一、基于Hopfield网络的状态观测器设计方法与应用（论文文献综述）
陈浩然[1]（2021）在《基于观测器的折臂式高空作业车轨迹跟踪控制研究》文中认为
董泽宇[2]（2021）在《时变时滞离散时间高阶Cohen-Grossberg神经网络的稳定性分析和状态观测器设计》文中提出神经网络是由大量简单神经元组成的复杂网络系统,尽管其概念是独立产生的,但随着时间的流逝,它与其他学科自然的结合在一起,并且在许多实际领域都展现了非常好的应用性.并且,人们逐渐发现,与普通的低阶神经网络相比,高阶神经网络有着更好的性能.另一方面,在神经元的信息传递过程中,时滞几乎是不可避免的,所以时滞神经网络也同样受到了非常广泛的关注.本文主要研究了具有时变时滞的离散时间高阶Cohen–Grossberg（C–G）神经网络的稳定性问题和状态估计问题,主要研究内容如下:首先,研究了具有时变时滞的离散时间高阶C–G神经网络的全局指数稳定性.本文直接基于全局指数稳定性的定义获得了全局指数稳定性判据,且所得到的稳定性判据实际上是在判断一个矩阵是否为非奇异M-矩阵,这是易于验证的,一对数值算例验证了所提出方法的有效性.其次,考虑脉冲现象对稳定性的影响,研究了具有时变时滞和脉冲的离散时间高阶C–G神经网络的全局指数稳定性.我们构造了一个新的无脉冲系统,并且基于一个技术引理找到了有脉冲系统和无脉冲系统的解之间的对应关系,从而通过研究无脉冲系统的全局指数稳定性导出了有脉冲系统的全局指数稳定性判据.所得到的稳定性判据同样也是在判断一个矩阵是否为非奇异M-矩阵,一对数值算例验证了所提出方法的有效性.接着,考虑有界扰动对稳定性的影响,研究了具有时变时滞和有界扰动的离散时间高阶C–G神经网络在拉格朗日意义下的全局指数稳定性.我们直接基于拉格朗日意义下全局指数稳定性的定义给出了稳定性判据,且该稳定性判据中的矩阵不等式涉及到的决策变量的个数非常少,易于求解,数值算例验证了所提出方法的有效性.最后,研究了具有时变时滞和有界扰动的离散时间高阶神经网络的状态估计问题,我们直接基于全局指数稳定性的定义推导出了误差系统全局指数稳定性判据,并利用矩阵的Moore–Penrose逆为该神经网络设计了状态观测器,通过两个数值算例说明了所设计观测器的有效性.本文的创新性在于:（1）避免了Lyapunov–Krasovskii（L–K）泛函的构造;（2）所建立的稳定性判据易于求解,且保守性更低.更可贵的是,本文所提出的方法可适用于大多数具有脉冲和时滞的离散系统模型.
周如霞[3]（2021）在《忆阻混沌系统的动力学特性分析与同步控制》文中提出忆阻器（Memristor）的提出为细胞神经网络（Cellular Neural Network,CNN）的研究提出了一个新方向。CNN系统能够实现复杂的混沌动力学行为,忆阻器作为非线性电阻具有特殊的记忆能力,所以可以利用忆阻器构造忆阻CNN系统,来提高CNN系统的混沌特性。本文分别从物理可实现性和提高系统混沌度两个方面对忆阻器和CNN做了如下研究工作:通常具有光滑连续特性的器件具有更好的物理可实现性,为此,本文设计了一种具有光滑连续特征曲线的忆阻器模型,将其与CNN结合构造了一个四维忆阻CNN混沌系统,通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有复杂的动力学特性,所以,将四维忆阻CNN混沌系统应用在保密通信中。针对非线性系统中存在的不确定性问题,可以利用滑模控制方法来解决,考虑系统可能存在不确定性扰动,所以,采用滑模控制方法来实现混沌系统同步。为提高混沌系统同步性能,设计了一种新的滑模面,使发送端和接收端的同步误差能够在有限时间内收敛到零。通过将滑模控制四维忆阻CNN混沌系统同步应用在连续信号保密通信和图像加密中,实验结果证明了本文所设计方法的有效性。为了加强保密通信系统的安全性,构造了一个五维忆阻CNN超混沌系统,提高了系统的混沌度。通过分析其相轨迹图、分岔图、Lyapunov指数谱、Lyapunov维数和多稳态特性证明了其具有更复杂的动力学特性。在设计滑模控制五维忆阻CNN超混沌系统同步方法时,同样考虑了系统可能存在不确定性扰动的情况。将滑模控制五维忆阻CNN超混沌系统同步应用在连续信号保密通信和图像加密中,实验结果证明了本文所提出的五维忆阻CNN超混沌保密通信系统能够更好地抵御安全性攻击,有效保护信息安全。本文基于具有光滑连续特征曲线的忆阻器模型构造了四维忆阻CNN混沌系统,为了加强保密通信系统的安全性,设计了一个混沌度更高的五维忆阻CNN超混沌系统。同时,设计了新的能够加强系统鲁棒性的滑模方法来控制混沌系统同步。通过对图像加密的安全性分析,证明了五维忆阻CNN超混沌系统比四维忆阻CNN混沌系统应用在保密通信中具有更高的安全性。
王颀[4]（2020）在《无洞主复杂动态网络结构演变分析及控制设计研究》文中研究表明复杂网络作为复杂系统的一种图论模型,由众多节点及其间的连接关系构成,当节点与连接关系随时间发展变化时,就形成了复杂动态网络。从大系统的角度看,复杂动态网络是由节点群和连接关系群两个子系统耦合而成。在控制理论研究领域中,复杂动态网络作为一类重要的控制对象,囊括了诸如生物（人工）神经网络、移动通信网络、社会网络等许多现实网络,因而探索其结构特点、控制其群体行为等研究具有重要的实践和科学意义。在现有复杂网络研究领域中,实数加权复杂网络是一类重要的研究对象,它利用实数加权值的连线描述网络中节点间的连接关系,包括了 0-1连接网络、符号网络等特殊形式的网络。在现有的加权动态网络研究领域中,结合大系统思想看待网络的结构和群体行为是一种常用的方法。目前,利用这种方法探讨网络涌现同步和结构平衡等群体行为的研究已经取得了许多成果,这些研究成果不仅明晰了网络组成的结构:网络由节点群与连接关系群两个子系统耦合构成,而且明确了网络涌现群体行为的主体:节点群和连接关系群分别是网络涌现同步和结构平衡的主体。