1.一种强核神经元系统的混合控制方法,其特征在于:包括以下步骤:S1:建立无控的时滞强核神经元模型,得到系统稳定性特性和平衡点信息;
S2:对于无控的时滞强核神经元模型施加混合控制器;
S3:将受混合控制器作用的时滞强核神经元模型在平衡点处线性化,得到线性化后的被控网络的特征方程;
S4:选取泄漏时滞作为分岔参数,通过对该线性化后的被控网络的特征方程进行稳定性分析和分岔分析,调节并选取控制器参数,使得被控网络在平衡点附近局部稳定。
2.根据权利要求1所述强核神经元系统的混合控制方法,其特征在于:步骤S1中无控的时滞强核神经元模型的数学表达为: 其中-μx(t-τ)为泄漏时滞项,μ>0表示神经元的延时率,v为描述自反馈强度的实常数。f(·)为激活函数,并满足f(0)=0,f(·)∈C1,C1表示一维的复数域。
3.根据权利要求2所述强核神经元系统的混合控制方法,其特征在于:数学表达中分段连续 的核 函数 Kn (·) 需要 满足 条件 : 其中β为表示神经元记忆效果的时滞率且为正实数,n=0
表示弱核,n=1表示强核,当n≥2时表示超强核。
4.根据权利要求1所述强核神经元系统的混合控制方法,其特征在于:步骤S1中在求取系统平衡点的过程为,先对系统进行转化处理,令将原一维系统转化为三维系统:
令
由此解方程可得到模型的非负平衡点为O(0,0,0)。
5.根据权利要求1所述强核神经元系统的混合控制方法,其特征在于:步骤S2所施加的混合控制器的数学表达为:u(t)=α(-μx(t-τ)+vf(y1(t))+x(t)-x*),其中α∈[-1,1]为反馈增益参数,x*为非负平衡点中的x(t)分量。
6.根据权利要求1所述强核神经元系统的混合控制方法,其特征在于:所述被控网络的系统模型为:将被控网络中的泄漏时滞作为分岔参数,对被控网络的局部稳定性进行分析,并根据稳定性分析的结果,选择相应的混合控制器参数α,使被控网络在平衡点O(0,0,0)处渐进稳定。