馬爾科夫跳變時滯神經網絡穩(wěn)定性分析與狀態(tài)估計.pdf

1、本文研究馬爾科夫跳變時滯神經網絡的穩(wěn)定性分析和狀態(tài)估計問題。首先通過馬爾科夫跳變神經網絡穩(wěn)定性概念,建立神經網絡穩(wěn)定性充分條件,并將結果寫成線性不等式矩陣(LMIs)形式,然后進行狀態(tài)估計器設計,將狀態(tài)估計器存在的充分條件歸結為線性矩陣不等式(LMIs)的可行解問題。最后用Matlab仿真軟件LMI工具箱對研宄內容進行數(shù)值仿真。研宄的工作內容主要分為以下幾部分:
　　第一部分,對馬爾科夫跳變分布式時滯神經網絡進行穩(wěn)定性分析和狀態(tài)估

2、計。利用Lyapunov-Krasovskii泛函方法、積分不等式方法等,建立漸近均方穩(wěn)定性條件,并將結果轉化成線性矩陣不等式形式;然后進一步設計系統(tǒng)狀態(tài)估計器,用于準確估計該神經網絡內部狀態(tài);最后用Matlab仿真軟件L M I工具箱對研宄內容進行數(shù)值仿真。
　　第二部分,研宄具有參數(shù)不確定性的馬爾科夫跳變分布式時滯神經網絡穩(wěn)定性分析和狀態(tài)估計。利用Lyapunov-Krasovskii泛函方法、W irtinger積分不等式方

3、法,得到比第一部分保守性更小的穩(wěn)定性條件,在此基礎上設計狀態(tài)估計器,狀態(tài)估計器存在的充分條件以線性矩陣不等式(L M Is)的形式表示,最后通過數(shù)值例子進行仿真驗證。
　　第三部分,主要考慮含轉移概率部分未知的馬爾科夫跳變時滯神經網絡穩(wěn)定性分析與狀態(tài)估計。首先利用Lyapunov-Krasovskii泛函方法、和轉移概率和為零特征,得到系統(tǒng)漸近均方穩(wěn)定條件;然后再次利用Lyapunov-Krasovskii泛函方法,得到以線性矩陣