时滞型神经网络动力学分析及在电力系统中的应用

图书标准信息

• 作者 王晓红、付主木 著
• 出版社 科学出版社
• 出版时间 2015-10
• 版次 1
• ISBN 9787030457479
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 298页
• 字数 385千字
• 正文语种 简体中文

【内容简介】

　　《时滞型神经网络动力学分析及在电力系统中的应用》根据工程应用的实际需要，全面系统地介绍时滞型神经网络动力学分析的理论基础、各种动态特性研究方法、主要实现技术、计算机模拟验证技术以及在电力系统稳定性分析中的应用等内容。主要内容包括变时滞神经网络的有界性和全局指数稳定性；多时滞神经网络的有限时间有界性；混合时滞神经网络的稳定性与收敛率估计及正不变集和全局指数吸引集；混合时滞COhen-Grossberg神经网络的鲁棒指数收敛性、非负平衡点稳定性与Lagrange稳定性；以及混合时滞区间神经网络的鲁棒指数耗散性和随机时滞神经网络及系统的渐近行为与控制。将这些理论研究方法应用于电力系统的稳定性分析中。
　　《时滞型神经网络动力学分析及在电力系统中的应用》可供控制科学与工程、工业自动化、电气自动化、机电一体化、机械工程等专业的研究人员、研究生和高年级本科生参考，也可供控制系统设计工程师等相关工程技术人员阅读和参考。

【目录】

前言
第1章 绪论
1．1 引言
1．2 神经网络的研究现状
1．2．1 时滞神经网络的稳定性分析
1．2．2 Lagrange稳定性研究
1．2．3 有限时间有界问题的提出
1．2．4 不确定问题描述
1．3 随机时滞神经网络基本理论
1．3．1 随机神经网络的发展概述
1．3．2 几种随机递归神经网络模型
1．3．3 时滞对随机神经网络的影响
1．3．4 随机时滞神经网络的研究方法
1．4 电力系统的研究现状
参考文献

第2章 数学基础
2．1 向量和矩阵的范数
2．1．1 向量范数
2．1．2 矩阵范数
2．2 常用不等式及线性矩阵不等式
2．2．1 常用不等式
2．2．2 线性矩阵不等式
2．3 Ito随机系统的基本理论
2．3．1 几种常见的随机过程
2．3．2 Ito随机微分方程
2．3．3 Ito随机系统稳定性概念
2．4 LyapLinov方程及稳定性理论
2．4．1 Lyapunov方程的一般解
2．4．2 Lyapunov方程的非负解
2．4．3 Lyapunov稳定性理论
2．5 其他引理
2．6 函数的范数
参考文献

第3章 变时滞神经网络的有界性和全局指数稳定性
3．1 问题描述
3．2 非自治递归神经网络的有界性和全局指数稳定性
3．3 非自治多时滞神经网络的有界性和全局指数稳定性
3．3．1 系统描述和预备知识
3．3．2 有界性和全局指数稳定性
3．4 仿真算例
3．5 本章小结
参考文献

第4章 混合时滞神经网络的稳定性与收敛率估计
4．1 问题描述
4．2 混合时滞神经网络全局渐近稳定性和全局指数稳定性
4．2．1 全局渐近稳定性
4．2．2 全局指数稳定性
4．3 指数收敛率的估计
4．3．1 预备知识
4．3．2 指数收敛率估计
4．4 仿真算例
4．5 本章小结
参考文献

第5章 多时滞Cohen．Grossberg神经网络的有限时间有界性
5．1 问题描述
5．2 有限时间有界性分析
5．2．1 预备工作
5．2．2 主要结果
5．3 仿真算例
5．4 本章小结
参考文献

第6章 混合时滞Cohen．Grossberg神经网络的鲁棒指数收敛性
6．1 问题描述
6．2 鲁棒指数收敛性分析
6．3 仿真算例
6．4 本章小结
参考文献

第7章 混合时滞Cohen．Grossberg神经网络非负平衡点的稳定性
7．1 问题描述
7．2 非负平衡点的存在唯一性
7．3 非负平衡点的R-全局稳定性分析
7．4 仿真算例
7．5 本章小结
参考文献

第8章 混合时滞神经网络在Lagrange意义下的稳定性
8．1 问题描述
8．2 混合时滞非自治Cohen-Grossberg神经网络的Lagrange稳定性
8．2．1 预备工作
8．2．2 主要结论
8．3 具有广义激活函数混合时滞Cohen-Grossberg神经网络的Lagrange稳定性
8．3．1 模型描述
8．3．2 Lagrange稳定性
8．3．3 应用定理
8．4 仿真算例
8．5 本章小结
参考文献

第9章 混合时滞神经网络正不变集和全局指数吸引集
9．1 问题描述
9．2 估计正不变集和全局指数吸引集
9．3 应用举例
9．4 本章小结
参考文献

第10章 混合时滞区间神经网络的鲁棒耗散性
10．1 问题描述
10．2 全局鲁棒指数耗散性分析
10．3 仿真算例
10．4 本章小结
参考文献

第11章 随机时滞网络及系统的渐近行为与控制
11．1 随机CohemGrossberg时滞神经网络系统的渐近行为
11．1．1 预备工作
11．1．2 随机最终有界
11．1．3 几乎必然指数稳定性
11．1．4 仿真算例
11．2 不确定中立型随机时滞系统的鲁棒稳定性
11．2．1 问题描述
11．2．2 中立型随机微分时滞方程的Lasalle不变原理
11．2．3 鲁棒稳定性
11．2．4 仿真算例
11．3 基于Back-Stepping方法的随机系统非线性控制器
11．3．1 问题描述
11．3．2 非线性控制器的设计
11．3．3 仿真算例
11．4 不确定随机时滞大系统的鲁棒性及分散镇定
11．4．1 问题描述
11．4．2 随机时滞大系统的鲁棒指数稳定性
11．4．3 正则可鲁棒镇定的判定条件
11．4．4 仿真算例
11．5 本章小结
参考文献

第12章 时滞电力系统的两类稳定性与参数辨识
12．1 问题描述
12．2 电力系统的Lagrange稳定性判定
12．2．1 基于混沌分析的电力系统Lagrange稳定性判定
12．2．2 基于LMI的时滞电力系统Lagrange稳定性判定
12．3 时滞电力系统Lyapunov稳定性分析
12．3．1 时滞电力系统模型
12．3．2 基于LMI方法分析时滞电力系统Lyapunov稳定性
12．3．3 仿真算例
12．4 电力系统模型参数辨识
12．4．1 系统参数辨识
12．4．2 电力系统数学模型
12．4．3 参数辨识的混合遗传算法和小种群粒子群算法
12．4．4 仿真算例
12．5 本章小结
参考文献