公开(公告)号：CN114936624B

公开(公告)日：2024-09-06

申请号：CN202210416573.7

申请日：2022-04-20

申请人： 湖南师范大学

发明人： 肖林 ,  贾蕾 ,  罗佳杰 ,  代建华

IPC分类号： G06N3/043 ,  G06N3/048 ,  G06N3/082

摘要： 本发明涉及神经网络与模糊控制技术领域，具体是指一种基于离散模糊控制系统设计新型零化神经网络模型的方法。在本发明中，通过利用由离散模糊控制系统生成的模糊矩阵型设计参数以及改进的sign‑bi‑power激励函数，建立了新型零化神经网络模型用于时变问题的求解。与一般零化神经网络模型中的标量设计参数相比，离散模糊矩阵型设计参数不仅能够使模型中的不同误差拥有不同的收敛速率，同时也能够自适应地调整收敛速率。此外，在改进的sign‑bi‑power激励函数的作用下，新型零化神经网络具有较强的预定义时间性。总而言之，新型零化神经网络模型在自适应性、全局渐进稳定性和预定义时间收敛性方面都有显著的优势。

公开(公告)号：CN115562023B

公开(公告)日：2024-07-02

申请号：CN202211246756.5

申请日：2022-10-12

申请人： 湖南师范大学

发明人： 肖林 ,  贾蕾 ,  代建华 ,  唐文胜 ,  綦朝晖

IPC分类号： G05B13/04

摘要： 本公开实施例中提供了一种基于模糊控制的容噪零化神经网络模型设计方法，属于计算技术领域，具体包括：步骤1，设计模糊控制，其中，所述模糊控制包括模糊化接口、规则库、数据库、模糊决策单元和退模糊化接口；步骤2，根据所述模糊控制和传统零化神经网络的演化公式，得到模糊容噪零化神经网络演化公式；步骤3，将与时变问题相关的误差矩阵的具体形式代入所述模糊容噪零神经网络演化公式，得到求解该时变问题的模糊容噪零化神经网络模型。通过本公开的方案，能设计出结构简单、容噪性、全局稳定性和有限时间收敛性更强的容噪零化神经网络模型。

公开(公告)号：CN115562023A

公开(公告)日：2023-01-03

申请号：CN202211246756.5

申请日：2022-10-12

申请人： 湖南师范大学

发明人： 肖林 ,  贾蕾 ,  代建华 ,  唐文胜 ,  綦朝晖

IPC分类号： G05B13/04

摘要： 本公开实施例中提供了一种基于模糊控制的容噪零化神经网络模型设计及方法，属于计算技术领域，具体包括：步骤1，设计模糊控制，其中，所述模糊控制包括模糊化接口、规则库、数据库、模糊决策单元和退模糊化接口；步骤2，根据所述模糊控制和传统零化神经网络的演化公式，得到模糊容噪零化神经网络演化公式；步骤3，将与时变问题相关的误差矩阵的具体形式代入所述模糊容噪零神经网络演化公式，得到求解该时变问题的模糊容噪零化神经网络模型。通过本公开的方案，能设计出结构简单、容噪性、全局稳定性和有限时间收敛性更强的容噪零化神经网络模型。

公开(公告)号：CN114721273A

公开(公告)日：2022-07-08

申请号：CN202210430281.9

申请日：2022-04-22

申请人： 湖南师范大学

发明人： 肖林 ,  罗佳杰 ,  代建华 ,  贾蕾

IPC分类号： G05B13/04

摘要： 本发明涉及一种收敛零化神经网络的多智能体编队控制方法，特别是一种利用分布式固定时间收敛零化神经网络实现的多智能体编队队形一致性的控制方法技术领域。将每一个智能体的速度状态视为一个向量，并对每一个速度分量进行控制；当所有的智能体速度的每一个分量趋于一致的时候，方向也一致，多智能体编队此时就同时具有了速度一致性和方向一致性，从而达到了编队队形一致性；有益效果在于，1、使用分布式固定时间收敛零化神经网络来设计多智能体控制协议；2、实现固定时间收敛；3、比以弱估强的Polyakov方法更精准；4、实现任意维度下的多智能体编队队形控制。

公开(公告)号：CN114721273B

公开(公告)日：2024-04-12

申请号：CN202210430281.9

申请日：2022-04-22

申请人： 湖南师范大学

发明人： 肖林 ,  罗佳杰 ,  代建华 ,  贾蕾

IPC分类号： G05B13/04

摘要： 本发明涉及一种收敛零化神经网络的多智能体编队控制方法，特别是一种利用分布式固定时间收敛零化神经网络实现的多智能体编队队形一致性的控制方法技术领域。将每一个智能体的速度状态视为一个向量，并对每一个速度分量进行控制；当所有的智能体速度的每一个分量趋于一致的时候，方向也一致，多智能体编队此时就同时具有了速度一致性和方向一致性，从而达到了编队队形一致性；有益效果在于，1、使用分布式固定时间收敛零化神经网络来设计多智能体控制协议；2、实现固定时间收敛；3、比以弱估强的Polyakov方法更精准；4、实现任意维度下的多智能体编队队形控制。

公开(公告)号：CN114936624A

公开(公告)日：2022-08-23

申请号：CN202210416573.7

申请日：2022-04-20

申请人： 湖南师范大学

发明人： 肖林 ,  贾蕾 ,  罗佳杰 ,  代建华

IPC分类号： G06N3/04 ,  G06N3/08

摘要： 本发明涉及神经网络与模糊控制技术领域，具体是指一种基于离散模糊控制系统设计新型零化神经网络模型的方法。在本发明中，通过利用由离散模糊控制系统生成的模糊矩阵型设计参数以及改进的sign‑bi‑power激励函数，建立了新型零化神经网络模型用于时变问题的求解。与一般零化神经网络模型中的标量设计参数相比，离散模糊矩阵型设计参数不仅能够使模型中的不同误差拥有不同的收敛速率，同时也能够自适应地调整收敛速率。此外，在改进的sign‑bi‑power激励函数的作用下，新型零化神经网络具有较强的预定义时间性。总而言之，新型零化神经网络模型在自适应性、全局渐进稳定性和预定义时间收敛性方面都有显著的优势。