基于事件触发机制的神经网络同步控制

doi:10.11772/j.issn.1001-9081.2022040588

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (5): 1641-1646.DOI: 10.11772/j.issn.1001-9081.2022040588

• 前沿与综合应用 • 上一篇

基于事件触发机制的神经网络同步控制

葛超¹^,²(), 常晨蕾¹, 姚征¹, 苏皓¹^,²

^1.华北理工大学电气工程学院，河北唐山 063210
^2.华北理工大学唐山市半导体集成电路重点实验室，河北唐山 063210

收稿日期:2022-04-25 修回日期:2022-06-20 接受日期:2022-06-21 发布日期:2022-09-29 出版日期:2023-05-10
通讯作者: 葛超
作者简介:葛超（1980—），男，河北石家庄人，教授，博士，主要研究方向：网络化控制系统、时滞系统、神经网络、模糊系统 gechao365@126.com
常晨蕾（1998—），女，河北唐山人，硕士研究生，主要研究方向：神经网络
姚征（1978—），男，河北唐山人，副教授，硕士，主要研究方向：工业机器人系统建模与优化控制
苏皓（1980—），男，河北唐山人，副教授，博士，主要研究方向：网络化控制系统。
基金资助:
河北省自然科学基金资助项目(F2021209006)

Synchronous control of neural network based on event-triggered mechanism

Chao GE¹^,²(), Chenlei CHANG¹, Zheng YAO¹, Hao SU¹^,²

^1.College of Electrical Engineering，North China University of Science and Technology，Tangshan Hebei 063210，China
^2.Tangshan Key Laboratory of Semiconductor Integrated Circuits，North China University of Science and Technology，Tangshan Hebei 063210，China

Received:2022-04-25 Revised:2022-06-20 Accepted:2022-06-21 Online:2022-09-29 Published:2023-05-10
Contact: Chao GE
About author:GE Chao， born in 1980， Ph. D.， professor. His research interests include networked control systems， time-delay systems， neural network， fuzzy systems.
CHANG Chenlei， born in 1998， M. S. candidate. Her research interests include neural network.
YAO Zheng， born in 1978， M. S.， associate professor. His research interests include modeling and optimal control of industrial robot system.
SU Hao， born in 1980， Ph. D.， associate professor. His research interests include networked control systems.
Supported by:
Natural Science Foundation of Hebei Province(F2021209006)

摘要/Abstract

摘要：

对于混合时滞神经网络同步控制中控制器存在随机摄动的问题，提出一种基于事件触发机制的非脆弱控制器。首先，使用一个服从伯努利分布的随机变量描述控制器增益摄动存在的随机性；其次，在神经网络同步控制过程中引入事件触发机制；接着，构造一个新颖的双边李雅普诺夫函数，充分考虑系统状态信息，同时利用改进的积分不等式对泛函导数进行放缩，得到同步误差系统指数稳定性的充分条件；最后，基于解耦技术设计了非脆弱控制器。通过仿真实例验证了所提控制器的有效性。实验结果表明，在四罐系统中，在相同采样周期下，与现有的指数衰减系数相比，所提控制器获得的指数衰减系数提升了0.16。

关键词: 神经网络, 事件触发机制, 指数同步, 非脆弱控制器, 李雅普诺夫函数

Abstract:

Concerning the problem of random perturbation of controller in synchronous control of neural network with mixed delays， a non-fragile controller based on event-triggered mechanism was proposed. Firstly， a random variable obeying Bernoulli distribution was used to describe the randomness of the existence of controller gain disturbance. Secondly， the event-triggered mechanism was introduced in the synchronous control process of the neural network. Next， a novel bilateral Lyapunov function was constructed to fully consider the system status information， while the functional derivatives were scaled by an improved integral inequality to obtain sufficient conditions for the exponential stability of the synchronization error system. Finally， a non-fragile controller was designed based on the decoupling technique. The effectiveness of the proposed controller was verified by simulation examples. Experimental results show that compared with the existing exponential attenuation coefficient under the same sampling period in the four-tank system， the exponential attenuation coefficient obtained by the proposed controller is improved by 0.16.

Key words: neural network, event-triggered mechanism, exponential synchronization, non-fragile controller, Lyapunov function

中图分类号:

TP273

葛超, 常晨蕾, 姚征, 苏皓. 基于事件触发机制的神经网络同步控制[J]. 计算机应用, 2023, 43(5): 1641-1646.

