课程文献中心 更多>>

关键词： MTJ   器件建模   尺寸效应   脉冲神经网络   参数提取  

摘要： 磁随机存取存储器(MRAM)具有数据非挥发、低功耗、高集成度等优点,是理想的下一代存储器。磁隧道结(MTJ)是MRAM至关重要的核心器件。该器件具有典型的三明治结构,在工作过程中通过控制自由层磁矢方向来进行相应信息的存储。为了达到MRAM集成电路设计和仿真的要求,迫切需要能够准确反映MTJ器件静态和动态特性的高精度模型。MTJ器件模型方面的研究已经成为自旋电子学领域的研究热点内容之一。本论文基于对MTJ器件基本性能的研究,首先研究了MTJ的尺寸效应及其对写错误率的影响,在模型中调整了热稳定性因子项,调整后的模型能够正确反映电压相关的写错误率随尺寸变化的趋势;然后对垂直形状各向异性(PSA)的双势垒(DB)MTJ和电流诱导畴壁运动(CIDWM)的MTJ这两种新型MTJ器件进行建模工作,所建模型能够准确反映出新型MTJ器件的特性;最后开发了一种新型参数提取工具,利用该工具,能够确定MTJ模型的关键参数,从而提高模型的精度,在该工具帮助下得到的仿真结果与实验数据具有良好的一致性。本论文的主要研究内容包括以下几个部分:(1)针对已有模型未考虑纳米器件的尺寸效应问题,提出了通过调整热稳定性因子项的方法,将器件写错误率的尺寸效应反映在模型中。基于模型,在不同的器件尺寸下进行仿真,结果证明,修正的模型能够正确模拟电压相关的写错误率随尺寸变化的趋势,同时研究了电阻、临界电流、翻转时间、写错误率等特性随MTJ器件尺寸变化的趋势。(2)针对两种新型MTJ器件(PSA DB-MTJ器件和基于SOT和DMI驱动的CIDWMMTJ器件)现有模型不完善的问题,提出了相应的模型修正方案。在PSA DB-MTJ器件的建模中,首先基于动态模型得到写错误率的结果,然后提取出器件的临界开关电流密度的数值,通过这种方法提高了模型的仿真精度;在CIDWM-MTJ器件的建模中,结合了SOT翻转机制、界面DMI作用和CIDWM动力学,所建立的模型能够较精确反映器件的相应特性,该器件在模拟全自旋神经网络方面有巨大应用潜力。(3)基于所开发的MTJ器件模型,在模拟脉冲神经网络(SNN)方面开展了相应的研究工作。首先研究了MTJ与脉冲神经元、MTJ与突触之间的相似特性,然后利用MTJ模拟的突触和MTJ模拟的后神经元(POST)构成一个简化SNN,并将该SNN成功应用于图像识别问题中。(4)针对模型精度低、模型参数理论化的问题,开发了一种能够精确提取MTJ器件模型关键参数的工具—MPT工具。该工具主要有两个功能:参数提取和参数优化,其中参数优化采取了模拟退火优化算法。在该工具帮助下得到的仿真结果与实验数据之间的偏差大大降低。利用目标函数描述实验数据与仿真结果之间的偏差,对于垂直型单势垒MTJ(P SB-MTJ),目标函数值从0.3231降低到0.0022,对于PSA DB-MTJ,目标函数值从0.2378降低到0.0500。