从上列复杂动态网络的研究中可以看出,同步是由节点群的状态变量刻画,而结构平衡则是由连接关系群的状态变量（加权值）之正负号刻画。研究结果表明,从渐近意义上看待网络涌现结构平衡,其所有节点最终被分为两类（特殊地分为一类）:处于同一类中的节点具有正连接关系,处于异类中的节点具有负连接关系。从社会网络角度看,网络的这种二分类性质寓意了彼此分离的两个阵营（特殊地,一个阵营）,由此诠释了结构平衡的社会网络意义。值得注意的是,多个相互分离的阵营也具有社会网络意义,换句话说,从社会网络角度看,复杂网络节点的多分类性质也蕴含着某种结构平衡。有鉴于此,如何定量描述复杂网络多分类概念,具有多分类性质的复杂网络有何特点,如何借助耦合作用,使受控节点群驱使复杂网络渐近达成多分类,这些问题涉及网络的结构与功能,国内外相关的研究并不多见。针对上列问题,本文首先从具有社会网络意义的概念“结构洞”入手,提出利用“结构洞（Structural hole）和洞主（Broker）”揭示网络拓扑结构的特征,给出了网络多分类的定义和相关性质,由此设计了驱使复杂动态网络随时间渐近演化为多分类网络的控制器。本文利用矩阵微分方程描述连接关系子系统,主要研究内容如下:（1）针对广义符号网络,利用结构洞、洞主等概念,提出了无洞主网络（无特权网络）以及全洞主网络的概念,给出了无洞主网络的拓扑结构特征,明确了其与网络可分类之间的关系,并提出两种无洞主网络的构成方法。另外,给出了全洞主网络的拓扑结构特征,并提出两种全洞主网络的构成方法。（2）针对连接关系子系统,基于一类非线性矩阵微分方程模型,在开环条件下,讨论了初始条件对复杂动态网络连接关系状态的影响,研究了什么样的初始条件能够使复杂动态网络随时间演化至结构平衡。最后,通过数值仿真验证了结论的有效性。（3）针对连接关系子系统不能直接受控的情况,利用节点子系统和连接关系子系统之间的相互耦合作用,为节点群设计状态反馈控制器,由此驱使复杂动态网络随时间渐近演化至无洞主网络（无特权网络）。最后,数值仿真验证了方法的有效性。（4）针对连接边的状态（加权值）不能精确测量的情况,为连接关系子系统设计了状态观测器,由此设计了基于状态观测器的控制器,驱使复杂动态网络随时间渐近演化至无洞主网络（无特权网络）。最后,数值仿真验证了此方法的有效性。
王嘉昆[5]（2019）在《分数阶时滞Hopfield神经网络混沌源及其保密通信》文中进行了进一步梳理混沌因其天然具有类随机性、初值敏感性等复杂动力学特性被广泛应用于信息安全及其保密通信领域中。整数阶低维混沌系统存在着安全隐患,而分数阶时滞系统难以被常规攻击手段攻破且拥有更大的密钥空间,在保密通信领域中有着更广阔的应用空间和实用价值,因此构造分数阶时滞混沌系统是提高保密通信系统安全性的有效途径。Hopfield神经网络在一定条件下能够直接生成具有良好扩散效应的混沌矩阵,本文以一类分数阶时滞Hopfield神经网络为模型,研究其复杂的动力学特性包括混沌现象以及同步问题,同时将其应用于保密通信方案中。首先,提出一类新的分数阶时滞Hopfield神经网络并分析其复杂动力学行为。理论上证明了系统平衡点的唯一性。在无延时下,利用分数阶稳定性定理给出了分数阶阶次与系统稳定性的关系;在延时参数变化时,发现系统通往混沌的道路为阵发性混沌道路,通过相图、分岔图、最大Lyapunov指数、排列熵对其加以验证。然后,基于状态观测器理论,研究一类分数阶时滞神经网络的广义投影同步问题。基于分数阶稳定性定理和极点配置技术给出了反馈增益矩阵的设计方法,并以分数阶时滞Hopfield神经网络为例进行数值仿真实验,验证了同步方案的可行性和正确性。最后,基于状态观测器同步方案,给出了一种混沌掩盖保密通信框架。其中信源信号经过预处理之后直接参与到混沌信号的产生中,通过理论分析和数值仿真实验验证了该框架的可行性。仿真分析了反馈增益矩阵参数失配下的同步以及加解密过程。给出了我们的混沌系统与其他一些用于加密的混沌系统的复杂度对比。最后指出了该框架相对于传统混沌掩盖通信方案的优点所在。
高子林[6]（2019）在《复杂动态网络结构平衡控制设计研究》文中进行了进一步梳理从数学图论的角度看,复杂动态网络由众多动态节点和连接线组成,“节点”代表网络系统中的“参与者”,“连接线”表示它们间相互作用的“外部关系（权值或强度）”。动态节点通过相互间的关系连接在一起并随时间演化发展。复杂动态网络作为复杂动态系统的一种图论模型,囊括了生物神经网络、计算机网络、传感器网络、社会经济网络等诸多现实网络,影响广泛而深远。在控制理论研究领域,复杂动态网络作为一类被控对象,节点同步和镇定控制是研究热点之一。从获得的研究结果来看,现有研究主要着重节点群体的受控动态行为,也就是说,节点群体是复杂动态网络同步和镇定行为表现的主体,而节点间的连接关系只起到辅助作用,它们通过与节点的耦合方式和强度影响着网络节点的行为,显然,对于具有时变连接关系的复杂动态网络而言,这些研究忽略了连接关系本身的动态行为。从大系统的角度看,复杂动态时变网络可以被认为是由两个相互耦合的子系统构成,即由节点子系统和连接关系（连线）子系统相互耦合构成,因而现有研究中的同步和稳定就可以视为节点子系统的动态行为。值得注意的是,由于耦合的存在,节点子系统的动态行为同样会导致连接关系子系统涌现出某些特征现象,例如,在符号网络/社会网络中,某些特例显示,个体间的连接关系有时会涌现出称之为结构平衡的动态特征现象。因此,着重研究连接关系子系统涌现出结构平衡的条件、机理和控制策略是有意义的,特别是在耦合作用条件下,探讨节点子系统如何有效地辅助连接关系子系统涌现出结构平衡更是一个有新意的研究课题。