Luận án: Tính ổn định và ổn định hóa hệ phương trình vi phân phi tuyến

Hệ phương trình vi phân có trễ (DDEs) là một loại phương trình vi phân mà tốc độ thay đổi của trạng thái hệ tại một thời điểm phụ thuộc vào trạng thái của hệ tại các thời điểm trước đó. Trễ có thể là hằng số, biến thiên theo thời gian (time-varying delay) hoặc phân bố (distributed delay). Việc phân tích các hệ này đòi hỏi các công cụ toán học chuyên biệt. Sự xuất hiện của trễ có thể làm cho hệ động lực trở nên phức tạp hơn đáng kể, dẫn đến các hiện tượng như dao động, hỗn loạn hoặc mất ổn định. Nghiên cứu xác định các điều kiện để hệ vẫn duy trì được tính ổn định, bất chấp sự hiện diện của trễ.

Trong các hệ phi tuyến, trễ thời gian có thể mang nhiều dạng khác nhau. Trễ biến thiên theo thời gian là loại trễ mà giá trị của nó thay đổi liên tục hoặc gián đoạn theo thời gian. Trễ phân bố, mặt khác, liên quan đến một tích phân theo lịch sử của trạng thái hệ, phản ánh ảnh hưởng tích lũy của quá khứ. Các loại trễ này thường mô tả chính xác hơn các hiện tượng vật lý và sinh học. Việc xem xét các đặc tính cụ thể của từng loại trễ là cực kỳ quan trọng để phát triển các tiêu chuẩn ổn định chính xác. Tài liệu này nghiên cứu cả trễ biến thiên theo thời gian và các trễ phức tạp khác trong các mô hình mạng nơron.

Tính ổn định của một hệ động lực được phân loại thành nhiều dạng. Ổn định tiệm cận (asymptotic stability) là khi trạng thái của hệ dần dần hội tụ về điểm cân bằng theo thời gian. Ổn định mũ (exponential stability) là một dạng ổn định tiệm cận mạnh hơn, trong đó sự hội tụ diễn ra với tốc độ mũ, thường được mô tả bằng một hàm mũ giảm. Ổn định mũ là một tính chất mong muốn trong nhiều ứng dụng kỹ thuật vì nó đảm bảo sự phục hồi nhanh chóng của hệ sau nhiễu loạn. Các tiêu chuẩn ổn định được trình bày trong tài liệu này thường nhắm đến việc đạt được ổn định tiệm cận toàn cục hoặc ổn định mũ toàn cục cho các hệ phương trình phi tuyến có trễ.

Việc xây dựng hàm phiếm hàm Lyapunov-Krasovskii là một bước quan trọng trong phân tích ổn định. Một hàm phiếm hàm được chọn tốt có thể cung cấp các điều kiện ổn định ít bảo thủ hơn. Hàm này thường bao gồm các thành phần quadratic và các thành phần tích phân, phản ánh năng lượng của hệ và ảnh hưởng của trễ. Mục tiêu là tìm một hàm phiếm hàm mà đạo hàm của nó theo thời gian dọc theo quỹ đạo của hệ là âm xác định. Các kỹ thuật tiên tiến được sử dụng để thiết kế các hàm phiếm hàm phù hợp cho từng lớp hệ cụ thể, tối ưu hóa các tham số và cấu trúc để thu được các kết quả tốt nhất.

Hai phương pháp chính dựa trên Lyapunov để nghiên cứu ổn định của hệ có trễ là Lyapunov-Krasovskii và Lyapunov-Razumikhin. Phương pháp Lyapunov-Krasovskii sử dụng hàm phiếm hàm phụ thuộc vào lịch sử của trạng thái, trong khi phương pháp Lyapunov-Razumikhin chỉ yêu cầu hàm Lyapunov cổ điển nhưng đặt ra các điều kiện trên lịch sử của trạng thái. Phương pháp Lyapunov-Krasovskii thường cung cấp các kết quả ít bảo thủ hơn nhưng đòi hỏi việc xây dựng các hàm phiếm hàm phức tạp hơn. Cả hai phương pháp đều có ưu và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc thù của hệ được phân tích. Tài liệu này chủ yếu tập trung vào hàm phiếm hàm Lyapunov-Krasovskii.

Các tiêu chuẩn ổn định cho hệ có trễ có thể được phân loại thành phụ thuộc trễ (delay-dependent) hoặc độc lập trễ (delay-independent). Tiêu chuẩn độc lập trễ đảm bảo tính ổn định cho mọi giá trị của trễ, miễn là trễ nằm trong một giới hạn nhất định. Ngược lại, tiêu chuẩn phụ thuộc trễ cung cấp các điều kiện chặt chẽ hơn và ít bảo thủ hơn bằng cách tính đến giá trị cụ thể của trễ. Đối với các trễ biến thiên theo thời gian hoặc trễ lớn, tiêu chuẩn phụ thuộc trễ thường cho kết quả tốt hơn. Tài liệu này phát triển cả hai loại tiêu chuẩn, đặc biệt tập trung vào các tiêu chuẩn phụ thuộc trễ để đạt được tính chính xác cao cho các hệ phức tạp.