关键词： GIL   局部放电   脉冲神经网络   积分阈值采样  

摘要： 气体绝缘输电线路(GIL,Gas Insulated Transmission Line)是一种采用金属封闭的远距离电力传输设备,具有布置灵活、可靠性高、传输容量大等优点。GIL输电线路在生产、安装、运行的过程中,因为不恰当的操作与绝缘出现老化,可能会使得设备内部出现绝缘缺陷,进而导致局部放电现象的发生。若不能够尽早发现绝缘故障并且采取有效的解决措施,设备内部的绝缘缺陷会在局部放电的作用下逐渐劣化,加速绝缘失效,最终引发击穿事故。因此,对于GIL内部的局部放电进行有效的监测对于保障GIL的安全与稳定运行具有重要意义。GIL局部放电信号的截止频率较高,如果使用传统奈奎斯特采样法进行采样,将会产生大量的无效数据,增加存储器和处理器的压力,导致存储和传输的成本升高。本文提出了一种基于脉冲神经元模型的积分阈值局部放电采样方法,能够以较低的采样率对局放信号进行压缩采集,再采用一定的算法对信号进行重构还原,节省了大量的存储和计算资源,减小了硬件的压力,提升了信息获取的效率。本文选取合适的芯片搭建了积分阈值采样电路的硬件模型,验证了仿真结果的正确性。同时,本文通过Ansys仿真探究了局部放电电磁波信号在不同结构的GIL(直筒结构、L型结构、T型结构)和不同电压等级的GIL中的衰减特性,借助其衰减特性提出了局放采集装置在GIL中的安装布置原则,从而可以对局放信号进行更加有效的监测。针对采集得到的GIL局部放电信号,需要对具体的放电类型进行识别,从而可以为局部放电风险评估提供有价值的参考信息。本文提出了一种基于脉冲神经网络(SNN,Spiking Neural Network)的局部放电分类方法,首先采用运动能量模型来提取局部放电图像的方向信息并进行脉冲编码,接下来采用Tempotron方法训练网络的输出层连接。在训练样本数为500,测试样本数为180的情况下,SNN的方法对局部放电的平均识别准确率可以达到96.11%。在小样本数据集的情况下,其识别准确率高于卷积神经网络方法(CNN,Convolutional Neural Network)和反向传播神经网络方法(BPNN,Back Propagation Neural Network),表明脉冲神经网络方法能够弥补传统神经网络方法在小样本数据下识别准确率较低的缺点。

关键词： 脑-机接口   快速独立成分分析   样本熵   共空间模式   智能轮椅  

摘要： 脑-机接口(Brain Computer Interface,BCI)是一种直接实现人脑与外部设备之间信息交换的系统。该系统通过对脑电信号(Electroencephalography,EEG)进行分析处理识别出受试者的真实意图并将其转换成控制外部设备的指令,从而实现对外部设备的控制。由于脑电信号自身不稳定性和微弱性并且容易受到外围环境和伪迹的干扰,如何对脑电信号进行有效的伪迹去除并提取出脑电信号的有效特征,完成脑电信号的分类成为了脑-机接口技术中的关键。因此,本文对脑电信号的伪迹去除、特征提取与分类以及BCI系统的实现问题展开相关的研究具有重要的意义与价值。首先,阐述了BCI系统中脑电信号识别算法的国内外研究现状,分析总结了BCI系统目前面临的主要难点与问题,对BCI系统的基本框架和各个模块进行了分析,研究并设计了脑电数据采集的实验范式,为后续的研究奠定了基础。在伪迹去除的研究中,针对传统眼电伪迹去除方法容易丢失有用的脑电信号,不利于后续脑电信号的特征提取与分类的问题,本文提出了一种基于KSE-Fast ICA的算法。首先利用快速独立成分分析(Fast Independent Component Analysis,Fast ICA)将脑电信号分解成多个独立分量;然后利用峰值(Kurtosis)和样本熵(Sample Entropy,SE)相结合的方法识别出眼电伪迹分量;接着对识别的伪迹分量进行自适应集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和小波阈值降噪处理;最后利用逆CEEMDAN和逆Fast ICA重构出脑电信号。经实验验证,相比于其他眼电伪迹去除算法,KSE-Fast ICA算法能更有效地去除眼电伪迹信号。在特征提取与分类的研究中,针对四类运动想象脑电信号识别准确率较低的问题,本文提出了一种基于DT-CSP-SVM的算法。首先利用“一对多”共空间模式(One Versus Rest Common Spatial Pattern,OVR-CSP)构建多个空间滤波器;然后使用支持向量机(Support Vector Machine,SVM)进行分类,从而挑选出效果最好的空间滤波器并使用挑选的滤波器和SVM来构建决策树(Decision Tree,DT)的第一个分支;最后利用OVR-CSP和SVM重复构建决策树分支,直到决策树能辨别所有类别。实验结果表明,本文提出的DT-CSP-SVM算法能更好地提取四类运动想象脑电信号的特征信息,分类准确率更高。在BCI系统实现的研究中,设计并实现了基于KSE-Fast ICA和DT-CSP-SVM算法的智能轮椅系统。受试者控制轮椅按照要求的固定轨迹进行移动,通过分析受试者实际的移动路径和时间对本文提出的算法和搭建的系统进行验证。与使用其他脑电信号识别算法的智能轮椅系统相比,基于本文提出算法的系统的实际移动路径与要求移动的固定轨迹重合度更高并用时更短,证明了设计的基于KSEFast ICA和DT-CSP-SVM算法的智能轮椅系统的有效性。

