基于通信协议的时滞神经网络方差约束H_∞状态估计.pdfVIP

摘要

H

基于通信协议的时滞神经网络方差约束状态估计

∞

摘要

神经网络具有较强的自适应能力、联想能力以及学习能力，被广泛应用于组

合优化、联想记忆和模式识别等领域。神经网络的基本单位是神经元，一般情况

下，神经元的内部状态无法直接获知，为了解神经网络的动态行为，需要对神经

元的状态进行估计。事实上，信号传递不可避免地会受到外界因素的影响，这可

能导致时滞现象发生。若对时滞处理不当，会使状态估计效果变差，故研究时滞

影响下神经网络的状态估计问题是十分必要的。在实际应用中，时滞神经网络规

模庞大，在网络资源有限的环境中易发生网络拥塞、数据破坏和网络资源浪费等

现象。为此，引入通信协议调度数据传输以缓解这类现象的发生。在设计时滞神

经网络状态估计算法时，考虑H∞性能约束和方差约束不仅可以使得估计算法具

备抗干扰能力还能保证一定的估计精度。基于此，本文针对时滞神经网络，考虑

通信资源受限与信息安全问题，提出基于不同通信协议的非增广方差约束H∞状

态估计算法。值得一提的是，本文考虑与原系统相同维数的估计误差系统，提出

的非增广状态估计算法可以在一定程度上减轻计算负担，为解决时滞神经网络的

状态估计问题提供一个有效的方案。具体地，本文主要工作包括以下几个方面：

1.针对时滞神经网络，引入轮询协议，研究该协议下具有随机发生传感器非

线性的方差约束H∞状态估计问题。随机发生传感器非线性现象由服从Bernoulli

分布的随机变量描述。为了减少数据实时传输量且保证数据有序传输，引入轮询

协议来调节信号的传输次序。基于估计器端获得的测量信息，设计时变状态估计

器，并得到估计误差系统同时满足H∞性能约束和估计误差协方差有上界的充分

条件；提出估计器增益矩阵的求解方法，并给出时滞神经网络非增广方差约束

H∞状态估计算法。最后，利用仿真实验检验所提状态估计算法的可行性。

2.针对时滞神经网络，采用随机通信协议，探讨该协议下具有随机传感器故

障的方差约束H∞状态估计问题。随机传感器故障现象由服从Bernoulli分布的随

机变量描述。为了节约网络通信资源，在传感器到估计器信道引入随机通信协议

来调度数据传输。根据协议调度后可获得的测量信息，设计时变状态估计器；基

于递推线性矩阵不等式技术与随机分析方法，得到估计误差系统满足H∞性能约

束的判别准则，给出估计误差系统满足估计误差协方差有上界的充分条件，并提

出非增广方差约束H∞状态估计算法；最后，采用相应的仿真算例检验所提状态

估计方法的有效性。

3.针对时滞忆阻神经网络，引入载波侦听多路访问协议，解决其方差约束

H∞状态估计问题。为了持续侦听通信信道是否繁忙，采用载波侦听多路访问协

-I-

哈尔滨理工大学理学博士学位论文

议来提高通信网络的资源利用率。根据估计器端收到的测量信息，设计时变状态

估计器，给出估计误差系统同时满足H∞性能要求和方差约束的判别条件；提出

一种基于载波侦听多路访问协议的时滞忆阻神经网络的非增广H∞状态估计算

法。最后，通过仿真算例演示所提出的方差约束H∞状态估计方法的可行性。

4.针对时滞忆阻神经网络的数据不能抵达远程数据接收端的情形，深入研究

-H-

放大转发中继器协议下方差约束∞状态估计问题。采用放大转发中继器协议

来尽可能延长数据的传输距离。基于可获得的测量信息，设计时变状态估计器；

根据随机分析方法，得到估计误差系统同时满足方差约束和H∞性能要求的充分

条件，并提出一种适用于时滞忆阻神经网络的非增广状态估计算法。最