两类重要非性模型的动力学行为的研究.pdf

摘 要 本文主要研究两类重要非线性模型的动力学行为：Li4nard类型方程和时滞神经网 络(DNNs)系统．在简要地介绍这个领域研究的历史背景和发展现状之后，研究的工作主 要集中在两个部分：第一部分讨论具有强迫项的Li4nard类型方程及其相关的二维非自 治系统的定性性质，第二部分研究由连续时滞神经网络模型所组成的高维非自治动力系 作概括为以下三个方面： 一Li4nard类型方程及其相关的二维非自治系统解的整体性态与周期解．主要工作 的一些新的充分条件和充分必要条件，这些结果包含或扩展了已有文献关于同样问题的 般的假设条件下得到存在周期解的一系列新的充分条件，这些结果推广与扩展了Omari， 一文中的计算错误． 二具有时滞的周期神经网络模型(PDNNs)的动力学行为．在不假定关联函数单调 性，可微性和有界性的条件下，给出了PDNNs模型周期解存在和全局指数稳定性的充分 助于一些重要的不等式和矩阵代数技术，得到更为一般并且具有很少限制的一些新的充 异M矩阵来刻划．一些例子和模拟表明：这些条件不仅是简单和实用的，而且相对于已 有的结果更为广泛和容易验证． 一，考虑具有周期外力激励的混沌Li4nard方程的鲁棒同步问题，对于一个更为一般的非 线性控制系统，给出了处理