耦合振子网络的最优控制

本文提出一种非线性控制框架，用于将耦合振子网络引导至所需的相位锁定配置。受大脑动力学启发，其中结构化的相位差可支持认知功能，本文聚焦于实现全局相干之外的同步模式。采用以相位差坐标表示的 Kuramoto 模型来描述系统动力学。控制问题在基于状态依赖 Riccat 方程 (SDRE) 的框架内建立，使可通过状态依赖分解设计反馈律。该无约束控制方案作为发展更一般方法（包括耦合约束和作动装置限制）的原则性起点。数值仿真表明，所提出的方法在异构网络和大规模振子网络中均实现了稳健的相位锁定，凸显其在神经科学、机器人学和分布式系统中的潜在应用。