. ·兹比尔1307.93069
[27] 刘杰、刘翔、谢文凯。随机泛函微分方程的脉冲镇定。应用数学函件。2011;24(3):264‐269. ·Zbl 1209.34097号
[28] SakthivelR、SamiduraiR、AnthoniSM。具有脉冲效应的随机时滞递归神经网络的渐近稳定性。最优化理论应用杂志。2010;147(3):583‐596. ·Zbl 1211.93108号
[29] XuL、HeD、MaQ。时滞随机微分方程的脉冲镇定。数学计算模型。2013;57(3):997‐1004. ·Zbl 1305.34141号
[30] 许LG，卫生部。脉冲随机泛函微分方程的渐近性。数学学报，英语系列。2014;30(6):1061‐1072. ·Zbl 1294.34076号
[31] 许L，许D。一类脉冲随机泛函微分方程的吸引集和不变集。计算数学应用。2009;57(1):54‐61. ·Zbl 1165.60329号
[32] 杨杰、钟S、罗伟。时滞脉冲随机微分方程的均方稳定性分析。J计算应用数学。2008年；216(2):474‐483. ·Zbl 1142.93035号
[33] LiB、SongQ。非自治时滞脉冲差分方程的渐近行为。应用数学模型。2011;35(7):3423‐3433. ·Zbl 1221.39023号
[34] 朱伟。具有连续变量的脉冲时滞差分方程的不变集和吸引集。计算数学应用。2008年；55(12):2732‐2739. ·Zbl 1142.39312号
[35] 伦敦银行。连续时间脉冲随机差分方程的吸引集。应用数学函件。2012;25(8):1166‐1171. ·Zbl 1246.39015号
[36] XuL、GeSS。脉冲随机微分系统的pth矩指数极限有界性。应用数学函件。2015;42:22‐29. ·Zbl 1310.93076号
[37] LiuX，WangQ。李雅普诺夫泛函方法与时滞脉冲系统的指数稳定性。非线性分析。2007;66(7):1465‐1484. ·兹比尔1123.34065
[38] WangJ、ParkJH、ShenH、WangJ。随机不确定性时滞神经网络的时滞相关鲁棒耗散性条件。应用数学计算。2013;221:710‐719. ·兹比尔1329.93150
[39] 陈浩、郑伟新。可变时滞脉冲神经网络的全局指数稳定性：LMI方法。IEEE Trans Circuits System I：注册文件。2009;56(6):1248‐1259. ·Zbl 1468.34098号
[40] Wu S、LiC、Liax、DuanS。时滞脉冲离散系统的指数稳定性及其在随机神经网络中的应用：Razumikhin方法。神经计算。2012;82:29‐36.
[41] DuanS、HuW、LiC、WuS。具有随机扰动和脉冲的离散时滞hopfield神经网络的指数稳定性。数学成绩。2012;62(1‐2):73‐87. ·Zbl 1252.93127号
[42] LiC、WuS、FengGG、Liax。离散时滞神经网络中脉冲的稳定效应。IEEE Trans神经网络。2011;22（2）：323‐329。
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。