基于自适应神经网络的不确定混沌系统控制

针对不确定非线性混沌系统,提出一种基于动态神经网络建模的控制新方法.基于Lyapunov稳定性理论,推导出了神经网络权值在线学习规律,保证了系统的全局稳定性.在混沌建模阶段,神经网络用于学习不确定混沌系统,然后在所建模型的基础上,设计控制器将混沌状态引导到期望目标位置;并且对系统的稳定性能进行了严格的数学分析.把该方法应用到Logistic映射和Hénon 映射建模和控制,数值仿真表明该方法的有效性.     

Rossler系统的最小时间同步

采用最小时间控制方法为Rossler的同步误差系统设计了一个非线性状态反馈控制器,基于Lyapunov稳定性理论,证明了所设计的控制器能够使受控误差系统全局渐近稳定到同步误差系统的零点,并且使所提出的目标泛函取得极小值．数值仿真表明,所设计的控制器实用有效并且易于实现．     

一种新的混沌系统线性反馈最优控制

为了实现一种新的混沌系统的镇定控制且满足给定的性能指标达到极小值。描述了一种新的混沌系统的动力学行为;设计一个二次目标函数,同时根据Pontryagin极小值原理为混沌系统设计一个线性状态反馈最优控制器,所得到的控制律是最优控制,控制器能将混沌系统的轨道从任意初始点出发稳定到零点,控制器结构简单且易于实现。基于Lyapunov稳定性理论证明了系统的稳定性,同时通过对施加闭环控制后的系统状态变化的数值模拟证明了所建议的方法的正确性。     

基于主动滑模控制实现一类含有非匹配不确定混沌系统的同步

讨论了一类非匹配不确定混沌系统的同步问题.基于主动控制思想,提出了一种主动滑模控制策略,使得从任意初始条件出发的不确定混沌系统在有限时间内到达滑模面.利用线性矩阵不等式(LMI)技术设计了一个鲁棒稳定的滑模面,以降低非匹配不确定对系统的影响.给出了线性矩阵不等式形式的稳定滑模面存在的充分条件.通过对Rssler系统的同步仿真,验证了该方法的可行性.