针对以上课题,本文利用矩阵微分方程描述复杂动态网络中时变连接关系之动态行为,主要研究和探讨受控节点子系统通过耦合作用促使连接关系子系统涌现出结构平衡现象的机理和控制策略,从以下几个方面开展研究工作:（1）从大系统视角下的复杂时变动态网络出发,以现有关于复杂动态网络同步和镇定控制研究的局限性为突破口,引出了节点子系统的动态变化通过耦合作用如何影响连接关系子系统动态行为这一研究课题。同时,针对动态网络的结构平衡机理和控制,阐述了本文的研究意义和内容。（2）在无控的前提下,探讨了基于节点动态耦合的连接关系子系统涌现网络结构平衡问题。提出了复杂时变动态网络平衡态的概念,并利用其设计了连接关系子系统中的耦合项,在某些数学条件的情况下,证明了节点的动态行为能够通过该耦合项使连接关系子系统渐近地达到结构平衡;最后给出的数值仿真验证了该设计的有效性。（3）在连接关系子系统的状态（权值或强度）难以被精确测量的前提下,提出了三种基于受控节点动态耦合的复杂动态网络结构平衡控制方法。这三种控制方法的目标是使连接关系子系统渐近逼近结构平衡,均着重节点子系统的控制器设计以及连接关系子系统的耦合项设计。数值仿真验证了理论结果的有效性。（4）在连接关系子系统的状态（权值或强度）难以被精确测量的前提下,提出了一种基于连接关系子系统状态观测器的复杂动态网络结构平衡控制方法。首先基于连接关系子系统的输出信息,为其设计了状态渐近观测器,然后利用观测器状态对连接关系子系统进行了结构平衡控制器设计。相应的数值仿真验证了理论结果的有效性。
陈镝[7]（2019）在《基于量子神经网络的卫星姿态控制系统故障诊断研究》文中认为随着科学技术的快速发展,各个国家越来越注重航天技术的发展,卫星已经成为不同领域中不可缺少的重要支撑。姿态控制系统（ACS）是卫星系统中最复杂的子系统,一旦ACS发生故障,卫星有可能会在很短的时间内失去对姿态的控制,从而导致严重的后果。卫星姿态控制系统的高可靠性和安全性是空间任务的重要要求,而故障诊断技术是提升各种复杂控制系统可靠性的主要方式,因此卫星姿态控制系统的故障诊断就显得十分重要。量子计算具有高并行性、指数存储容量和指数加速等特性,而神经网络是一种有效的智能工具,可以拟合任意非线性系统。将量子计算与神经网络结合起来用于卫星姿态控制系统故障诊断,可以快速地诊断系统出现的故障,为航天任务的顺利完成提供了强有力的保障。本文基于BP神经网络与量子计算中的通用量子门提出了通用量子门BP神经网络,并根据量子门线路提出了量子门线路神经网络。而后以圆形轨道的人造地球刚体卫星的姿态控制系统为研究背景,剖析了卫星姿态的运动学和动力学状态空间模型,构建了卫星姿态控制系统模型和部分故障模型。在此基础上设计了基于通用量子门BP神经网络的状态观测器和基于量子门线路神经网络的故障诊断观测器,并引入Lyapunov稳定性理论证明了观测器的稳定性。最后以卫星姿态控制系统中的执行器为分析对象,利用通用量子门BP神经网络和量子门线路神经网络分别对发生的故障进行检测和诊断。经过对故障诊断的仿真证明了通用量子门BP神经网络自适应故障诊断状态观测器和量子门线路神经网络故障诊断观测器的可行性和准确性,实现了利用量子神经网络对卫星姿态控制系统执行器进行故障诊断的目的。
王晓周[8]（2018）在《基于滑模变结构的五自由度上肢外骨骼轨迹跟踪控制》文中研究说明外骨骼可以提升人们的肢体力量,帮助穿戴者更轻松地完成需要耗费大量体力的工作,还可以为肢体残障者提供有效的康复训练,具有巨大的军事、工农业和医疗价值,已成为世界各国研究的热点。外骨骼动力学系统具有高度非线性、强耦合、不确定等特点,而且对穿戴过程中的安全性和舒适性具有很高的要求,这使得控制系统的设计变得十分复杂。论文针对外骨骼机器人系统非线性特性、不确定性、外界干扰、状态不可测条件下的轨迹跟踪控制问题展开研究,主要内容如下:首先,将外骨骼看作串联刚体,基于拉格朗日方法,建立由肩关节、肘关节和腕关节组成的五自由度上肢外骨骼机器人系统的动力学模型,给出详细的系统模型参数。分析模型各个部分的构成、特点以及对系统的影响,并分析外骨骼系统的非线性、强耦合、不确定性、易受干扰影响等特性。其次,针对五自由度上肢外骨骼机器人系统模型中的非线性不确定性,将RBF神经网络估计和滑模控制方法相结合设计鲁棒控制器。针对滑模方法处理不确定性易导致控制量严重抖振的不足,采用神经网络估计系统未知非线性函数,将估计值补偿到控制器,减小滑模控制增益,降低抖振。利用自适应方法在线调整RBF神经网络权值,自适应率由李雅普诺夫方法导出,避免繁琐的离线训练,同时保证系统的稳定性。再次,考虑外界干扰条件下的有限时间控制问题,引入有限时间干扰观测器估计系统干扰,结合终端滑模控制方法实现系统的有限时间轨迹跟踪。终端滑模形式的有限时间干扰观测器能够在有限时间内对系统不确定、外界干扰组成的集总干扰进行准确估计和补偿。采用快速非奇异终端滑模方法设计控制器,避免终端滑模控制中的控制奇异问题,加快系统误差收敛的速度,确保轨迹跟踪误差有限时间收敛到零。最后,考虑关节角速度不可测的情况,利用输出的关节角度信息设计反馈控制器。将系统总干扰作为一种扩张状态来处理,提出用有限时间扩张状态观测器同时观测系统状态和干扰,基于关节角速度观测值和干扰观测值设计滑模控制器,实现在关节角速度未知的条件下对指令信号的有限时间跟踪。