关键词： 忆阻器   V2C MXene   导电细丝   突触仿生  

摘要： 随着摩尔定律逐渐接近尾声,人们期盼发现一些基于新材料或结构的新型微电子器件以替代传统的逻辑器件,并使用该器件构建类脑计算系统,进而突破冯·诺依曼瓶颈。在这种情况下,忆阻器由于其低功耗、高集成密度、在数据存储中的巨大应用潜力以及出色的突触仿生特性,已经成为强有力的候选者之一。然而,备受关注的氧化物基忆阻器却因其随机生长的导电细丝降低了器件的性能。近来,引入二维材料进行改善器件性能已成为一种有效的策略。因此,本文中将二维VC MXene材料应用到基于二氧化钛的忆阻器中,并进行了以下主要研究工作:(1)首先,对新型二维VC MXene材料的研究背景进行了仔细的调研,并通过刻蚀MAX相获取实验所需的VC纳米片。随后使用XRD、SEM和TEM多种表征方法对制备的材料进行分析,并进一步探究了将MXene材料应用于忆阻器的潜力和工艺兼容性。(2)然后,制备出单一结构的Ag/TiO/W和Ag/VC/TiO/W两组器件,并采用多种衡量器件性能的指标评估了MXene材料的引入对器件性能的影响。结果表明,顶电极与MXene薄膜之间的接触电阻不会影响器件阻值读取的准确性。通过调整限制电流的大小,在同一器件中观察到易失性和非易失性特性的共存。此外,在记忆开关行为下,MXene材料的引入使器件展现出较长的保持时间、较强的循环耐久性、超低的开关电压以及较小的器件间差异。该研究工作为VC MXene材料在忆阻器中的应用铺平了道路。(3)最后,为了澄清器件的导通机制,从多角度进行了深入研究。SCLC模型和欧姆传导被用来阐明器件的双极性开关机制,不同限流下的阻态是导电细丝生长的结果,划开电极和热稳定性测试表明导电通道是局部的且具有金属性质。所有的测试结果分析共同说明了器件的电阻转变归因于金属银导电细丝的生长,并且第一性原理计算仿真也为此提供了理论支持。此外,在了解器件动力学机制的基础上,进一步探究了含有VC的器件的类脑特性。基于脉冲刺激下的电导调制,多种生物突触功能被成功模拟出来,包括PPF、LTP/LTD以及记忆-遗忘特性。这些结果表明该器件可以自然地实现突触仿生,并有望应用于神经形态计算。

