CN113095497B
有效
一种分数阶四元忆阻神经网络的有限时间同步方法、装置
技术领域
[0001]本发明属于非线性动力系统领域，具体涉及一种分数阶四元忆阻神经网络的有限时间同步方法、装置。
背景技术
[0002]忆阻器是一种代表着电荷与磁通量之间的关系的第四种基本电子元件；忆阻器是具有记忆功能的非线性电阻，流经它的电荷量会被记忆。除记忆功能外，记忆电阻器还有许多优点，如低功耗、良好的可扩展性、高密度等，使其具有广阔的应用前景。就像生物突触的可塑性一样，记忆电阻器可以通过自身的历史电流改变其记忆电阻。这种特性对于计算机学，神经网络，电子通信工程等领域产生了极其深远的影响。
[0003]分数阶微积分作为积分阶微积分的扩展之一，与整数阶系统相比，分数阶非线性系统的建模更加准确，普遍性更强。随着分数阶微积分的发展，人们逐渐意识到分数阶微积分是描述记忆和遗传特性的良好工具。因此，为了更好地描述神经元的动力学行为，在神经网络模型中引入了分数阶微积分。
[0004]在彩色图像等多维数据的实际应用中，实值神经元和复值神经元不能很好地处理这些数据，而四元数神经元可以更有效、更紧凑地表示它们。四元数在多维度的表达和应用上有良好的性质，因此四元数被广泛的应用在数学，电子，自动化等领域。
[0005]由于同步技术在系统控制、信息处理、安全通信和密码学等方面具有很好的应用前景，因此该技术的研究得到了迅速的发展。现有的同步技术的种类多样，比如Mittag-Leffler同步、指数同步、反同步、牵引同步等。在现实中，时间成本是考量问题的重要因素，一些同步技术无法确定系统达到同步所需要的时间，因此提出了有限时间同步策略来克服这一缺点。有限时间同步技术具有良好的抗干扰性和鲁棒性，在自动化，神经网络，通信工程等领域有着深远的影响；但是现有的技术中还没有能够很好地解决分数阶四元忆阻神经网络有限时间同步问题的方案。
发明内容
[0006]针对现有技术中的问题，本发明提供的分数阶四元忆阻神经网络的有限时间同步方法、装置，能够解决分数阶四元忆阻神经网络的有限时间同步问题。
[0007]本发明采用以下技术方案实现：
[0008]本发明包括一种分数阶四元忆阻神经网络的有限时间同步方法，该有限时间同步方法用于实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，该有限时间同步方法包括如下步骤：
[0009]步骤S1：设计同步控制器ui(t)，同步控制器ui(t)的设计方法包括步骤：
[0010]步骤S11：将分数阶四元忆阻神经网络系统转化为连续可微的系统，并确定连续可微的系统中表征驱动网络的模型和表征响应网络的模型；
[0011]步骤S12：用上步骤的响应网络的模型和驱动网络的模型作差，得到表征系统的同
[0012]步误差ei(t)的模型为：
[0013]
[0014]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0015]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0016]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0017]
[0018]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0019]自适应函数β(t)满足如下公式：
[0020]
[0021]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数；
[0022]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0023]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0024]进一步的，步骤S11中，分数阶四元忆阻神经网络系统的驱动网络的模型如下：
[0025]
[0026]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；fj(xj(t))和gj(xj(t-τj))为不连续函数，二者表示驱动网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示忆阻器的连接权值；j表示系统的维数。
[0027]进一步的，步骤S11中，分数阶四元忆阻神经网络系统的响应网络的模型如下：
[0028]
[0029]其中，
表示对t求α次分数阶导数的标记，α表示该分数阶四元忆阻神经网络中分数阶的阶数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；
和
为不连续函数，二者分别代表神经元的激活函数；Ii表示系统面临的外部干扰；
和
表示忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0030]进一步的，分数阶四元忆阻神经网络系统的响应网络中引入同步控制器ui(t)之后，系统的同步时间t1通过如下公式计算：
[0031]
[0032]其中，t0表示时间初值；λ1表示计算得到的常数项；![]()
表示Gamma函数；β是通过自适应函数的轨迹中共轭项的阶数![]()
与控制器中共轭项阶数μ计算出的值，![]()
[0033]本发明还包括一种分数阶四元忆阻神经网络系统的构建方法，该分数阶四元忆阻神经网络系统包括驱动网络和响应网络，构建方法在构建分数阶四元忆阻神经网络系统时，为了实现驱动网络和响应网络在有限时间内达到同步状态，包括步骤：