张潮[9]（2017）在《神经智能控制在小型快递无人机系统中的研究与应用》文中研究指明近年来随着传感器技术和微处理器技术的进步,小型无人机系统得到了巨大的发展,在航拍摄影、空中测绘和精准农业等方面展现出极大的潜力。其中,快递货运是对无人机需求最为迫切的行业之一。亚马逊和京东等大型互联网电商公司都已经部署了各自的无人机空中送货战略并开始进行该方面的开发研究与实验。本文的主要研究背景就是隶属于京东X事业部的快递无人机项目。快递和货运属于行业无人机应用,不同于常见的用于摄影或娱乐的消费级无人机,在监管政策、操作方式、安全和可靠性等方面都有着更高要求。在控制系统方面,主要有全自主、多扰动和位置受限等特点,如何保证稳定性、鲁棒性和安全性成为其能否成功应用的关键问题。本文研究内容主要集中在以无人机为对象的多输入多输出神经网络控制算法研究。在控制系统的设计中,主要以人工神经网络为基础的智能控制算法为中心。作为人工智能的重要分支之一,神经网络具有并行处理、逼近任意光滑非线性函数、自组织学习等能力。相比其他经典和现代控制理论方法,神经网络控制可以很好的处理系统中的不确定性和高阶非线性。因此,本文在分析被控对象动态特性的基础上,研究了这样一个典型多输入多输出欠驱动非线性系统的控制系统设计问题,并着重考虑了内外扰存在下的鲁棒性。主要涉及无人机姿态控制系统逆控制、位置输出受限控制、无人机顶倒立摆和混沌同步保密通信等实际应用问题。主要内容如下:1)详细介绍了京东无人机现阶段发展状况和选择电动多旋翼做为现阶段主要研发机型的原由分析。对京东六旋翼无人机进行了动力学分析并构建了数学模型,给出了现有的串级系统框架并通过仿真实验说明了该方案的有效性和局限性。2)研究了基于神经网络逆系统的无人机姿态控制问题。重点采用神经网络辨识被控对象逆模型的思路,提出了一种改进的滑模变结构在线学习方法使伪线性系统在线应用时可以更好地跟踪理想系统,设计了基于扩张状态观测器的系统控制器更进一步提高了系统控制性能。同时对观测器和闭环系统的收敛性进行了证明并以实际京东快递无人机为被控对象对该策略进行了控制效果的仿真验证.3)研究了快递无人机的位置输出受限控制问题。通过结合神经网络和边界李雅普诺夫函数的方法,设计了估计理想权值范数的参数更新率和相应的状态反馈控制使位置输出始终保持在设定范围内并给出了相应证明。另采用了位置环-角速度环的控制系统架构,提高了系统带宽。数值仿真和实际飞行实验的结果均证明了该方法的可行性和输出受限成立。4)研究了与无人机顶货运输和弹性载物类似但在控制上更为复杂的飞行倒立摆问题。设计了基于神经网络在线估计时滞时间补偿的三回路串级自抗扰控制器实现了小型无人机在飞行的同时平衡倒立摆。并采用机械多体仿真平台SimMechanics进行了系统仿真,更进一步在仿真的基础上完成了实际飞行实验。结果证明该策略不仅可以实现空中悬停平衡倒立摆,还可以实现在运动过程中完成参考轨迹跟踪。5)研究了无人机超视距远程保密通信中的混沌神经网络同步控制问题。在主系统参数未知且存在外扰的情况下,分别采用了自适应参数在线辨识与反馈结合的控制策略和基于滑模状态观测器的补偿控制方法实现了主从系统的指数同步和有限时间同步。对误差系统给出了收敛证明并通过数值仿真结果证明了两种方法的有效性和收敛性。
肖剑[10]（2014）在《右端非连续神经网络的动力学分析》文中研究指明在通常情况下,我们知道一个系统常常可以描述为连续的微分方程,但是在实际应用中,连续的微分方程无法用于刻画和解决所有的科学问题.为了更好地揭示问题的本质,右端非连续的微分方程将是其中众多选择中的一个良好的方向.右端非连续系统的主要来源通常为两个方面,一方面,系统本身由于其内在因素需要用右端非连续的微分模型来描述；另一方面,控制设计中,有些系统无法用连续的控制方法实现所希望的性能,而非连续的控制器能够很好地解决问题,且非连续的控制器具有连续控制所没有的一些优点.因此,研究右端非连续系统的相关理论及应用是非常有意义的.神经网络是一种具有特殊形式的非线性系统,其已经在实际的应用中得到了广泛的关注,例如模式识别,优化,联想记忆等.迄今为止,已有的理论成果绝大部分都为连续的神经网络系统,而我们知道,在实际应用中,存在大量的非连续的神经网络,例如M-P神经网络具有非连续的激励函数.因此,深入研究右端非连续神经网络的是非常有必要的,其有助于我们更好地设计相应的神经网络系统.基于以上讨论,本文将主要从两个方面来研究右端非连续的神经网络系统：激励函数为非连续的神经网络、带有非连续参数的忆阻神经网络.由于传统意义下微分方程的解无法应用于右端非连续的系统,为此我们将从Filippov意义下的解出发,利用线性矩阵不等式方法、矩阵分析方法、李雅普诺夫方法、非光滑分析等方法研究了相应的动态特性.相关研究内容及创新包含以下几个方面：神经网络的动态特性不仅取决于网络的参数,而且跟其激励函数的选择也有关.因此,选择更具普遍意义的激励函数有助于神经网络的设计.而已有的非连续神经网络的结果绝大部分是基于激励函数是单调非减或有界的,而我们研究了更具一般性的非连续时滞神经网络系统的全局渐近稳定性,其中激励函数无需单调有界.并利用线性矩阵不等式方法和微分包含理论给出了神经网络全局渐近稳定的判断条件.相关结果是神经网络研究的一个有效补充.无源性能够保证系统的内部稳定,其反映了系统的输入输出之间的关系,是系统设计的一个重要的工具.但到目前为止我们尚未发现有关非连续神经网络无源性方面的有关结果.为此,我们利用非光滑分析理论讨论了具有非连续激励函数的神经网络的无源性.并基于无源性设计了相应的镇定控制器,以使得系统全局渐近稳定.状态观测器是一种利用实际输出来估计系统状态的一种方法,是状态估计中的一个重要工具.已有的研究结果中,输出常常被假设为光滑的,且非连续神经网络的状态观测器的研究文献很少.因此,我们研究了一类激励函数更具一般性的非连续神经网络的状态观测器的设计,其中激励函数是满足线性增长条件而无须单调,测量输出是局部Lipschitz而非光滑的.利用线性矩阵不等式方法和非光滑分析理论,我们分别对参数确定和不确定的神经网络给出了相应的状态观测器的设计方法,其中状态观测增益能够利用线性矩阵不等式获得,因而设计方法简单易行.输入状态稳定是稳定性分析中一个重要方面.在非线性系统中,其与李雅普诺夫意义下的稳定具有重大差别.是以我们利用矩阵分析理论、线性矩阵不等式方法和非光滑分析理论探讨了激励函数为非连续的神经网络系统的输入状态稳定,给出了相应的M矩阵判据方法和线性矩阵不等式判据方法.忆阻是传统基本电路元件电阻、电容、电感外的一种新型的电路器件,其阻值会随电流（电压）变化而变化,具有记忆性等多种优点.而相应的新型忆阻神经网络因忆阻本身特点表现为一个参数是状态依赖的系统,且参数可简化为跳变非连续的.是以忆阻神经网络表现出更为复杂的非线性行为.为此,利用非光滑分析,我们研究了忆阻神经网络的全局渐近稳定和镇定控制.基于微分包含理论、矩阵分析理论给出了系统全局渐近稳定的条件,并给出了输入为非定常时相应的镇定控制器的设计方法.以上结果有助于我们更好了解神经网络的本质特征.能够丰富神经网络理论研究成果,为神经网络设计应用提供指导,是以具有一定的实际意义.
