混合时滞复值神经网络的事件触发状态估计OA北大核心CSTPCD

研究了事件触发机制下混合时滞复值神经网络的状态估计问题.首先基于测量输出设计了事件触发机制,有效降低了估计器更新的频率.在触发机制中引入了等待时间,以此避免了采样中的Zeno现象.运用Lyapunov方法和复值矩阵的性质,建立了估计误差系统全局渐近稳定的充分性判据,并基于线性矩阵不等式技巧给出了复值增益矩阵K的求解算法.最后的数值例子验证了理论成果的正确性和有效性.