Chao GE, Chenlei CHANG, Zheng YAO, Hao SU. Synchronous control of neural network based on event-triggered mechanism[J]. Journal of Computer Applications, 2023, 43(5): 1641-1646.

图/表 5

图1 例1误差系统状态响应曲线

Fig. 1 Error system state response curve of example 1

图2 例1的控制输入曲线

Fig. 2 Control input curve of example 1

图3 例1的传输瞬间和释放间隔

Fig. 3 Transmission instants and release interval of example 1

图4 例2的控制输入曲线

Fig. 4 Control input curve of example 2

图5 例2误差系统状态响应曲线

Fig. 5 Error system state response curve of example 2

参考文献 19

1	LIU Y R， WANG Z D， LIANG J L， et al. Synchronization and state estimation for discrete-time complex networks with distributed delays［J］. IEEE Transactions on Systems， Man， and Cybernetics， Part B （Cybernetics）， 2008， 38（5）： 1314-1325. 10.1109/tsmcb.2008.925745
2	ZHANG J， PENG C. Synchronization of master-slave neural networks with a decentralized event triggered communication scheme［J］. Neurocomputing， 2016， 173 （Pt 3）： 1824-1831. 10.1016/j.neucom.2015.09.058
3	LI H Y， WANG C， SHI P， et al. New passivity results for uncertain discrete-time stochastic neural networks with mixed time delays［J］. Neurocomputing， 2010， 73（16/17/18）： 3291-3299. 10.1016/j.neucom.2010.04.019
4	GE C， PARK J H， HUA C C， et al. Robust passivity analysis for uncertain neural networks with discrete and distributed time-varying delays［J］. Neurocomputing， 2019， 364： 330-337. 10.1016/j.neucom.2019.06.077
5	刘静. 一类延迟细胞神经网络全局渐近稳定性条件［J］. 山东大学学报（理学版）， 2009， 44（4）：61-65.
	LIU J. Global asymptotic stability condition for a class of delayed cellular neural networks［J］. Journal of Shandong University （Natural Science）， 2009， 44（4）：61-65.
6	朱大铭，马绍汉.时间延迟细胞神经网络及其稳定性充分条件［J］. 山东大学学报（理学版），1997，32（1）：37-44. 10.1088/0256-307X/13/10/016
	ZHU D M， MA S H. Delay type cellular neural networks and their sufficient conditions on stability［J］. Journal of Shandong University （Natural Science）， 1997， 32（1）： 37-44. 10.1088/0256-307X/13/10/016
7	李富强，郜丽赛，郑宝周，等. 欺骗攻击下网络化系统事件触发安全控制［J］. 计算机工程与应用， 2021， 57（5）：264-270. 10.3778/j.issn.1002-8331.1912-0001
	LI F Q， GAO L S， ZHENG B Z， et al. Event-triggered secure control for networked systems under deception attacks［J］. Computer Engineering and Applications， 2021， 57（5）： 264-270. 10.3778/j.issn.1002-8331.1912-0001
8	ZHANG H H， LI L L， LI X D. Exponential synchronization of coupled neural networks under stochastic deception attacks［J］. Neural Networks， 2022， 145： 189-198. 10.1016/j.neunet.2021.10.015
9	ZHANG Z W， LI F， FANG T， et al. Event-triggered H_∞/passive synchronization for Markov jumping reaction-diffusion neural networks under deception attacks［J］. ISA Transactions， 2022， 129（Pt A）： 36-43. 10.1016/j.isatra.2021.12.035
10	LI L W， ZOU W L， FEI S M. Event-triggered synchronization of delayed neural networks with actuator saturation using quantized measurements［J］. Journal of the Franklin Institute， 2019， 356（12）： 6433-6459. 10.1016/j.jfranklin.2019.02.037
11	GE C， ZHANG Y X， WANG L， et al. Non-fragile control with event-triggered scheme for networked control systems under probabilistic time-varying delays［J］. Journal of the Franklin Institute， 2022， 359（10）： 4856-4873. 10.1016/j.jfranklin.2022.04.009
12	李迎迎，江明. 基于事件触发的网络控制系统稳定性分析［J］. 安徽工程大学学报， 2016， 31（4）：77-82. 10.3969/j.issn.2095-0977.2016.04.016
	LI Y Y， JIANG M. Stability analysis of event-triggered control for network control［J］. Journal of Anhui Polytechnic University， 2016， 31（4）： 77-82. 10.3969/j.issn.2095-0977.2016.04.016
13	PAN R Q， TAN Y S， DU D S， et al. Adaptive event-triggered synchronization control for complex networks with quantization and cyber-attacks［J］. Neurocomputing， 2020， 382： 249-258. 10.1016/j.neucom.2019.11.096
14	DING S B， WANG Z S. Event-triggered synchronization of discrete-time neural networks： a switching approach［J］. Neural Networks， 2020， 125： 31-40. 10.1016/j.neunet.2020.01.024
15	ZHANG J H， FENG G. Event-driven observer-based output feedback control for linear systems［J］. Automatica， 2014， 50（7）： 1852-1859. 10.1016/j.automatica.2014.04.026
16	GE C， WANG B F， WEI X， et al. Exponential synchronization of a class of neural networks with sampled-data control［J］. Applied Mathematics and Computation， 2017， 315： 150-161. 10.1016/j.amc.2017.07.045
17	ZENG H B， TEO K L， HE Y， et al. Sampled-data synchronization control for chaotic neural networks subject toactuator saturation［J］. Neurocomputing， 2017， 260： 25-31. 10.1016/j.neucom.2017.02.063
18	WU Z G， SHI P， SU H Y， et al. Exponential synchronization of neural networks with discrete and distributed delays under time-varying sampling［J］. IEEE Transactions on Neural Networks and Learning Systems， 2012， 23（9）： 1368-1376. 10.1109/tnnls.2012.2202687
19	ZHANG G L， ZHANG J Y， LI W， et al. Robust synchronization of uncertain delayed neural networks with packet dropout using sampled-data control［J］. Applied Intelligence， 2021， 51（12）： 9054-9065. 10.1007/s10489-021-02388-1