二、基于Hopfield网络的状态观测器设计方法与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于Hopfield网络的状态观测器设计方法与应用（论文提纲范文）
（2）时变时滞离散时间高阶Cohen-Grossberg神经网络的稳定性分析和状态观测器设计（论文提纲范文）
| 中文摘要 |
| Abstract |
| 符号说明 |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外同类课题研究现状及发展趋势 |
| 1.3 本文研究内容的概述 |
| 第2章 具有时变时滞的离散时间高阶神经网络的全局指数稳定性 |
| 2.1 预备知识 |
| 2.2 模型描述及问题提出 |
| 2.3 全局指数稳定性判据 |
| 2.4 数值算例与仿真 |
| 2.5 本章小结 |
| 第3章 具有时变时滞和脉冲的离散时间高阶神经网络的全局指数稳定性 |
| 3.1 模型描述和问题提出 |
| 3.2 全局指数稳定性判据 |
| 3.3 数值算例与仿真 |
| 3.4 本章小结 |
| 第4章 具有时变时滞和有界扰动的离散时间高阶神经网络在拉格朗日意义下的全局指数稳定性 |
| 4.1 模型描述和问题提出 |
| 4.2 全局指数稳定性判据 |
| 4.3 数值算例与仿真 |
| 4.4 本章小结 |
| 第5章 具有时变时滞和有界扰动的离散时间高阶神经网络的状态观测器设计 |
| 5.1 模型描述和问题提出 |
| 5.2 状态观测器的设计 |
| 5.3 数值算例与仿真 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文及其它成果 |
（3）忆阻混沌系统的动力学特性分析与同步控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 相关领域的研究现状 |
| 1.2.1 忆阻器 |
| 1.2.2 CNN研究现状 |
| 1.2.3 混沌及混沌同步研究现状 |
| 1.3 本文研究内容 |
| 1.4 章节安排 |
| 第二章 忆阻CNN与混沌同步 |
| 2.1 忆阻器概述 |
| 2.1.1 忆阻器的提出 |
| 2.1.2 广义忆阻器 |
| 2.1.3 常见忆阻器模型 |
| 2.1.4 忆阻器的应用 |
| 2.2 CNN概述 |
| 2.2.1 CNN的提出 |
| 2.2.2 忆阻CNN的应用 |
| 2.3 混沌刻画方法 |
| 2.3.1 相图轨迹 |
| 2.3.2 Poincaré截面 |
| 2.3.3 分岔图 |
| 2.3.4 Lyapunov指数 |
| 2.3.5 Lyapunov维数 |
| 2.4 混沌同步原理 |
| 2.4.1 混沌同步 |
| 2.4.2 混沌同步主要方法 |
| 2.4.2.1 驱动-响应法控制同步 |
| 2.4.2.2 状态观测器法控制同步 |
| 2.4.2.3 滑模控制同步 |
| 2.4.3 混沌保密通信中的方法及应用 |
| 2.4.3.1 保密通信系统 |
| 2.4.3.2 混沌信息加密主要技术 |
| 2.5 本章小结 |
| 第三章 新型四维忆阻CNN系统 |
| 3.1 新型光滑磁控忆阻器模型 |
| 3.2 四维忆阻CNN系统动力学分析 |
| 3.2.1 四维忆阻CNN数值仿真 |
| 3.2.2 Lyapunov指数谱和分岔图 |
| 3.2.3 四维忆阻CNN多稳态特性 |
| 3.3 状态观测器法控制四维忆阻CNN同步 |
| 3.4 四维忆阻CNN滑模同步控制方法 |
| 3.4.1 同步控制方法设计 |
| 3.4.2 滑模控制系统同步仿真 |
| 3.5 四维忆阻CNN在保密通信中的应用 |
| 3.5.1 连续信号保密通信 |
| 3.5.2 四维忆阻CNN图像加密 |
| 3.5.3 图像加密安全性分析 |
| 3.5.3.1 统计直方图 |
| 3.5.3.2 相邻像素相关性系数分析 |
| 3.5.3.3 差分攻击分析 |
| 3.5.3.4 信息熵分析 |
| 3.6 本章小结 |
| 第四章 五维忆阻CNN超混沌系统 |
| 4.1 分段线性忆阻器模型 |
| 4.2 五维忆阻CNN动力学分析 |
| 4.2.1 五维忆阻CNN数值仿真 |
| 4.2.2 Lyapunov指数谱和分岔图 |
| 4.2.3 五维忆阻CNN多稳态特性 |
| 4.3 状态观测器法控制五维忆阻CNN同步 |
| 4.4 五维忆阻CNN滑模同步控制方法 |
| 4.4.1 同步控制方法设计 |
| 4.4.2 滑模控制系统同步仿真 |
| 4.5 五维忆阻CNN在保密通信中的应用 |
| 4.5.1 连续信号保密通信 |
| 4.5.2 五维忆阻CNN图像加密 |
| 4.5.3 图像加密安全性分析 |
