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

所属专题：前沿与综合应用

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]	杜郁, 朱焱. 构建预训练动态图神经网络预测学术合作行为消失[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2726-2731.
[2]	王娜, 蒋林, 李远成, 朱筠. 基于图形重写和融合探索的张量虚拟机算符融合优化[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2802-2809.
[3]	李云, 王富铕, 井佩光, 王粟, 肖澳. 基于不确定度感知的帧关联短视频事件检测方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2903-2910.
[4]	唐廷杰, 黄佳进, 秦进. 基于图辅助学习的会话推荐[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2711-2718.
[5]	张睿, 张鹏云, 高美蓉. 自优化双模态多通路非深度前庭神经鞘瘤识别模型[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2975-2982.
[6]	杨兴耀, 陈羽, 于炯, 张祖莲, 陈嘉颖, 王东晓. 结合自我特征和对比学习的推荐模型[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2704-2710.
[7]	秦璟, 秦志光, 李发礼, 彭悦恒. 基于概率稀疏自注意力神经网络的重性抑郁疾患诊断[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2970-2974.
[8]	方介泼, 陶重犇. 应对零日攻击的混合车联网入侵检测系统[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2763-2769.
[9]	杨航, 李汪根, 张根生, 王志格, 开新. 基于图神经网络的多层信息交互融合算法用于会话推荐[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2719-2725.
[10]	姚光磊, 熊菊霞, 杨国武. 基于神经网络优化的花朵授粉算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2829-2837.
[11]	黄颖, 杨佳宇, 金家昊, 万邦睿. 用于RGBT跟踪的孪生混合信息融合算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2878-2885.
[12]	沈哲远, 杨珂珂, 李京. 基于双流神经网络的个性化联邦学习方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2319-2325.
[13]	陈虹, 齐兵, 金海波, 武聪, 张立昂. 融合1D-CNN与BiGRU的类不平衡流量异常检测[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2493-2499.
[14]	杨莹, 郝晓燕, 于丹, 马垚, 陈永乐. 面向图神经网络模型提取攻击的图数据生成方法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2483-2492.
[15]	张春雪, 仇丽青, 孙承爱, 荆彩霞. 基于两阶段动态兴趣识别的购买行为预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2365-2371.

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