分布式阶非线性系统的统一Lyapunov稳定性分析框架及其在分布式阶递归神经网络中的应用

《Communications in Nonlinear Science and Numerical Simulation》:A unified Lyapunov framework for stability of nonlinear distributed-order systems in continuous and discrete domains

【字体: 大 中 小 】 时间:2026年03月30日 来源:Communications in Nonlinear Science and Numerical Simulation 3.8

编辑推荐:

  本文提出了一种用于连续与离散域非线性分布式阶系统稳定性分析的统一Lyapunov框架。作者基于分布式阶微积分,通过反证法首次建立了分布式阶Barbalat引理,为分析分布式阶动力学的渐近行为提供了理论基础。随后,在K类函数的设定下,发展了适用于受外部扰动系统的Lyapunov稳定性定理,得出了关于系统有界性和吸引性的广义判据。该框架统一了连续和离散情形,为分析具有参数不确定性的分布式阶系统(如分布式阶递归神经网络DORNNs)的稳定性提供了一致的方法论,并得到了仿真验证。

  
亮点
本文提出了一种用于连续与离散域非线性分布式阶系统稳定性分析的统一Lyapunov框架。作者基于分布式阶微积分,通过反证法首次建立了分布式阶Barbalat引理,为分析分布式阶动力学的渐近行为提供了理论基础。随后,在K类函数的设定下,发展了适用于受外部扰动系统的Lyapunov稳定性定理,得出了关于系统有界性和吸引性的广义判据。该框架统一了连续和离散情形,为分析具有参数不确定性的分布式阶系统(如分布式阶递归神经网络DORNNs)的稳定性提供了一致的方法论,并得到了仿真验证。
分布式阶微积分在连续域
定义 1
([1]) 函数ωt的Caputo导数定义为:
t0Dtβωt= In-β(dn/dtn)ωt= (1/Γ(n-β)) ∫t0t(t-ν)n-β-1ων(n)dν,
其中 n-1 < β < n ∈ Z+。
定义 2
([1]) 函数ωt的分数阶积分定义为:
t0Dt-βωt= (1/Γ(β)) ∫t0t(t-ν)β-1ωνdν,
其中 β > 0, Γ(ν) = ∫0∞tν-1e-tdt。
定义 3
([29]) Caputo分布式阶导数(或积分)在数学上定义为:
t0Dtσ(β)ωt= ∫n-1nσ(β) t0Dtβωtdβ,
t0Dtσ(-β)ωt= ∫n-1nσ(β) t0Dt-βωtdβ,
其中 n-1 < β < n ∈ Z+,σ(β) ≥ 0 表示一个分数阶权重函数,且 σ(·) ∈ C([n-1, n]) 并且在 [n-1, n] 上 σ(β) ? 0。
Lyapunov定理
在本节中,我们首先考虑连续域。通过利用分布式阶微积分并采用反证法,建立了分布式阶Barbalat引理,为分析分布式阶动力学的渐近行为提供了理论基础。随后,针对受外部扰动影响的系统,发展了基于K类函数的Lyapunov稳定性定理。结合拉普拉斯变换和分布式阶Barbalat引理,我们分析了系统解的渐近行为和有界性。
在连续域中的应用
在本文中,我们重点研究具有时变外部输入的分布式阶递归神经网络(DORNNs):
t0Dtσ(β)ωi,t= -aiωi,t+ Σj=1mΣk=1nbijkgj(ωj,t) + Ji(t), i=1,2,...,n,
其中 σ(β) > 0, σ(·) ∈ C([0, 1]) 且 β ∈ (0, 1), i, k ∈ Z+= {1,2,...,n}, j ∈ Z+= {1,2,...,m};ωi,t表示状态向量;gj(·) : R → R 是第j个神经元的激活函数;ai> 0 表示衰减率;bijk表示第i个与第j个神经元之间的连接权重;Ji(t) 表示时变外部输入。
数值模拟示例
示例 1
基于系统(15),我们考虑如下系统:
{
t0Dtσ(β)ω1,t= 2 ω2,t,
t0Dtσ(β)ω2,t= -(1 + ω1,t2) ω1,t- ω2,t+ ? sin(ξ t),
}
其中 ?β ∈ (0, 1),σ(β) = ζ1δ(β-β1) + ζ2δ(β-β2), β1= 0.95, β2= 0.05, ζ1= 1, ζ2= 0.01。
现在,假设候选Lyapunov函数 V(t, ωt) 给出如下:
ρ1(∥ωt∥2) = 2 ∥ωt∥22≤ V(t, ωt) = ωtTP ωt+ ω1,t4≤ λmax(P) ∥ωt∥22+ ∥ωt∥24= ρ2(∥ωt∥2),
其中 P = [3 2; 1 4], λmax(P) = 5。根据引理3和柯西不等式,有:
t0Dtσ(β)V(t, ωt) ≤ 2 ωT(t) P t0Dtσ(β)ωt+ 4 ω1,t3t0Dtσ(β)ω1,t
= -4 ω1,t2- 4 ω2,t2- 4 ω1,t4
结论
本研究探讨了用于连续与离散域非线性分布式阶系统稳定性分析的统一Lyapunov框架。为此,基于分布式阶微积分和反证法,为连续和离散域建立了分布式阶Barbalat引理。此外,利用分布式阶Barbalat引理和K类函数,建立了连续时间和离散时间分布式阶系统在外部扰动下有界性和吸引性的通用判据,为分析具有参数不确定性的系统提供了灵活实用的工具,并以分布式阶递归神经网络为例展示了其应用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号