关键词： 脉冲重构神经元   突触   小世界网络   模块化网络   神经信息同步传输   类脑网络  

摘要： 近年来,复杂网络理论被大量用来描述大脑网络结构演化规律及网络信息传输性能,并在医学、生物、传统通信等众多领域都取得重大突破。将大脑神经系统与复杂网络结合,探究真实大脑网络结构及其信息传输机制,不仅能促进以数据驱动的新一代脑科学的进步,还能为实现以仿生驱动的类脑智能技术的提供理论基础。首先,本文指出在构建大脑网络模型时,没有实现真正的仿生,难以模拟真实大脑中信息传输机制的问题,分析当前类脑神经元网络对单个节点以及各节点相互耦合形成的网络进行抽象建模的现状。因此,从生物学角度出发,本文以携带信息的神经元作为网络节点,并建立单个神经元到神经元网络的桥梁,构建与人脑神经元网络类似的网络模型,探究网络结构演化与信息传输的关系,为类脑智能网络中更加灵活的信息传输提供良好的模型基础。其次,根据生物神经系统中钙离子通道对神经元和神经递质的影响,提出了脉冲重构神经元模型,并以脉冲重构神经元为作为构建神经元网络的节点,对突触耦合机制进行分析,进一步提出突触耦合强度与神经递质浓度距离相关的突触模型,并基于此构建了环路增强的小世界神经元网络模型。通过仿真对比传统HH神经元模型并观察神经元放电活动,验证了具有仿生特性的脉冲重构神经元模型的生物学特性和对信息携带的有效性。并分析小世界神经元网络动态构建过程,对比传统方式构建的网络,形成环路增强的小世界神经元网络在聚类系数和平均路径长度上表现更优;此外,对噪声强度、耦合强度等参数适当调整能促进该网络信息同步传输性能。然后,针对不同突触类型耦合的神经元对信息的调控作用,根据脑神经系统具有分功能、分区域的模块化特性,结合环路增强的小世界神经元网络,提出了兴奋性与抑制性平衡的小世界神经元网络为子网络的模块化类脑网络模型。以电场作用的方式来模拟模块化类脑网络受到的局部刺激,通过网络放电响应的一致性系数和平均膜电位定量分析网络信息传输性能,发现以电场作用下神经元的脉冲序列能有效地携带神经信息,并对网络中神经元进行分类,发现在电场作用下,抑制性神经元可以提升网络的平均膜电位,从而导致网络信息同步传输性能显著提高;且适当调整网络的子网络数目、节点度、模块间耦合强度以及外界刺激范围可以提升整体网络的信息传输性能;通过对比全兴奋性模块化类脑网络,验证了E-I平衡的模块化类脑网络信息同步传输性能的优越性,可以使各模块信息的分布与传输模式更加灵活。

关键词： 脉冲神经网络   STDP机制   并行加速   图像识别  

摘要： 随着脉冲神经网络训练学习算法的不断发展,其应用领域也不断扩张。同时,由于脉冲神经网络模型的规模不断扩大,训练学习算法的计算量愈发庞大,脉冲神经网络模型的训练愈发缓慢,进而导致脉冲神经网络模型研究与验证周期过长,相关应用研发时间跨度过大。针对上述问题,设计一种有效的并行训练方法是有效提升训练效率的关键。为此,本文提出了基于STDP的SNN子网络并行训练方法以及基于STDP的SNN多批次归约并行训练方法,并在多核CPU处理器环境下对基于STDP的手写数字识别SNN模型实现了并行训练加速,主要工作如下。(1)结合模型并行与SNN训练,设计并提出一种基于STDP的SNN子网络并行训练方法。方法首先将完整SNN中独立神经元进行分割,形成多个独立子网络结构。随后,在实际训练中将多个独立子网络部署至CPU的多个独立Core上。在每轮训练内的每个时钟周期上使用同步通信完成多个SNN独立子网络间边界区域神经元脉冲数据传输,实现多线程模型并行训练。(2)结合数据并行与SNN训练,设计并提出一种基于STDP的SNN多批次归约并行训练方法。方法首先将数据集划分为多个批次,各批次的数据将输入至各个相同完整SNN。随后,多个相同完整SNN将被分别部署至CPU的多个独立Core上,在每轮训练后对多份各异的权值训练结果进行同步通信与权值归约。方法在每轮实际训练中仅需一次同步通信便可实现多线程数据并行训练。(3)在多核CPU处理器环境下针对上述两种并行训练方法进行实验论证。实验结果表明,相较串行训练方法,基于STDP的SNN子网络并行训练方法能够提速16.24倍;基于STDP的SNN多批次归约并行训练方法能够提速56.35倍。综上所述,本文提出的两种并行训练方法不仅能够有效实现基于STDP的脉冲神经网络学习训练,提高硬件资源使用率,而且在训练速度、训练效率上均有明显优势,具有一定的加速效果。其中,基于STDP的SNN子网络并行训练方法在每轮实际训练的每个周期内均需要通信,而基于STDP的SNN多批次归约并行训练方法在每轮实际训练中仅需一次通信,大幅降低了训练过程通信次数,有效提升训练效率。