Việc chuyển đổi các điều kiện ổn định từ dạng đại số hoặc tích phân sang dạng bất đẳng thức ma trận tuyến tính (LMI) là một kỹ thuật tiêu chuẩn. Các điều kiện ổn định được suy ra từ đạo hàm của hàm phiếm hàm Lyapunov-Krasovskii thường chứa các tích vô hướng của ma trận và vectơ. Bằng cách áp dụng các bổ đề ma trận như bổ đề Schur hoặc bổ đề Finsler, các bất đẳng thức này có thể được chuyển đổi thành một tập hợp các LMI. Điều này cho phép sử dụng các phần mềm chuyên dụng để giải quyết chúng một cách hiệu quả. Kết quả là các tiêu chuẩn ổn định có thể được kiểm tra bằng cách giải một bài toán quy hoạch bán xác định.

Ưu điểm chính của việc sử dụng LMI là khả năng biến các bài toán kiểm tra ổn định thành các bài toán tối ưu hóa lồi. Điều này đảm bảo rằng nếu có một giải pháp tồn tại, nó có thể được tìm thấy hiệu quả bằng cách sử dụng các thuật toán tối ưu hóa lồi toàn cục. LMI cũng cho phép tích hợp nhiều yêu cầu hệ thống khác nhau (như giới hạn về hiệu suất, nhiễu loạn) vào cùng một khung phân tích. Việc này giúp đơn giản hóa quá trình thiết kế và phân tích các hệ thống điều khiển phức tạp. Hơn nữa, LMI cung cấp một công cụ mạnh mẽ để tìm kiếm các tham số điều khiển tối ưu.

LMI không chỉ dùng để kiểm tra tính khả thi mà còn để tối ưu hóa các điều kiện ổn định. Chẳng hạn, người ta có thể tìm kiếm các giới hạn trễ tối đa cho phép hoặc các tham số bộ điều khiển để đạt được tốc độ ổn định mũ nhanh nhất. Bằng cách thêm một biến mục tiêu vào bài toán LMI, các tiêu chuẩn ổn định có thể được tối ưu hóa theo một tiêu chí cụ thể. Ví dụ, việc tìm kiếm trễ lớn nhất mà hệ vẫn ổn định là một bài toán tối ưu hóa thường gặp. Điều này giúp thiết kế các hệ thống hoạt động an toàn và hiệu quả trong một dải rộng các điều kiện vận hành.

Mạng nơron Hopfield là một mô hình mạng nơron hồi quy được sử dụng cho bộ nhớ liên kết. Tài liệu này nghiên cứu tính ổn định của mạng Hopfield với sự hiện diện của trễ và xung. Xung có thể gây ra những thay đổi đột ngột trong trạng thái của hệ, đòi hỏi các phương pháp phân tích đặc biệt. Việc phân tích ổn định mũ cho các mạng Hopfield có trễ biến thiên và xung là một vấn đề phức tạp. Các tiêu chuẩn ổn định được đề xuất dựa trên hàm phiếm hàm Lyapunov-Krasovskii và các kỹ thuật xử lý bất đẳng thức ma trận, đảm bảo tính ổn định ngay cả khi có các yếu tố gây nhiễu.

Mạng nơron quán tính, còn được gọi là mạng nơron bậc hai, bao gồm các thành phần đạo hàm bậc hai, mô phỏng hành vi động học phức tạp hơn. Khi kết hợp với đa trễ biến thiên theo thời gian, việc phân tích tính ổn định trở nên rất thách thức. Tài liệu này khám phá sự tồn tại của nghiệm dương và tính ổn định mũ của điểm cân bằng cho các mô hình mạng nơron quán tính với nhiều loại trễ khác nhau. Các kết quả này đóng góp vào việc hiểu rõ hơn về động lực học của các mạng nơron phức tạp và mở ra hướng ứng dụng trong các lĩnh vực cần mô hình hóa hành vi quán tính.

Mạng nơron BAM (Bidirectional Associative Memory) là một loại mạng nơron hai chiều có khả năng lưu trữ và truy xuất các cặp mẫu. Việc nghiên cứu tính ổn định của mạng BAM với đa trễ biến thiên theo thời gian là rất quan trọng để đảm bảo khả năng học và nhớ của nó. Tài liệu này khảo sát sự tồn tại và duy nhất của nghiệm, nghiệm dương, và tính ổn định mũ của điểm cân bằng cho mạng BAM. Các tiêu chuẩn ổn định được đưa ra, xem xét kỹ lưỡng ảnh hưởng của trễ biến thiên. Kết quả này giúp cải thiện hiệu suất của các hệ thống dựa trên mạng BAM trong các ứng dụng thực tế.