[0034]步骤S1：设计同步控制器ui(t)，同步控制器ui(t)的设计方法包括步骤：
[0035]步骤S11：将分数阶四元忆阻神经网络系统转化为连续可微的系统，并确定连续可微的系统中表征驱动网络的模型和表征响应网络的模型；
[0036]步骤S12：用上步骤的响应网络的模型和驱动网络的模型作差，得到表征系统的同
[0037]步误差ei(t)的模型为：
[0038]
[0039]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0040]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0041]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0042]
[0043]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0044]自适应函数β(t)满足如下公式：
[0045]
[0046]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数。
[0047]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0048]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0049]进一步的，构建出的能够实现驱动网络和响应网络在有限时间内达到同步状态的分数阶四元忆阻神经网络系统中，引入同步控制器后的响应网络的模型为：
[0050]
[0051]其中，
[0052]
[0053]本发明还包括一种分数阶四元忆阻神经网络的有限时间同步装置，其用于实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，有限时间同步装置包括：系统模型转化模块、同步误差获取模块、同步控制器以及修正模块。
[0054]系统模型转化模块用于将分数阶忆阻神经网络系统的基本模型转化为连续可微的系统模型。
[0055]同步误差获取模块用于对系统模型转化模块中得到的转化后的响应网络的模型和驱动网络的模型作差，得到表征系统的同步误差ei(t)；系统的同步误差ei(t)的模型为：
[0056]
[0057]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0058]同步控制器为根据系统的同步误差ei(t)的模型构造得出的自适应控制器，表征同步控制器ui(t)的函数为：
[0059]
[0060]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数。
[0061]自适应函数β(t)满足如下公式：
[0062]
[0063]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数。
[0064]修正模块用于将所述同步控制器引入到分数阶四元忆阻神经网络系统的响应网络的模型中。
[0065]进一步的，有限时间同步装置中还包括同步时间计算模块，所述同步时间计算模块用于根据分数阶四元忆阻神经网络的具体参数计算出同步控制器调节下系统达到有限时间同步状态的同步时间，同步时间的计算公式如下：
[0066]
[0067]其中，t0表示时间初值；λ1表示计算得到的常数项；![]()
表示Gamma函数；β是通过自适应函数的轨迹中共轭项的阶数![]()
与控制器中共轭项阶数μ计算出的值，![]()
[0068]进一步的，该有限时间同步装置采用如前述的分数阶四元忆阻神经网络的有限时间同步方法。
[0069]本发明还包括一种分数阶四元忆阻神经网络的有限时间同步终端，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如前述的分数阶四元忆阻神经网络的有限时间同步方法的步骤。
[0070]本发明提供的技术方案，具有如下有益效果：
[0071]1、本发明提供的一种分数阶四元忆阻神经网络的有限时间同步方法，通过设计一个新的自适应控制器，使分数阶四元忆阻神经网络在有限时间内达到同步状态，让非线性系统在这种控制策略下达到稳定状态，对研究系统的非线性动力学有着重要的意义。
[0072]2、基于本发明提供的新的自适应控制器，可以通过调节参数实现系统同步时间的调整。同时，由于本发明采用的系统模型具有普遍性，因此该自适应控制器和分数阶四元忆阻神经网络可以在自动化系统控制、信息处理、安全通信和密码学领域进行实际应用，具有良好的应用前景；对于忆阻神经网络的研究起到了推进作用。
附图说明
[0073]附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0074]图1为本发明实施例1中分数阶四元忆阻神经网络的有限时间同步方法的流程图；
[0075]图2为本发明实施例3的数值仿真过程中，分数阶四元忆阻神经网络α＝0.7的情况下，系统的同步误差的变化曲线；
[0076]图3为本发明实施例3的数值仿真过程中，分数阶四元忆阻神经网络α＝0.7的情况下，自适应控制器的状态轨迹图；
[0077]图4为本发明实施例3的数值仿真过程中，分数阶四元忆阻神经网络α＝0.6的情况下，系统的同步误差的变化曲线；
[0078]图5为本发明实施例3的数值仿真过程中，分数阶四元忆阻神经网络α＝0.6的情况下，自适应控制器的状态轨迹图；
