时滞半Markov跳变神经网络系统事件驱动故障检测滤波器设计

林文娟何 勇

(1.中国地质大学自动化学院,湖北武汉 430074;2.复杂系统先进控制与智能自动化湖北省重点实验室,湖北武汉 430074)

1 引言

人工神经网络是一类模仿人脑神经突触连接进行信息处理,模仿其记忆、推理和计算能力的数学型.近年来,人工神经网络逐渐成为机器学习、人工智能等领域的热点研究话题[1].在实现人工神经网络过程中,由于硬件电路中放大器开关速率和信号传输速度的限制,不可避免地会遇到时滞现象[2].时滞的存在往往会导致系统性能下降,给系统分析设计以及应用带来困难__[3].因此,考虑时滞对神经网络的影响,并对其进行分析与综合具有重要理论价值和实际意义.鉴于Markov过程在刻画实际动力系统的有效性,以及其在工业过程、生物医疗、社会经济等领域中强大的建模能力,在对人工神经网络建模时引入Markov跳变特性具有重要的实际意义[4].近年来,学者们也因此开展了大量关于Markov跳变时滞神经网络系统的研究,包含耗散性分析[2]、可达集估计[3]、稳定性分析[4]、同步问题[5]、状态估计[6]等.

传统控制系统都是采用时间驱动的方式,即周期性地更新控制信号、采集信息.这种基于时间驱动的控制策略通常会造成不必要的通信资源浪费[7],而为了降低这种浪费,有学者提出了事件触发机制[8].在这种机制下,只有在满足预定义的事件触发条件时才传输信号.受此启发,学者们又提出了许多改进的事件触发机制,如动态事件触发机制……