| 4.5.3.1 统计直方图 |
| 4.5.3.2 相邻像素相关性系数分析 |
| 4.5.3.3 差分攻击分析 |
| 4.5.3.4 信息熵分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（4）无洞主复杂动态网络结构演变分析及控制设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂网络研究现状 |
| 1.2.2 结构平衡理论研究现状 |
| 1.2.3 多分类网络研究现状 |
| 1.2.4 复杂网络状态观测器研究现状 |
| 1.3 存在的问题 |
| 1.4 本文的研究内容 |
| 1.5 本文的章节安排 |
| 1.6 本文的创新点 |
| 第二章 基本概念与基本知识 |
| 2.1 结构洞和洞主概念 |
| 2.2 无洞主网络的相关定义 |
| 2.3 Lyapunov稳定性理论 |
| 2.4 Barbalat引理 |
| 2.5 矩阵拉直运算及其性质 |
| 第三章 基于洞主的广义符号网络节点群分类性质分析 |
| 3.1 引言 |
| 3.2 无洞主网络节点分类性质 |
| 3.2.1 结构平衡网络的分类性质 |
| 3.2.2 无洞主网络及分类性质 |
| 3.2.3 数值仿真 |
| 3.3 全洞主网络拓扑结构分析 |
| 3.3.1 全洞主网络及生成方法 |
| 3.3.2 数值仿真 |
| 3.4 本章小结 |
| 第四章 连接关系初始状态对动态网络结构平衡影响分析 |
| 4.1 引言 |
| 4.2 复杂动态网络连接关系动态模型 |
| 4.3 复杂动态网络连接关系动态行为 |
| 4.4 数值仿真 |
| 4.5 本章小结 |
| 第五章 复杂动态网络趋向无洞主网络控制设计 |
| 5.1 引言 |
| 5.2 基于受控节点的网络自适应控制设计 |
| 5.2.1 网络模型以及准备工作 |
| 5.2.2 主要结论 |
| 5.2.3 数值仿真 |
| 5.3 基于连接关系子系统状态观测器的控制设计 |
| 5.3.1 网络模型以及准备工作 |
| 5.3.2 主要结论 |
| 5.3.3 数值仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文 |
| 致谢 |
（5）分数阶时滞Hopfield神经网络混沌源及其保密通信（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作内容及结构 |
| 2 基础理论及方法 |
| 2.1 引言 |
| 2.2 分数阶微积分的定义 |
| 2.3 分数阶微分方程数值仿真算法 |
| 2.4 分数阶微分系统的稳定性定理 |
| 2.5 混沌系统的分析与判定方法 |
| 2.6 本章小结 |
| 3 一类分数阶时滞HOPFIELD神经网络动力学特性分析 |
| 3.1 引言 |
| 3.2 系统模型描述 |
| 3.3 系统动力学行为分析 |
| 3.4 本章小结 |
| 4 一类分数阶时滞神经网络的广义投影同步及其保密通信 |
| 4.1 引言 |
| 4.2 分数阶时滞神经网络的广义投影同步 |
| 4.3 混沌保密通信 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 课题展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读硕士学位期间发表的论文 |
| 附录2 攻读硕士学位期间参与的课题研究情况 |
（6）复杂动态网络结构平衡控制设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 复杂动态网络简介 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂动态网络同步控制的研究现状和发展 |
| 1.2.2 结构平衡理论的研究现状与发展 |
| 1.2.3 复杂动态网络状态观测器研究现状与发展 |
| 1.3 存在的问题 |
| 1.4 本文的研究内容 |
| 1.5 本文的章节安排 |
| 1.6 本文的创新点 |
| 第二章 基本概念与预备知识 |
| 2.1 Lyapunov稳定性理论 |
| 2.2 Barbalat's引理 |
| 2.3 拉直运算及Kronecker乘积 |
| 2.4 结构平衡的相关定义 |
| 第三章 基于节点动态耦合的复杂动态网络结构平衡分析 |
| 3.1 引言 |
| 3.2 网络模型 |
| 3.3 网络的平衡态 |
| 3.4 网络的结构平衡 |
| 3.5 网络的渐近结构平衡分析 |
| 3.6 仿真实例 |
| 3.7 本章总结 |
| 第四章 基于节点动态耦合的复杂动态网络结构平衡控制 |
| 4.1 引言 |
| 4.2 无向复杂动态网络结构平衡控制之一 |
| 4.2.1 网络模型及准备工作 |
| 4.2.2 主要结论 |
| 4.2.3 数值仿真 |
| 4.3 无向复杂动态网络结构平衡控制之二 |
| 4.3.1 网络模型及准备工作 |
| 4.3.2 主要结论 |
| 4.3.3 数值仿真 |
| 4.4 无向复杂动态网络结构平衡控制之三 |
| 4.4.1 网络模型及准备工作 |
| 4.4.2 主要结论 |
| 4.4.3 数值仿真 |
| 4.5 本章小结 |
| 第五章 基于动态连接关系观测器的复杂动态网络结构平衡控制 |
| 5.1 引言 |
| 5.2 复杂动态网络中动态连接关系的状态观测器设计 |
| 5.2.1 网络模型及准备工作 |
| 5.2.2 渐近状态观测器设计 |
| 5.2.3 数值仿真 |