关键词： 机器学习   电子鼻系统   领域自适应   子空间学习   嗅觉   脉冲神经网络  

摘要： 嗅觉系统是哺乳动物最重要和最基本的感知系统之一,主要由嗅觉受体、嗅球和梨状皮层组成。研究人员基于此结构搭建了由气体传感器阵列模块、信号处理模块和模式识别模块组成的电子鼻系统。电子鼻系统通过气体传感器阵列获取气体信息并转为电信号,经过信号处理模块后,由模式识别模块实现对气体的定性或定量分析。然而,电子鼻在实际的使用过程中气体传感器的输出会随着使用环境、自身老化、中毒等因素发生改变,即出现传感器漂移现象,破坏电子鼻的稳定性,降低电子鼻的使用寿命。另外,电子鼻系统的信号处理模块主要负责的是从传感器的响应中提取出适合于模式识别的判别特征,但是这个过程十分的繁琐且没有一个公认的规则来指导这个过程。因此围绕电子鼻系统的这两个问题,本论文展开了两方面的研究工作。针对电子鼻系统的漂移问题,本文提出了两种基于领域自适应的漂移补偿算法。第一种方法是基于样本加权跨域子空间学习算法,该算法利用样本分布加权最大均值差异来度量源域和目标域之间的分布差异,首先将源域数据和目标域数据投影到基于极限学习机的特征空间,然后通过学习一个子空间来减少两个域之间的样本分布加权距离,并在学习子空间的过程中融入一些约束来增强源域数据的可分性和保护目标域数据的判别信息。第二种方法是基于校准子空间极限学习机的电子鼻漂移补偿算法,该方法从数据流形结构、统计分布、标签与特征依赖性等多个方面对电子鼻漂移数据进行校准,构建统一的基于极限学习机的特征表征空间,从而实现域对齐。大量的实验表明,两种算法都能够有效的对电子鼻系统中的传感器漂移进行补偿,并相比于目前主流的漂移补偿算法更具竞争力。针对电子鼻系统的信号处理问题,本文提出了一种基于脉冲神经网络的仿生嗅觉信号处理网络。该算法首先将传感器响应编码为脉冲信号,然后利用脉冲神经元搭建仿生嗅球网络来进行信号的处理并输出判别特征,最后利用人工神经网络对仿生嗅觉网络输出的判别特征进行学习和分析。实验结果表明,提出的方法可以提高电子鼻系统的生物合理性,简化了电子鼻信号处理的步骤,同样具有较高的识别率。

