1.一种双神经元神经网络模型PD控制器的控制方法,其特征在于,包括以下步骤:步骤S1:建立无控时滞反应扩散双神经元神经网络模型;
步骤S2:在所建立的时滞反应扩散双神经元神经网络模型的基础上,引入PD控制器,计算网络的平衡点;
步骤S3:将受PD控制的时滞反应扩散双神经元神经网络模型在平衡点处线性化,得出线性化的受控网络的特征方程;
步骤S4:选取时滞作为Hopf分岔参数,通过对该线性化后的被控网络的特征方程进行Hopf分岔分析,调节并选取适当的控制器参数kd、kp,使得该神经网络在平衡点附近保持渐近稳定,并提高网络的稳定阈值;
其中,步骤S1中,所述无控时滞反应扩散双神经元神经网络模型(1)的数学表达为:其中,u(t,x)和v(t,x)分别代表两个神经元在t时刻的状态;Ω=(0,π)为有界域;Δ代表Rn上的拉普拉斯算子;τ为神经网络中信息传输所需的时间;ci(i=1,2)代表神经元的自反馈参数;ai(i=1,2)为神经元间的连接权重;bi(i=1,2)为两神经元的自连接权重;d1和d2分别代表两个神经元的自扩散系数;fi(·)(i=1,2)为激活函数,并且满足fi(0)(i=1,2)=0且fi′(0)(i=1,2)≠0;
其中,定义偏微分PD控制器为可得受控时滞反应扩散双神经元神经网络模型(2)为:求得系统的平衡点为原点O=(0,0)T;接下来,将选择通信时延τ作为分岔参数,导出网络发生Hopf分岔的参数条件;随后,调节两个控制器参数kd、kp,以保证网络在原点处保持局部渐近稳定并扩大网络的稳定区域以延缓分岔的发生;
其中,在步骤S3中,对于受控模型在平衡点处进行线性化处理得出被控系统的特征方程:det(λI-Mk-G1-G2e-λτ)=0,
其中,-k2(k∈N0)是拉普拉斯算子Δ的特征根,I是二阶单位矩阵;以及b11=b1f1′(0),a11=a1f2′(0),b22=b2f3′(0),a22=a2f4′(0).
则被控系统的特征方程为:
λ2+A(k)λ+B(k)+Ce-2λτ=0,
其中,
2.根据权利要求1所述的双神经元神经网络模型PD控制器的控制方法,其特征在于:步骤S4进一步包括:(1)、当网络无时滞(τ=0),特征方程可改写为:λ2+A(k)λ+B(k)+C=0,
讨论并研究上述方程存在负实部的充分条件,以保证网络在无时滞条件下的稳定性;
(2)、当网络存在通信时延即(τ>0)时,探究网络出现Hopf分岔的条件,并计算分岔阈值点τ0;通过比较分岔阈值点τ0和通信时延τ的大小来判断网络是否会发生Hopf分岔。
3.一种双神经元神经网络模型PD控制器的控制系统,其特征在于:可执行权利要求1-2任一项所述的控制方法。