[0079]图6是本发明实施例3的数值仿真过程中，同步时间t*和分数阶阶数α的变化曲线。
[0080]图7是本发明实施例4中提供的分数阶四元忆阻神经网络的有限时间同步终端的模块示意图。
具体实施方式
[0081]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0082]实施例1
[0083]如图1所示，本实施例提供一种分数阶四元忆阻神经网络的有限时间同步方法，该有限时间同步方法用于实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，该有限时间同步方法包括如下步骤：
[0084]步骤S1：设计同步控制器ui(t)，同步控制器ui(t)的设计方法包括步骤：
[0085]步骤S11：将分数阶四元忆阻神经网络系统转化为连续可微的系统，并确定连续可微的系统中表征驱动网络的模型和表征响应网络的模型；
[0086]步骤S12：用上步骤的响应网络的模型和驱动网络的模型作差，得到表征系统的同
[0087]步误差ei(t)的模型为：
[0088]
[0089]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0090]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0091]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0092]
[0093]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0094]自适应函数β(t)满足如下公式：
[0095]
[0096]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数；
[0097]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0098]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0099]本实施例步骤S11中分数阶四元忆阻神经网络系统的驱动网络的模型如下：
[0100]
[0101]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；fj(xj(t))和gj(xj(t-τj))为不连续函数，二者表示驱动网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示忆阻器的连接权值；j表示系统的维数。
[0102]本实施例步骤S11中分数阶四元忆阻神经网络系统的响应网络的模型如下：
[0103]
[0104]其中，α表示该分数阶四元忆阻神经网络中分数阶的阶数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；
和
为不连续函数，二者分别代表神经元的激活函数；Ii表示系统面临的外部干扰；
和
表示忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；。
[0105]其中，分数阶四元忆阻神经网络系统的响应网络中引入同步控制器ui(t)之后，系统的同步时间t1通过如下公式计算：
[0106]
[0107]其中，t0表示时间初值；λ1表示计算得到的常数项；![]()
表示Gamma函数；β是通过自适应函数的轨迹中共轭项的阶数![]()
与控制器中共轭项阶数μ计算出的值，![]()
[0108]实施例2
[0109]在实施例1的基础上，本实施例提供一种分数阶四元忆阻神经网络系统的构建方法，该分数阶四元忆阻神经网络系统包括驱动网络和响应网络，构建方法在构建分数阶四元忆阻神经网络系统时，为了实现驱动网络和响应网络在有限时间内达到同步状态，包括步骤：
[0110]步骤S1：设计同步控制器ui(t)，同步控制器ui(t)的设计方法包括步骤：
[0111]步骤S11：将分数阶四元忆阻神经网络系统转化为连续可微的系统，并确定连续可微的系统中表征驱动网络的模型和表征响应网络的模型；
[0112]步骤S12：用上步骤的响应网络的模型和驱动网络的模型作差，得到表征系统的同
[0113]步误差ei(t)的模型为：
[0114]
[0115]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0116]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0117]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0118]
[0119]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0120]自适应函数β(t)满足如下公式：
[0121]
[0122]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数。
[0123]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0124]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0125]进一步的，构建出的能够实现驱动网络和响应网络在有限时间内达到同步状态的分数阶四元忆阻神经网络系统中，引入同步控制器后的响应网络的模型为：