关键词： 表面肌电信号识别   肌电假手   缺失肌电信号识别   误差反向传播神经网络   脉冲神经网络  

摘要： 手是人体的重要器官,由于疾病或事故等原因造成的手部残疾将给截肢者带来很大不便。灵活稳定的假手能够在一定程度上帮助手部截肢者恢复手部功能、重返正常生活。表面肌电信号具有采集方便、无创伤等优点,经识别能获取手部动作趋势,是一种理想的假手控制信号。在基于肌电信号的手势识别研究中,很多研究者倾向于增加信号通道数量来提高所识别的动作数量或正确率。这将使采集过程和识别算法变得复杂,需处理的数据量也随之增加,更重要的是不适用于残余肌肉较少的手部截肢者。因此,基于少通道表面肌电信号的手势动作识别仍然是一个值得研究的问题。基于上述背景,本文的主要研究工作及创新点如下:(1)基于时域特征和神经网络的手势动作识别。少通道表面肌电信号的采集过程简单,适用于残余肌肉较少的截肢者,但也给信号识别带来困难。本文针对使用少通道肌电信号识别手势动作的特征提取和分类算法进行了研究。在特征提取方法方面,对比了时域、频域和时频域特征,结果表明时域特征的实时性最好。在分类器方面,对比了误差反向传播神经网络、支持向量机和Ada Boost分类器,结果表明神经网络的分类性能最优。最终结果显示,相对于其他组合,时域特征和神经网络的组合识别正确率更高、计算时间更短。(2)面向缺失表面肌电信号的手势动作识别。外界干扰可能导致肌电信号缺失,影响特征提取和分类。为了识别缺失肌电信号,常用的信号补全方法可能增加识别延迟,补全的信号也可能和原有信号不符。本文提出特征拆分重组策略,充分利用未缺失的信号以建立多个不同的特征集。提出多神经网络权重投票方法对所建立的特征集进行分类。使用生成的不同缺失率的肌电信号进行测试,结果表明所提出的方法在信号无缺失时的手势识别正确率与传统方法无显著差异,在信号存在缺失时的识别正确率更高。(3)面向脉冲神经网络处理器的手势动作识别。相比传统计算机,脉冲神经网络处理器计算速度快、功耗低,更适合应用于肌电假手。但目前常用的信号编码器可能导致信息丢失,网络输出解码器可能影响模型训练。本文提出频域分解幅值编码器,以充分利用肌电信号幅值信息。提出神经元输出能量解码器,将神经元的输出能量作为解码依据和训练目标。结果表明,使用所提出的方法能够提高训练效率,手势识别正确率高于传统编码器和解码器。综上所述,本文对比了不同的特征提取和分类方法,从中选择了性能最优的组合。基于该成果,针对缺失肌电信号的识别,提出了数据拆分重组策略和多神经网络权重投票方法;针对基于脉冲神经网络识别肌电信号,提出了频域分解幅值编码器和神经元输出能量解码器。上述研究成果提高了基于少通道表面肌电信号的手势动作识别系统的分类效果,有利于进一步提高肌电假手的性能。

