Linear matrix inequality approach for synchronization of chaotic fuzzy cellular neural networks with discrete and unbounded distributed delays based on\\ sampled-data control

در اين مقاله روش نامساوي ماتريس خطي (LMI) براي همزمانسازي شبكه هاي عصبي سلولي فازي بي نظم (FCNNs) با تاخيرات توزيع شده گسسته و نامحدود بر اساس كنترل داده نمونه گيري شده مورد بررسي قرار گرفته است. تركيب تابعي Lyapunov-Krasovskii با روش تاخيرورودي، همراه با روش ماتريس وزني-آزاد به كار گرفته شده تا محك هاي كافي متعددي بر اساس LMI ها بدست آيد. تا مجانباً همزماني(هماهنگي) FCNN ها را تضمين كند. لازم بود محدوديتي چون تاخير تغيير-زمان مشتق پذير باشد يا حتي فرض برآن بود كه مشتق زمان آن كوچكتر از آنهايي باشد كه حذف شده اند. در عوض فرض بر اين است كه تاخير تغيير-زمان محدود باشد. در آخر، مثالهاي عددي و شبيه سازي شده آنها فراهم آورده شدند تا تاثير نتايج بدست آمده را نشان دهد.

In this paper, linear matrix inequality (LMI) approach for synchronization of chaotic fuzzy cellular neural networks (FCNNs) with discrete and unbounded distributed delays based on sampled-data control is investigated. Lyapunov-Krasovskii functional combining with the input delay approach as well as the free-weighting matrix approach are employed to derive several sufficient criteria in terms of LMIs ensuring the delayed FCNNs to be asymptotically synchronous. The restriction such as the time-varying delay required to be differentiable or even its time-derivative assumed to be smaller than one, are removed. Instead, the time-varying delay is only assumed to be bounded. Finally, numerical examples and its simulations are provided to demonstrate the effectiveness of the derived results.