| 5.3 基于关系观测器的结构平衡控制设计 |
| 5.3.1 网络模型及准备工作 |
| 5.3.2 结构平衡控制设计 |
| 5.3.3 数值仿真 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表或完成的论文 |
| 致谢 |
（7）基于量子神经网络的卫星姿态控制系统故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外的研究现状及分析 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要内容及章节安排 |
| 第2章 神经网络故障诊断 |
| 2.1 引言 |
| 2.2 神经网络概述 |
| 2.3 神经元模型及网络分类 |
| 2.3.1 神经元模型 |
| 2.3.2 神经网络分类 |
| 2.4 神经网络故障诊断技术的分类和基本方法 |
| 2.4.1 神经网络故障诊断的分类 |
| 2.4.2 各种神经网络故障诊断技术的基本方法 |
| 2.5 本章小结 |
| 第3章 BP神经网络和量子神经网络 |
| 3.1 引言 |
| 3.2 量子计算基本概念 |
| 3.2.1 量子比特 |
| 3.2.2 量子门 |
| 3.2.3 量子计算的特性 |
| 3.3 BP神经网络 |
| 3.3.1 BP神经元 |
| 3.3.2 BP神经网络基本模型 |
| 3.3.3 BP神经网络学习算法 |
| 3.3.4 BP神经网络优缺点 |
| 3.4 通用量子门BP神经网络 |
| 3.4.1 通用量子门神经元 |
| 3.4.2 UQGBPNN模型 |
| 3.4.3 UQGBPNN算法 |
| 3.4.4 UQGBPNN局限性 |
| 3.5 量子门线路神经网络 |
| 3.5.1 量子门线路 |
| 3.5.2 量子门线路神经网络 |
| 3.5.3 学习算法 |
| 3.6 本章小结 |
| 第4章 卫星姿态控制系统的故障建模研究 |
| 4.1 引言 |
| 4.2 坐标系 |
| 4.3 卫星姿态描述 |
| 4.4 运动学 |
| 4.5 动力学 |
| 4.6 故障模型 |
| 4.6.1 传感器故障模型 |
| 4.6.2 执行器故障模型 |
| 4.7 本章小结 |
| 第5章 基于UQGBPNN的卫星姿态控制系统执行器故障诊断研究 |
| 5.1 引言 |
| 5.2 简化UQGBPNN |
| 5.3 基于UQGBPNN的状态观测器设计 |
| 5.4 稳定性分析 |
| 5.5 卫星姿态控制系统执行器故障诊断 |
| 5.6 本章小结 |
| 第6章 基于量子门线路神经网络的卫星反作用飞轮故障诊断研究 |
| 6.1 引言 |
| 6.2 基于量子门线路的故障诊断观测器设计 |
| 6.3 故障诊断方案设计 |
| 6.4 卫星反作用飞轮故障诊断 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表(含录用)的学术论文 |
（8）基于滑模变结构的五自由度上肢外骨骼轨迹跟踪控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 外骨骼机器人的发展概况 |
| 1.2.2 外骨骼控制方法的研究现状 |
| 1.3 论文研究内容及结构 |
| 第二章 系统建模与预备知识 |
| 2.1 五自由度上肢外骨骼机器人建模 |
| 2.1.1 数学建模 |
| 2.1.2 特性分析 |
| 2.2 预备知识 |
| 2.2.1 滑模控制 |
| 2.2.2 干扰观测器 |
| 2.2.3 Lyapunov理论及有限时间稳定理论 |
| 2.3 本章小结 |
| 第三章 五自由度上肢外骨骼RBF神经网络滑模控制 |
| 3.1 引言 |
| 3.2 基于RBF神经网络的滑模控制 |
| 3.2.1 模型已知的滑模控制 |
| 3.2.2 基于RBF神经网络的滑模控制器设计 |
| 3.3 仿真验证 |
| 3.4 本章小结 |
| 第四章 基于干扰观测器的上肢外骨骼终端滑模控制 |
| 4.1 引言 |
| 4.2 基于有限时间干扰观测器的终端滑模控制 |
| 4.2.1 有限时间干扰观测器设计 |
| 4.2.2 基于有限时间干扰观测器的终端滑模控制器设计 |
| 4.3 仿真验证 |
| 4.4 本章小结 |
| 第五章 状态未知条件下的外骨骼轨迹跟踪控制 |
| 5.1 引言 |
| 5.2 基于扩张状态观测器的滑模控制 |
| 5.2.1 有限时间扩张状态观测器设计 |
| 5.2.2 基于扩张状态观测器的滑模控制器设计 |
| 5.3 仿真验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 攻读学位期间发表论文与参加科研情况说明 |
| 致谢 |
（9）神经智能控制在小型快递无人机系统中的研究与应用（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景与意义 |
| 1.2 小型无人机控制系统简介 |
| 1.2.1 无人机控制系统的发展 |
| 1.2.2 快递无人机的发展和对控制的挑战 |
| 1.3 非线性系统理论和控制方法简介 |
| 1.3.1 自适应控制 |
| 1.3.2 Backstepping方法 |
| 1.3.3 基于扰动观测器的控制方法 |
| 1.4 神经网络控制的发展和应用简介 |
| 1.4.1 智能控制与神经网络技术 |
| 1.4.2 混沌神经网络同步与保密通信简介 |
| 1.5 本文主要研究内容与创新点 |
| 1.6 论文结构安排 |
| 2 小型快递无人机动力学分析与控制系统介绍 |
