1.一种基于通信受限的神经网络系统远程状态估计方法,其特征在于,包括:
构建待研究的神经网络的动态模型和状态估计器模型,所述动态模型包括神经网络状态和测量输出模型;
设定所述动态模型中的函数满足条件;
采用所述状态估计器模型对所述动态模型进行状态估计,以得到状态估计误差;
对所述神经网络状态和估计误差进行增广处理,以得到状态估计增广系统模型;
设定所述状态估计误差需满足的约束条件,并根据所述约束条件得到所述状态估计增广模型满足性能要求的充分条件;
根据所述充分条件计算状态估计器中的未知增益参数。
2.如权利要求1所述的方法,其特征在于,所述待研究的神经网络为含有测量野值和混合时滞的离散神经网络系统,所述方法包括:
构建具有混合时滞的离散神经网络系统的动态模型;
构建具有测量野值的离散时间状态估计器模型。
3.如权利要求1所述的方法,其特征在于,所述待研究的网络为具有部分神经元信息及随机发生时滞的神经网络系统,所述方法包括:
构建带有随机发生时滞的神经网络系统的动态模型;
构建含有部分神经元信息的时滞神经网络状态估计器模型。
4.如权利要求1所述的方法,其特征在于,所述待研究的在通信协议影响下具有分布式时滞和有界执行误差的神经网络系统,所述方法包括:
构建具有离散时滞的人工神经网络系统动态模型;
构建具有有界执行误差的状态估计器模型。
5.一种基于通信受限的神经网络系统远程状态估计装置,其特征在于,包括:
构建模块,用于构建待研究的神经网络的动态模型和状态估计器模型,所述动态模型包括神经网络状态和测量输出模型;
设定模块,用于设定所述动态模型中的函数满足条件;
估计模块,用于采用所述状态估计器模型对所述动态模型进行状态估计,以得到状态估计误差;
增广模块,用于对所述神经网络状态和估计误差进行增广处理,以得到状态估计增广系统模型;
所述设定模块还用于设定所述状态估计误差需满足的约束条件;
计算模块,用于根据所述约束条件得到所述状态估计增广模型满足性能要求的充分条件,并根据所述充分条件计算状态估计器中的未知增益参数。
6.如权利要求5所述的装置,其特征在在于,所述待研究的神经网络为含有测量野值和混合时滞的离散神经网络系统,所述构建模块具体用于:
构建具有混合时滞的离散神经网络系统的动态模型;
构建具有测量野值的离散时间状态估计器模型。
7.如权利要求5所述的装置,其特征在在于,所述待研究的网络为具有部分神经元信息及随机发生时滞的神经网络系统,所述构建模块具体用于:
构建带有随机发生时滞的神经网络系统的动态模型;
构建含有部分神经元信息的时滞神经网络状态估计器模型。
8.如权利要求5所述的装置,其特征在在于,所述待研究的在通信协议影响下具有分布式时滞和有界执行误差的神经网络系统,所述构建模块具体用于:
构建具有离散时滞的人工神经网络系统动态模型;
构建具有有界执行误差的状态估计器模型。
9.一种电子设备,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。