关键词： 垂直OFET   非易失性存储器   类脑器件   突触晶体管   MXene  

摘要： 由于冯·诺依曼瓶颈的限制和摩尔定律的终结,未来数据密集型应用的计算性能和存储需求将明显超过现代技术的计算和存储能力。研制新型的非易失性存储器以及类脑器件成为了后摩尔时代发展的重要趋势。平面型有机场效应晶体管（OFET）受到器件迁移率低、沟道长度大和界面传输慢的限制,阻碍了晶体管型存储器和类脑器件性能的进一步提升。而垂直OFET因其超短的沟道长度、垂直体传输和优异的栅极调控等优势为解决这些问题提供了新的思路。本论文以垂直OFET为研究对象,探究其在非易失性存储器和类脑器件中的应用,提升了存储器和突触器件的性能。同时通过对源电极的优化,制备了多功能的垂直OFET光电器件,并对相应的机理进行研究。 （1）柔性垂直OFET铁电非易失性存储器的研究。垂直OFET中载流子的垂直体传输,减小了由铁电材料P（VDF-TrFE）的粗糙度和器件弯曲所导致的界面问题带来的影响,提升了铁电存储器的性能。器件具有快的响应速度（10 ms）、大的电流密度（6.3m A/cm2）和优异的机械稳定性。在±40 V的操作电压下存储窗口达到了38 V,经过10～4s的存储时间后记忆比仍达到了10～3。 （2）在上述工作的基础上,采用喷墨打印技术制备垂直有机铁电突触晶体管阵列,简化了垂直OFET及其阵列的制备工艺。与制备的平面有机浮栅突触晶体管相比,垂直有机铁电突触晶体管具有大的电导变化范围、线性和对称的突触权重更新以及稳定的循环特性。器件在执行神经形态计算时手写数字的识别精度达到91.38%,是当时报道的OFET突触器件的最高记录。最后用COMSOL模拟仿真,探究了器件的工作机制,为制备高识别精度的OFET突触器件提供了新的思路。 （3）采用二维MXene作为垂直OFET的源电极制备了具有73 mv/dec超低亚阈值摆幅及饱和输出特性的垂直OFET。超薄的MXene薄膜同时具备单层石墨烯和多孔金属电极的肖特基势垒调制机制,进一步提升器件的栅极调控能力。此外,COMSOL仿真和实验证明MXene的部分氧化有助于消除源极和漏极之间的泄漏电流从而实现饱和输出。该工作为高性能垂直OFET的研制提供了可行的方法,促进其实际应用。 （4）在上一工作的基础上制备了多功能的垂直OFET器件。在光探测模式下,器件具有从紫外光到可见光的宽光谱探测特性,最快响应速度10 ms。在紫外和可见光的照射下,器件还具有电突触性能,并且能分别实现短程塑性和长程塑性的双模式调控。在与神经形态计算相结合时,器件对心电图的识别达到85%的准确度。该工作无需添加额外的功能层,在单一器件上实现了光探测和类脑计算的多个功能,丰富了垂直OFET的应用场景。

关键词： 脉冲控制   输入饱和   混沌神经网络   鲁棒镇定   鲁棒同步  

摘要： 在实际的工程系统中,存在多种约束限制,饱和现象是其中最为常见的一种,忽略系统中出现的饱和现象可能会使系统性能下降甚至不稳定。对饱和系统的研究由来已久,但大多局限于离散或者连续的系统,关于脉冲系统这类混杂系统饱和的研究成果较少。此外在工业实践中,系统难免会受到干扰,所以对受到外部干扰、参数不确定性或者时滞等不稳定因素影响的系统进行鲁棒镇定分析具有十分重要的现实价值。本文将脉冲控制系统作为研究对象,利用Lyapunov稳定性理论、脉冲微分方程理论和饱和系统理论等分析方法,研究了带有非线性扰动的线性系统的饱和脉冲鲁棒控制问题,并以此为基础研究了带有非线性扰动的混沌神经网络的饱和脉冲鲁棒同步问题,得到了鲁棒同步的充分条件。具体地,本文的主要内容和研究成果包括如下两部分:(1)研究了带有非线性扰动的线性系统的饱和脉冲鲁棒控制问题。考虑一类具有非线性扰动的线性系统,设计了固定时刻饱和脉冲控制器使其镇定,并利用凸组合方法、脉冲微分方程理论、比较系统以及Lyapunov稳定性理论对该系统的鲁棒镇定问题进行分析,得到了受扰系统鲁棒渐近镇定和鲁棒指数镇定的充分条件,并通过两个数值仿真算例验证了结论的有效性和可行性。(2)研究了带有非线性扰动的混沌神经网络的饱和脉冲鲁棒同步问题。基于驱动—响应系统思想,设计了一个饱和脉冲控制器实现混沌神经网络间的鲁棒同步,利用凸组合方法、Lyapunov定理、比较系统和线性矩阵不等式等分析工具,得到了混沌神经网络间鲁棒渐近同步和鲁棒指数同步的充分条件,并通过两个数值仿真算例验证了结论的有效性和可行性。