| 2.1 京东无人机详细介绍 |
| 2.2 动力学分析与建模 |
| 2.3 串级PID控制系统设计与仿真 |
| 2.3.1 PID控制器设计 |
| 2.3.2 PID串级控制的问题分析 |
| 2.4 本章小结 |
| 3 基于神经网络逆系统的无人机姿态控制研究 |
| 3.1 逆系统方法与在线学习 |
| 3.2 扩张状态观测器与控制器设计 |
| 3.3 小型无人机模型分析 |
| 3.3.1 动态模型 |
| 3.3.2 动力模型 |
| 3.4 无人机姿态控制 |
| 3.4.1 系统分析与神经网络逆控制设计 |
| 3.4.2 逆系统仿真 |
| 3.4.3 控制器设计与仿真 |
| 3.5 本章小结 |
| 4 基于神经网络的无人机系统输出受限控制 |
| 4.1 控制系统设计 |
| 4.1.1 外环设计 |
| 4.1.2 内环设计 |
| 4.1.3 控制系统实现 |
| 4.2 仿真实验 |
| 4.3 实际飞行实验 |
| 4.3.1 实验环境 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 5 无人机飞行倒立摆问题研究 |
| 5.1 系统动态分析 |
| 5.1.1 无人机-倒立摆系统 |
| 5.1.2 无人机系统 |
| 5.2 控制系统设计 |
| 5.2.1 倒立摆回路 |
| 5.2.2 无人机位置回路 |
| 5.2.3 基于NN和ESO的时滞补偿 |
| 5.3 仿真实验 |
| 5.3.1 仿真环境 |
| 5.3.2 实验结果 |
| 5.4 实际飞行试验 |
| 5.5 本章小结 |
| 6 时滞混沌神经网络同步控制 |
| 6.1 自适应反馈控制同步策略研究 |
| 6.1.1 自适应反馈设计 |
| 6.1.2 仿真实验 |
| 6.2 有限时间同步控制策略研究 |
| 6.2.1 控制器设计 |
| 6.2.2 观测器设计 |
| 6.2.3 仿真实验 |
| 6.3 本章小结 |
| 7 结论 |
| 参考文献 |
| 作者简历及在学研究成果 |
| 学位论文数据集 |
（10）右端非连续神经网络的动力学分析（论文提纲范文）
| 摘要 |
| Abstract |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景、目的和意义 |
| 1.2 右端非连续系统的研究概况 |
| 1.3 右端非连续神经网络的发展概况 |
| 1.4 数学基础 |
| 1.5 本文的结构安排 |
| 2 非连续神经网络的全局渐近稳定 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 平衡点的存在性 |
| 2.4 全局渐近稳定性 |
| 2.5 算例与仿真 |
| 2.6 本章小结 |
| 3 非连续神经网络的无源性分析 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 神经网络的无源性 |
| 3.4 算例和仿真 |
| 3.5 本章小结 |
| 4 非连续神经网络的状态观测器设计 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 神经网络的状态估计器设计 |
| 4.4 算例与仿真 |
| 4.5 本章小结 |
| 5 非连续神经网络的输入状态稳定 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 神经网络的输入状态稳定 |
| 5.4 算例与仿真 |
| 5.5 本章小结 |
| 6 时滞非连续忆阻神经网络的稳定性与镇定控制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.3 平衡点的存在性和稳定性分析 |
| 6.4 神经网络的镇定控制 |
| 6.5 算例与仿真 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 本文的创新点 |
| 7.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的论文 |
| 附录2 攻读博士学位期间参加的科研项目和获得的荣誉奖励 |
| 附录3 攻读博士学位期间发表的论文与学位论文的对应关系 |
四、基于Hopfield网络的状态观测器设计方法与应用（论文参考文献）
- [1]基于观测器的折臂式高空作业车轨迹跟踪控制研究[D]. 陈浩然. 内蒙古科技大学, 2021
- [2]时变时滞离散时间高阶Cohen-Grossberg神经网络的稳定性分析和状态观测器设计[D]. 董泽宇. 黑龙江大学, 2021(09)
- [3]忆阻混沌系统的动力学特性分析与同步控制[D]. 周如霞. 天津工业大学, 2021(01)
- [4]无洞主复杂动态网络结构演变分析及控制设计研究[D]. 王颀. 广东工业大学, 2020(02)
- [5]分数阶时滞Hopfield神经网络混沌源及其保密通信[D]. 王嘉昆. 华中科技大学, 2019(03)
- [6]复杂动态网络结构平衡控制设计研究[D]. 高子林. 广东工业大学, 2019
- [7]基于量子神经网络的卫星姿态控制系统故障诊断研究[D]. 陈镝. 沈阳航空航天大学, 2019(02)
- [8]基于滑模变结构的五自由度上肢外骨骼轨迹跟踪控制[D]. 王晓周. 河北工业大学, 2018(07)
- [9]神经智能控制在小型快递无人机系统中的研究与应用[D]. 张潮. 北京科技大学, 2017(05)
- [10]右端非连续神经网络的动力学分析[D]. 肖剑. 华中科技大学, 2014(07)