[0126]
[0127]其中，
[0128]
[0129]实施例3
[0130]本实施例中主要包括两项内容：
[0131]其一是对实施例1的提供分数阶四元忆阻神经网络的有限时间同步方法的有效性进行理论证明。
[0132]其二是通过数值仿真的方法针对实施例2中构建的能实现驱动网络和响应网络在有限时间内达到投影同步的分数阶四元忆阻神经网络系统，对它的同步性能进行验证。
[0133](理论证明和仿真实验均不用于限定本发明，在其它实施例中可以不进行仿真实验，也可以采用其他实验方案进行试验，对该神经网络系统的性能进行验证。)
[0134]一、理论证明
[0135]本实施例通过李雅普诺夫直接法来验证分数阶忆阻神经网络在这个新的自适应控制器下实现有限时间同步。采用这种数学分析方法可以判断系统是否是稳定的，通常当能够证明系统是稳定的，就可以说明该系统在自适应控制器的控制下，分数阶四元忆阻神经网络系统能够在有限时间内达到同步状态。
[0136]证明过程如下：
[0137]根据本实施例中系统的模型，构造如下的李雅普诺夫函数，
[0138]
[0139]依据卡普托分数阶导数的定义，通过分数阶微分不等式对李雅普诺夫函数进行处理，得到如下不等式，
[0140]
[0141]根据分数阶拉兹密辛条件可以进一步得出，
[0142]
[0143]根据如下不等式：
[0144]
[0145]得到：
[0146]
[0147]经过以上证明过程可以得出结论：本实施例提供的方法确实能够使得分数阶四元忆阻神经网络系统稳定，进而说明本实施例设计的自适应控制器是有效的，该自适应控制策略的确实现了分数阶四元忆阻神经网络在有限时间内达到了同步状态。
[0148]二、数值仿真
[0149]为了验证实施例2中构建的分数阶四元忆阻神经网络系统的有限时间同步性能，本实施例中利用MATLAB软件对系统进行数值仿真，对上述动力学模型采用预估校正算法进行处理。
[0150]本实施例中，系统的驱动网络的模型如下：
[0151]
[0152]其中，α＝0.7，代表该系统分数阶的阶数；状态变量为一个四元数，这里表示为
时延τj可取任意常数；Ii(t)取值为cost函数；将驱动网络中神经元的激活函数表示如下：
[0153]
[0154]忆阻器的连接权值表示如下：
[0155]
[0156]
[0157]
[0158]
[0159]
[0160]
[0161]
[0162]
[0163]在仿真过程中，我们选取两维系统进行验证。响应系统与驱动系统的区别在于响应系统中引入了同步控制器ui(t)，设计的同步控制器表达式如下：
[0164]
[0165]同步控制器中的参数取值如下：p＝3,μ＝0.8,λ＝0.127。
[0166]仿真过程中，当系统分数阶的阶数α＝0.7时，分数阶四元忆阻神经网络系统中同步误差的状态轨迹如图2所示，同步控制器的状态轨迹如图3所示。
[0167]当系统分数阶的阶α＝0.6时，分数阶四元忆阻神经网络系统中同步误差的状态轨迹如图4所示，同步控制器的状态轨迹如图5所示。
[0168]分析图中的曲线可以发现，本实施例中采用设计的自适应控制器后，在不同的分数阶情况下，系统的同步误差均可以在很短的时间内保持平稳，不再继续波动，因此可以证明本实施例的同步控制器是有效的。同时同步控制器的状态轨迹保持一条直线，也同样体现了引用了该同步控制器的系统确实可以在有限时间内实现同步。
[0169]根据采用该同步控制器的分数阶四元忆阻神经网络系统的同步误差计算公式，可以绘制出系统的同步误差曲线，其中，系统的同步时间t*和分数阶阶数α的关系如图6所示。
[0170]图中曲线反映出，当自适应控制器的参数确定后，分数阶阶数在0.3-0.8范围内变化时，随着分数阶阶数的增加，系统的同步时间逐渐缩短。
[0171]实施例4
[0172]本实施例还包括一种分数阶四元忆阻神经网络的有限时间同步装置，该有限时间同步装置用于采用实施例1的方法，实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，有限时间同步装置包括：系统模型转化模块、同步误差获取模块、同步控制器以及修正模块。
[0173]系统模型转化模块用于将分数阶忆阻神经网络系统的基本模型转化为连续可微的系统模型。
[0174]同步误差获取模块用于对系统模型转化模块中得到的转化后的响应网络的模型和驱动网络的模型作差，得到表征系统的同步误差ei(t)；系统的同步误差ei(t)的模型为：
[0175]
[0176]其中，
表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；
和
均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；
和
表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0177]同步控制器为根据系统的同步误差ei(t)的模型构造得出的自适应控制器，表征同步控制器ui(t)的函数为：
[0178]
[0179]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数。
[0180]自适应函数β(t)满足如下公式：
[0181]
[0182]其中，
表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；
表示自适应函数的轨迹中共轭项的阶数。
[0183]修正模块用于将同步控制器引入到分数阶四元忆阻神经网络系统的响应网络的模型中。
