复杂动态网络的状态估计方法研究

《复杂动态网络的状态估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据TheStateEstimationofComplexDynamicalNetworksThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByYingyouSunSupervisor:Prof.GuopingJiangFebruary2014万方数据万方数据摘要高速发展的信息技术给计算机模拟大规模复杂网络带来便利的同时，也给复杂网络的研究带来了极大的挑战。在现有的复杂网络研究中，大多数利用节点状态反馈设计控制器来设计系统的同步或拓扑辨识

2、。由于复杂动态网络规模大、节点数量多且彼此之间的连接关系错综复杂，受网络带宽、通信机制、工作环境等限制，一般只能测量到部分网络节点信息，节点之间往往只能通过部分状态信息进行链接。为了解决节点状态不可知，继而更好的了解网络的行为特征，我们有必要建立复杂网络的状态估计器。本文的主要研究工作及取得的成果如下：一、针对一类信道噪声下，节点线性时变时滞耦合的复杂动态网络，为了抑制噪声对状态估计器的影响，利用积分控制器思想设计状态估计器，根据Lyapunov稳定性判据和H控制技术，借助线性矩阵不等式(LMIs)，给出估计误差满足一定H性能指标的状态估计器设计准则，通过数值仿真，表明设计方案

3、的有效性。针对节点输出线性耦合的复杂动态网络，以线性矩阵不等式(LMIs)形式，给出同时具有信道噪声和耦合时变时滞环境下，估计误差满足一定H性能指标的状态估计器设计准则，数值仿真验证方案的有效性。二、由于网络结构的复杂性，传统的线性耦合模型往往不能准确描述节点之间的耦合关系。鉴于此，我们分别研究节点非线性耦合、节点非线性时滞耦合的复杂动态网络的状态估计问题，根据Lyapunov稳定性判据，以线性矩阵不等式(LMIs)的形式，分别给出两类情况下状态估计的充分条件，通过实际算例仿真，验证方案的有效性。三、针对非线性耦合的复杂动态网络，研究噪声对估计器的影响。通过积分控制器思想设计积分

4、估计器，分别研究信道噪声下非线性耦合、非线性时滞耦合的复杂动态网络状态估计问题。根据Lyapunov稳定性判据，以线性矩阵不等式(LMIs)形式给出估计误差满足一定的H性能指标的状态估计器设计准则，分别利用无标度和小世界网络拓扑结构，节点动力学满足Lorenz方程的复杂动态网络进行仿真，验证所设计状态估计器的有效性。关键词:线性耦合，非线性耦合，状态估计，复杂动态网络，时滞，信道噪声，Lyapunov稳定性，H性能指标I万方数据AbstractTherapiddevelopmentofinformationtechnologynotonlyprovidesthepossibil

5、ityofachievinglarge-scalecomplexdynamicalnetworks,butalsobringsgreatchallengestotheexistingstudiesofcomplexdynamicalnetworks.Inthemostpreviousresearchliteratures,allstatevariablesarerequiredtoconstructthecontrollersforsynchronizationandtopologyidentification.However,foralargescalenetwork,measu

6、ringallstatesvariablesisnoteasyorevenimpossibleduetocomplexityofthenetwork,andthelimitationofbandwidth,communicationmechanism,workingenvironmentandsoon.Usually,wecanonlygetpartsofthestatevariables,andthenodecouplingcanonlybeachievedthroughthepartsofthestatevariables.Inthethesis,inordertogetall

7、ofthestatevariables,andtounderstandthebehavioralcharacteristicsofacomplexnetworkbetter,westudythestateestimationproblemofcomplexdynamicalnetworks,wherethecontrollerisdesignedbyusingoutputsofnetworks.Themainresearchcontentsareasfollows:F