Việc đạt được ổn định mũ cho hệ có trễ đòi hỏi các kỹ thuật điều khiển chuyên biệt. Các phương pháp phổ biến bao gồm điều khiển phản hồi trạng thái, điều khiển trễ và điều khiển thích nghi. Các kỹ thuật này thường dựa trên việc xây dựng một bộ điều khiển có khả năng bù đắp hoặc giảm thiểu ảnh hưởng bất lợi của trễ. Việc sử dụng hàm phiếm hàm Lyapunov-Krasovskii kết hợp với LMI là một cách hiệu quả để thiết kế các bộ điều khiển phản hồi có thể đảm bảo ổn định mũ cho hệ. Các kỹ thuật được phát triển đảm bảo tính robustness và hiệu suất cao trong các ứng dụng thực tế.

Một số hệ phương trình phi tuyến có trễ có thể chứa trễ tỉ lệ, tức là trễ tỷ lệ với biến trạng thái. Hơn nữa, các hiệu ứng xung có thể gây ra những biến động đột ngột và làm mất ổn định hệ. Tài liệu này nghiên cứu các điều kiện ổn định hóa dạng mũ cho các hệ có trễ tỉ lệ với hiệu ứng xung phân phối kiểu tuần hoàn. Việc xem xét đồng thời các yếu tố này giúp phát triển các chiến lược điều khiển toàn diện hơn. Các phương pháp Lyapunov-Krasovskii được điều chỉnh để xử lý cả trễ tỉ lệ và tác động của xung, đảm bảo hệ thống vẫn duy trì ổn định mũ.

Tiêu chuẩn ổn định mũ suy rộng là một khái niệm tổng quát hơn về ổn định mũ, cho phép đánh giá hiệu suất của hệ theo một cách linh hoạt hơn. Tài liệu này phát triển các tiêu chuẩn ổn định hóa dạng mũ suy rộng cho các hệ đóng. Hệ đóng là hệ thống đã được tích hợp bộ điều khiển. Việc đạt được ổn định mũ suy rộng đảm bảo rằng hệ không chỉ ổn định mà còn có các thuộc tính mong muốn khác, như khả năng chống nhiễu hoặc đáp ứng nhanh. Các tiêu chuẩn này được kiểm tra bằng cách sử dụng LMI, giúp xác minh tính hiệu quả của các giải pháp ổn định hóa.

Trong nhiều mô hình thực tế, các biến trạng thái chỉ có ý nghĩa khi chúng có giá trị dương, ví dụ như dân số, nồng độ chất hóa học hoặc hoạt động của nơron. Do đó, việc thiết lập các điều kiện để hệ phương trình vi phân có trễ tồn tại nghiệm dương và nghiệm đó là duy nhất là một vấn đề quan trọng. Tài liệu này sử dụng các kỹ thuật phân tích hàm và nguyên lý điểm bất động để chứng minh sự tồn tại của nghiệm dương cho các mô hình mạng nơron cụ thể, đặc biệt là mạng nơron quán tính và mạng BAM, có trễ biến thiên theo thời gian.

Điểm cân bằng của một hệ động lực là những trạng thái mà tại đó hệ không thay đổi theo thời gian. Việc xác định các điểm cân bằng và phân tích tính ổn định của chúng là rất cần thiết để hiểu hành vi dài hạn của hệ. Một điểm cân bằng ổn định là nơi hệ có xu hướng trở về sau một nhiễu loạn nhỏ. Đối với các hệ phương trình phi tuyến có trễ, việc tìm điểm cân bằng có thể phức tạp. Tài liệu này không chỉ chứng minh sự tồn tại của các điểm cân bằng mà còn thiết lập các tiêu chuẩn để đảm bảo tính ổn định mũ của các điểm cân bằng dương này, đặc biệt trong bối cảnh mạng nơron.

Trong các mô hình mạng nơron, nghiệm dương của trạng thái nơron thường đại diện cho mức độ hoạt động hoặc kích hoạt của chúng. Việc đảm bảo rằng các nghiệm là dương có ý nghĩa quan trọng đối với tính chính xác và giải thích của mô hình. Ví dụ, trong các mạng nơron nhận dạng hình ảnh, hoạt động dương của nơron có thể tương ứng với sự hiện diện của một đặc điểm nào đó. Nghiên cứu này cung cấp các điều kiện toán học để đảm bảo tính dương của các nghiệm, qua đó tăng cường tính thực tiễn và độ tin cậy của các mô hình mạng nơron được phân tích.