[0184]本实施例中，有限时间同步装置中还包括同步时间计算模块，所述同步时间计算模块用于根据分数阶四元忆阻神经网络的具体参数计算出同步控制器调节下系统达到有限时间同步状态的同步时间，同步时间的计算公式如下：
[0185]
[0186]其中，t0表示时间初值；λ1表示计算得到的常数项；
表示Gamma函数；β是通过自适应函数的轨迹中共轭项的阶数
与控制器中共轭项阶数μ计算出的值，
[0187]
[0188]其中，该有限时间同步装置采用如实施例1所述的分数阶四元忆阻神经网络的有限时间同步方法。
[0189]实施例5
[0190]本实施例提供一种分数阶四元忆阻神经网络的有限时间同步终端，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如实施例1的分数阶四元忆阻神经网络的有限时间同步方法的步骤。
[0191]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
[0014]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0015]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0016]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0017]
[0018]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0019]自适应函数β(t)满足如下公式：
[0020]
[0021]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数；
[0022]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0023]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0024]进一步的，步骤S11中，分数阶四元忆阻神经网络系统的驱动网络的模型如下：
[0025]
[0026]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；fj(xj(t))和gj(xj(t-τj))为不连续函数，二者表示驱动网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示忆阻器的连接权值；j表示系统的维数。
[0027]进一步的，步骤S11中，分数阶四元忆阻神经网络系统的响应网络的模型如下：
[0028]
[0029]其中，表示对t求α次分数阶导数的标记，α表示该分数阶四元忆阻神经网络中分数阶的阶数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；和为不连续函数，二者分别代表神经元的激活函数；Ii表示系统面临的外部干扰；和表示忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0030]进一步的，分数阶四元忆阻神经网络系统的响应网络中引入同步控制器ui(t)之后，系统的同步时间t1通过如下公式计算：
[0031]
[0032]其中，t0表示时间初值；λ1表示计算得到的常数项；
[0039]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0040]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0041]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0042]
[0043]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0044]自适应函数β(t)满足如下公式：
[0045]
[0046]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数。
[0047]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0048]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0049]进一步的，构建出的能够实现驱动网络和响应网络在有限时间内达到同步状态的分数阶四元忆阻神经网络系统中，引入同步控制器后的响应网络的模型为：
[0050]
[0051]其中，
[0052]
[0053]本发明还包括一种分数阶四元忆阻神经网络的有限时间同步装置，其用于实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，有限时间同步装置包括：系统模型转化模块、同步误差获取模块、同步控制器以及修正模块。
[0054]系统模型转化模块用于将分数阶忆阻神经网络系统的基本模型转化为连续可微的系统模型。
[0055]同步误差获取模块用于对系统模型转化模块中得到的转化后的响应网络的模型和驱动网络的模型作差，得到表征系统的同步误差ei(t)；系统的同步误差ei(t)的模型为：
[0056]
[0057]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0058]同步控制器为根据系统的同步误差ei(t)的模型构造得出的自适应控制器，表征同步控制器ui(t)的函数为：
