基于采样数据的有向复杂网络牵制控制与同步

Control and synchronization of complex networks is a hot topic. With the progress of micro-electronics and digital signal technology, the discrete digital controllers are commonly used. On the other hand, since a complex network contains a large number of nodes, the pinning control is an effective control strategy. This project is to focus on the investigation of pinning control and synchronization of directed complex networks based on Sampled-data. For various dynamical network models, we try to choose appropriate nodes and find effective control scheme to ensure the stability and synchronization of the complex networks concerned. WE will investigate: the stabilization of complex networks via pinning control based on sampling data with fixed sampling period; the stabilization of complex networks via pinning control based on Event-Triggered sampling data; the synchronization of complex networks via pinning control bsaed on sampled-data; the synchronization of complex networks via pinning control bsaed on sampled-data with sampling period dependent on a Markov chain. By utilizing the theory of Mathematics and modern control, and by constructing suitable Razumikhin fuctions, generalizing the Halanay inequality, establishing the novel comparison principle and employing the other analytical skills, we will derive the criteria for the involved networks to be stabilized or synchronized by pinning control based on sampled-data. Meanwhile the controllers will be also given explicitly. The theory on controland synchronization of complex netsorks will be enriched by the investigation of this project.

复杂网络的控制与同步是人们研究的热点。随着微电子及数字信号技术的发展,利用采样数据的离散化的数字控制器被普遍使用。另一方面,由于复杂网络有大量的节点，牵制控制是控制复杂网络的一种有效策略。本项目拟研究基于采样数据的有向复杂网络的牵制控制和同步，对不同的网络模型，选择合适的节点和采样数据方法，研究有效的控制方案，来保证相应的复杂网络稳定或同步。本项目拟研究：复杂网络基于固定采样周期的采样数据牵制控制稳定化；复杂网络基于由事件触发的采样数据牵制控制稳定化；复杂网络基于采样数据的牵制控制同步；复杂网络基于采样周期依赖于马尔科夫链的采样数据牵制控制同步。综合利用数学与控制论的学科的理论，通过构造合适的Razumikhin函数，推广Halanay不等式，建立新的比较原理等分析手段和技巧导出基于采样数据的牵制控制系统稳定和同步的解析判据，并具体给出相应的控制器.本项目的研究将丰富复杂网络控制与同步理论

复杂网络的控制与同步是人们研究的热点。随着微电子及数字信号技术的发展，利用采样数据的离散化的数字控制器被普遍使用。另一方面,由于复杂网络有大量的节点，牵制控制是控制复杂网络的一种有效策略。本项目研究了基于采样数据的有向复杂网络的牵制控制和同步，主要研究内容有：1) 复杂网络控制器基于量化信号的稳定化问题。研究了当发生网络诱导的量化和时滞现象时，网络化系统的稳定化问题；分析了闭环系统的动力学演化规律，并设计有效的控制器。2) 复杂网络基于由事件触发(Event-Triggered)的数据采样牵制控制化问题。基于固定采样周期的采样数据来牵制控制有易于实施、便于分析等优点，但也浪费资源之缺点。因此，采用基于事件触发的采样数据牵制控制是一个可取的策略。这种策略是：设计一个事件触发机制（Event-Triggered mechanism），只有当事件被触发的时候，才对网络系统实施采样控制。基于事件触发的采样数据牵制控制除了涉及到合适节点的选取，还涉及到事件触发机制的设计，闭环模型的动力学分析等。我们设计了新的触发函数，得到了基于事件触发的复杂网络若干同步准则，并分析了Zeno现象。3) 复杂网络基于采样数据的状态估计问题。复杂网络由于具有大规模的节点，拓扑结构千变万化，相互之间的耦合作用可以演化出复杂的动力学行为。对于复杂网络，我们研究了如何从含有噪声污染的测量或输出来有效估计复杂网络的状态，设计出有效的状态观测器。4) 网络攻击情况下基于采样数据的多智能体一致性。针对网络攻击，设计出合理的控制协议，导出相应的一致性条件。项目研究中，共发表有本项目基金标注的论文40篇，其中SCI论文35篇。项目负责人获得两项省部级奖，其中一项江苏省科学技术奖（2015，二等奖，排名第一），一项上海市科学技术奖（2016，二等奖，排名第三）。项目负责人2014-2016连续三年入选汤森路透公布的全球高被引科学家。通过本项目的研究，我们锻炼了科研团队，培养了若干硕士和博士，丰富了复杂网络控制与同步理论。