[1]	杨森淇, 段旭良, 肖展, 郎松松, 李志勇. 基于ERNIE+DPCNN+BiGRU的农业新闻文本分类[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1461-1466.
[2]	许睿, 梁爽, 万航, 文益民, 沈世铭, 李建. 基于烛台图模式匹配的PM_2.5扩散特征的提取[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1394-1400.
[3]	隋佳宏, 毛莺池, 于慧敏, 王子成, 平萍. 基于图注意力网络的全局图像描述生成方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1409-1415.
[4]	蒋瑞林, 覃仁超. 基于深度可分离卷积的多神经网络恶意代码检测模型[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1527-1533.
[5]	何建辉, 胡春龙, 束鑫. 基于多峰标签分布学习的多任务年龄估计方法[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1578-1583.
[6]	傅励瑶, 尹梦晓, 杨锋. 基于Transformer的U型医学图像分割网络综述[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1584-1595.
[7]	杨海宇, 郭文普, 康凯. 基于卷积长短时深度神经网络的信号调制方式识别方法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1318-1322.
[8]	孙浩, 曹健, 李海生, 毛典辉. 基于改进胶囊网络的会话型推荐模型[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1043-1049.
[9]	樊小宇, 蔺素珍, 王彦博, 刘峰, 李大威. 基于残差图卷积神经网络的高倍欠采样核磁共振图像重建算法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1261-1268.
[10]	王惠茹, 李秀红, 李哲, 马春明, 任泽裕, 杨丹. 多模态预训练模型综述[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 991-1004.
[11]	张秋余, 王煜坤. 基于改进Inception网络的语音分类模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 909-915.
[12]	华夏, 朱铮皓, 徐聪, 张曦煌, 柴志雷, 陈闻杰. 基于精准通信建模的脉冲神经网络工作负载自动映射器[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 827-834.
[13]	尹聪, 胡汉平. 基于时间注意力机制的时滞混沌系统参数辨识模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 842-847.
[14]	陈容均, 严宣辉, 杨超城. 面向时间序列的混合图像化循环胶囊分类网络[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 692-699.
[15]	吕学强, 张煜楠, 韩晶, 崔运鹏, 李欢. 融合边特征与注意力的表格结构识别模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 752-758.

基于事件触发机制的神经网络同步控制

Synchronous control of neural network based on event-triggered mechanism

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 19

相关文章 15

编辑推荐

Metrics