[0059]
[0060]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数。
[0061]自适应函数β(t)满足如下公式：
[0062]
[0063]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数。
[0064]修正模块用于将所述同步控制器引入到分数阶四元忆阻神经网络系统的响应网络的模型中。
[0065]进一步的，有限时间同步装置中还包括同步时间计算模块，所述同步时间计算模块用于根据分数阶四元忆阻神经网络的具体参数计算出同步控制器调节下系统达到有限时间同步状态的同步时间，同步时间的计算公式如下：
[0066]
[0067]其中，t0表示时间初值；λ1表示计算得到的常数项；
[0089]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0090]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0091]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0092]
[0093]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0094]自适应函数β(t)满足如下公式：
[0095]
[0096]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数；
[0097]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0098]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0099]本实施例步骤S11中分数阶四元忆阻神经网络系统的驱动网络的模型如下：
[0100]
[0101]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；fj(xj(t))和gj(xj(t-τj))为不连续函数，二者表示驱动网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示忆阻器的连接权值；j表示系统的维数。
[0102]本实施例步骤S11中分数阶四元忆阻神经网络系统的响应网络的模型如下：
[0103]
[0104]其中，α表示该分数阶四元忆阻神经网络中分数阶的阶数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示神经元间信息传输产生的延迟，τj＞0；和为不连续函数，二者分别代表神经元的激活函数；Ii表示系统面临的外部干扰；和表示忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；。
[0105]其中，分数阶四元忆阻神经网络系统的响应网络中引入同步控制器ui(t)之后，系统的同步时间t1通过如下公式计算：
[0106]
[0107]其中，t0表示时间初值；λ1表示计算得到的常数项；
[0115]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器；
[0116]步骤S13：根据系统的同步误差的模型，构造自适应控制器，自适应控制器即为需
[0117]要设计的同步控制器ui(t)，表征同步控制器ui(t)的函数为：
[0118]
[0119]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数；
[0120]自适应函数β(t)满足如下公式：
[0121]
[0122]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数。
[0123]步骤S2：将同步控制器ui(t)引入到分数阶四元忆阻神经网络系统的响应网络的模型中；
[0124]步骤S3：根据同步控制器ui(t)的具体参数，获取引入同步控制器ui(t)后的分数阶四元忆阻神经网络系统的同步时间。
[0125]进一步的，构建出的能够实现驱动网络和响应网络在有限时间内达到同步状态的分数阶四元忆阻神经网络系统中，引入同步控制器后的响应网络的模型为：
[0126]
[0127]其中，
[0128]
[0129]实施例3
[0130]本实施例中主要包括两项内容：
[0131]其一是对实施例1的提供分数阶四元忆阻神经网络的有限时间同步方法的有效性进行理论证明。
[0132]其二是通过数值仿真的方法针对实施例2中构建的能实现驱动网络和响应网络在有限时间内达到投影同步的分数阶四元忆阻神经网络系统，对它的同步性能进行验证。
[0133](理论证明和仿真实验均不用于限定本发明，在其它实施例中可以不进行仿真实验，也可以采用其他实验方案进行试验，对该神经网络系统的性能进行验证。)
[0134]一、理论证明
[0135]本实施例通过李雅普诺夫直接法来验证分数阶忆阻神经网络在这个新的自适应控制器下实现有限时间同步。采用这种数学分析方法可以判断系统是否是稳定的，通常当能够证明系统是稳定的，就可以说明该系统在自适应控制器的控制下，分数阶四元忆阻神经网络系统能够在有限时间内达到同步状态。
[0136]证明过程如下：
[0137]根据本实施例中系统的模型，构造如下的李雅普诺夫函数，
[0138]
[0139]依据卡普托分数阶导数的定义，通过分数阶微分不等式对李雅普诺夫函数进行处理，得到如下不等式，
