TrueTime基于网络通信的神经网络同步的设计与实现
毕业论文关键词 神经网络 同步控制 网络化控制 时滞
Title Network-based synchronization of delayedneural networks
Abstract In this article, we elaborate the research situation of neural networks.And then, we analyze the basic principle and method of neural networkssynchronization. According to the concrete request to build the systemframework, we design the algorithm of data transmission, design atime-delay neural network synchronization model based on generalcommunication network in the Matlab platform. The cases of different inputsare simulated. After that, we observe the simulation results and thefigures and compare the synchronous control effect of the systems. Furthermore, we attempt to compare the simulation with or without thecommunication channels, and come to some conclusions. The influences ofparameter changes on the system are also considered. Via observations, itcan be seen that in the absence of the influence of the communicationnetwork, system synchronization performance is better than that with acommunication network; The changes of system parameters and control gainswill cause the changes of the dynamic behaviors of error. But it caneventually realize system state synchronization.
Keywords Neural networks; Synchronization control; Networked controlsystem; Delay
目次
1引文..1
2神经网络同步控制的研究现状2
2.1基于神经网络的智能控制....2
2.2基于传统控制理论的神经网络控制...4
2.3本章小结..6
3基于网络通信的同步神经网络的设计与实现....6
3.1系统搭建及算法设计..6
3.1.1初步搭建同步系统框架.6
3.1.2设计主要模块的算法7
3.1.3构建延迟神经网络通用模型...9
3.1.4同步误差控制..9
3.2TrueTime工具箱的结构和功能...10
3.3使用TrueTime搭建同步神经网络系统11
3.3.1搭建主从系统11
3.3.2核心模块的搭建.14
3.3.3网络节点的设置.17
3.4仿真及分析.18
3.5进一步探究.23
3.5.1主从系统改变时的同步控制效果...23
3.5.2有无通信网络情况下的同步控制效果对比..25
3.5.3改变网络参数时的同步控制效果...28
3.6本章小结32
结论.33
致谢.34
参考文献...35
混沌同步在过去的二十年里由于其强大的应用已备受关注。最重要的应用之一就是保密通信[1]，即信息轴承信号隐藏在混沌载波信号之中。之后Pecora 和 Carroll 他们开创性地提出了主从同步[2]，有许多重要的结果聚焦在一些典型的混沌系统，如Lorenz系统，Chua系统，Chen 系统和Rössler 系统，等等（例如，[3]–[10]其中给出的） 。神经网络，常常表现出稳定，振荡周期或混沌行为，在过去的几十年备受关注（例如，[11] - [15]） 。引入的时间延迟到神经网络以产生更复杂的动态[16]已被证明是一种有效的方法。因此，同步延迟神经网络已经成为首要的、重要的、有意义的话题。一些有效的方法已经被提出： （例如，[4]，[17] - [22]）在[17]，[18]中，利用 Lyapunov方法和线性矩阵不等式技术证明了时滞神经网络的同步性能。[19]，[20]中介绍了时滞神经网络的自适应同步研究。对于一个数组的线性耦合相同连接的神经网络中，其同步属性在[21]中讨论。在[4]中利用 Lyapunov 泛函方法和 Hermitian 矩阵理论对全局同步进行了研究。[22]提出了脉冲控制方法来实现一类参数不确定的混沌时滞神经网络的鲁棒性强的全局指数同步。在同步系统的一些实际应用中源]自=优尔-·论~文"网·www.youerw.com/ ，如何进行专门的信号传输信道的系统设计已成为一个至关重要的问题。例如，[23]中研究了在通过商业光纤信道，基于混沌同步的信号传输的情况下的高速长距离安全通信。在其他实际应用中，如可靠的多机器人配方[24]，无线网络中的安全通信[25]，信号传输都依赖于通用的通信网络。两个或多个动态的系统，该系统是稳定的或周期性的，或者甚至是混乱的，共享一个共同的动态行为通过联接或外部强迫使用公共通信网络来相互传输信号都属于基于网络的同步系统 （ NSSs） 的类别。与传统的同步系统相比，NSSs 有几个优点，如成本低，安装简单，维护方便等[26]，[27]。 然而，新的问题出现在引入网络通信分析NSSs 的动态行为时。在 NSSs 中，信号的传输信道往往涉及网络引起的延迟，数据包丢失，比特错误，环境的干扰，等等，这将导致不能及时或准确地将被发送的参考信号从一个系统发送到另一个上。这导致一些现有的同步方案应用到网络系统时的一些限制，因为它们都是基于主系统的状态向量可以准时被从系统获得这个前提。此外，在 NSSs 数据包可能达到被发送的时间次序与之不同的一个系统。因此，该数据包的调度策略需要加以讨论。此外，信号的传输经常遭受从随机波动。如何为基于网络的系统开发专用的同步方案，仍然是具有挑战性的。在本文中，我们首先将对神经网络的研究现况进行阐述，而后将关注于初步的设计一个简单通用的基于通信网络的时滞神经网络模型，然后通过给定参数的变化引起的仿真结果上的变化进行计算和推演，得出理想的丢包率从而确定此神经网络的稳定性。为了达到所定目标，我们在NSS 框架中引入了逻辑数据处理器和逻辑零阶保持（ZOH） 。从主系统和从系统采样的数据包被传输到逻辑数据处理器，由于通过公用通信网络导致网络延迟，丢包和随机波动。而控制器输出的数据包则通过同一通信网络发送至ZOH。我们将根据要求构建系统具体框架，设计并实现数据传输的算法，并将系统在 TRUETIME 平台进行仿真，对结果进行进一步验证，并尝试比较在有无通信通道的情况下系统的仿真结果差异，以及参数改变对系统产生的影响。