[0140]
[0141]根据分数阶拉兹密辛条件可以进一步得出，
[0142]
[0143]根据如下不等式：
[0144]
[0145]得到：
[0146]
[0147]经过以上证明过程可以得出结论：本实施例提供的方法确实能够使得分数阶四元忆阻神经网络系统稳定，进而说明本实施例设计的自适应控制器是有效的，该自适应控制策略的确实现了分数阶四元忆阻神经网络在有限时间内达到了同步状态。
[0148]二、数值仿真
[0149]为了验证实施例2中构建的分数阶四元忆阻神经网络系统的有限时间同步性能，本实施例中利用MATLAB软件对系统进行数值仿真，对上述动力学模型采用预估校正算法进行处理。
[0150]本实施例中，系统的驱动网络的模型如下：
[0151]
[0152]其中，α＝0.7，代表该系统分数阶的阶数；状态变量为一个四元数，这里表示为时延τj可取任意常数；Ii(t)取值为cost函数；将驱动网络中神经元的激活函数表示如下：
[0153]
[0154]忆阻器的连接权值表示如下：
[0155]
[0156]
[0157]
[0158]
[0159]
[0160]
[0161]
[0162]
[0163]在仿真过程中，我们选取两维系统进行验证。响应系统与驱动系统的区别在于响应系统中引入了同步控制器ui(t)，设计的同步控制器表达式如下：
[0164]
[0165]同步控制器中的参数取值如下：p＝3,μ＝0.8,λ＝0.127。
[0166]仿真过程中，当系统分数阶的阶数α＝0.7时，分数阶四元忆阻神经网络系统中同步误差的状态轨迹如图2所示，同步控制器的状态轨迹如图3所示。
[0167]当系统分数阶的阶α＝0.6时，分数阶四元忆阻神经网络系统中同步误差的状态轨迹如图4所示，同步控制器的状态轨迹如图5所示。
[0168]分析图中的曲线可以发现，本实施例中采用设计的自适应控制器后，在不同的分数阶情况下，系统的同步误差均可以在很短的时间内保持平稳，不再继续波动，因此可以证明本实施例的同步控制器是有效的。同时同步控制器的状态轨迹保持一条直线，也同样体现了引用了该同步控制器的系统确实可以在有限时间内实现同步。
[0169]根据采用该同步控制器的分数阶四元忆阻神经网络系统的同步误差计算公式，可以绘制出系统的同步误差曲线，其中，系统的同步时间t*和分数阶阶数α的关系如图6所示。
[0170]图中曲线反映出，当自适应控制器的参数确定后，分数阶阶数在0.3-0.8范围内变化时，随着分数阶阶数的增加，系统的同步时间逐渐缩短。
[0171]实施例4
[0172]本实施例还包括一种分数阶四元忆阻神经网络的有限时间同步装置，该有限时间同步装置用于采用实施例1的方法，实现分数阶四元忆阻神经网络系统的驱动网络和响应网络在有限时间内达到同步状态，有限时间同步装置包括：系统模型转化模块、同步误差获取模块、同步控制器以及修正模块。
[0173]系统模型转化模块用于将分数阶忆阻神经网络系统的基本模型转化为连续可微的系统模型。
[0174]同步误差获取模块用于对系统模型转化模块中得到的转化后的响应网络的模型和驱动网络的模型作差，得到表征系统的同步误差ei(t)；系统的同步误差ei(t)的模型为：
[0175]
[0176]其中，表示对t求α次分数阶导数的标记，α表示系统中分数阶的阶数；xi(t)表示驱动网络的状态变量，该状态变量为一个四元数；yi(t)表示响应网络的状态变量，ci表示系统的负反馈系数，ci＞0；τj表示系统中神经元间信息传输产生的延迟，且τj＞0；fj(xj(t))和gj(xj(t-τj))均为不连续函数，二者分别表示驱动网络中神经元的激活函数；和均为不连续函数，二者分别表示响应网络中神经元的激活函数；Ii表示系统面临的外部干扰；aij(xj(t))和bij(xj(t))表示驱动网络中忆阻器的连接权值；和表示响应网络中忆阻器的连接权值；j表示系统的维数；ui(t)表示有待设计的同步控制器。
[0177]同步控制器为根据系统的同步误差ei(t)的模型构造得出的自适应控制器，表征同步控制器ui(t)的函数为：
[0178]
[0179]其中，β(t)表示自适应控制器中的自适应函数；λ表示自适应控制器中共轭项的系数；μ表示共轭项的阶数，是一个常数。
[0180]自适应函数β(t)满足如下公式：
[0181]
[0182]其中，表示自适应控制器中自适应函数的轨迹；ξ表示自适应函数轨迹中的系数，是一个常数；表示自适应函数的轨迹中共轭项的阶数。
[0183]修正模块用于将同步控制器引入到分数阶四元忆阻神经网络系统的响应网络的模型中。
[0184]本实施例中，有限时间同步装置中还包括同步时间计算模块，所述同步时间计算模块用于根据分数阶四元忆阻神经网络的具体参数计算出同步控制器调节下系统达到有限时间同步状态的同步时间，同步时间的计算公式如下：
[0185]
[0186]其中，t0表示时间初值；λ1表示计算得到的常数项；表示Gamma函数；β是通过自适应函数的轨迹中共轭项的阶数与控制器中共轭项阶数μ计算出的值，
[0187]
[0188]其中，该有限时间同步装置采用如实施例1所述的分数阶四元忆阻神经网络的有限时间同步方法。
[0189]实施例5
[0190]本实施例提供一种分数阶四元忆阻神经网络的有限时间同步终端，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如实施例1的分数阶四元忆阻神经网络的有限时间同步方法的步骤。
[0191]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
