1.一种混合时变时滞的惯性神经网络的指数同步控制方法，其特征在于，包括以下步骤：

步骤S1：基于惯性神经网络，构建混合时变时滞的惯性神经网络驱动系统和响应系统；

步骤S2：根据步骤S1构建的混合时变时滞的惯性神经网络驱动系统与响应系统，设定同步误差，并建立同步误差系统；

步骤S3：根据步骤S2建立的同步误差，设计周期间歇同步控制器，将所述周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统。

2.根据权利要求1所述的一种混合时变时滞的惯性神经网络的指数同步控制方法，其特征在于，步骤S1具体包括以下步骤：

步骤S11：构建混合时变时滞的惯性神经网络为：式中，时间t≥0；n表示所述惯性神经网络中神经元的个数；i＝1，2，…，n；j＝1，2，…，n；xi(t)表示所述惯性神经网络第i个神经元在t时刻的状态变量；ai和bi为常数并且满足ai>0、bi>0；cij、dij、wij为常数，表示所述惯性神经网络的连接权值；fj(xj(t))表示所述惯性神经网络第j个神经元不包含时滞的激活函数，fj(xj(t‑σ(t)))表示所述惯性神经网络第j个神经元包含时变离散时滞的激活函数，上述各激活函数均满足利普希茨条件且利普希茨常数为lj；σ(t)和τ(t)分别是时变离散时滞和时变分布时滞，且满足0<σ(t)<σ，0<τ(t)<τ，σ和τ为正常数，并设 η为积分变量；Ii(t)为外界输入；

步骤S12：构建混合时变时滞的惯性神经网络驱动系统：将步骤S11构建的混合时变时滞的惯性神经网络进行变量替换降阶处理，构建混合时变时滞的惯性神经网络驱动系统为：

T T

式中，x(t)＝(x1(t)，x2(t)，…，xn(t)) ；z(t)＝(z1(t)，z2(t)，…，zn(t)) ，ξi为常数；Ξ＝diag{ξ1，ξ2，…，ξn}，其中，矩阵Ξ需满足不等式为矩阵 的矩阵测度，

E2n为2n阶单位矩阵，||C||p是连接权矩阵C的p范数，p＝1、2或∞，l＝max{l1，l2，…，ln}，En为n阶单位矩阵；A＝diag{α1，α2，…，αn}，αi＝bi+ξi(ξi‑ai)；B＝diag{β1，β2，…，βn}，βi＝ai‑ξi；C、D、W分别为所述驱动系统的连接权矩阵，且C＝T(cij)n×n，D＝9dij)n×n，W＝(wij)n×n；f(x(t))＝(f1(x1(t))，f2(x2(t))，…，fn(xn(t))) ，f(xT(t‑σ(t)))＝(f1(x1(t‑σ(t)))，f2(x2(t‑σ(t)))，…，fn(xn(t‑σ(t)))) ；I(t)＝(I1(t)，I2T(t)，…，In(t)) ；n表示所述驱动系统中神经元的个数；i＝1，2，…，n；j＝1，2，…，n；

步骤S13：根据步骤S12构建的驱动系统，构建与其相对应的混合时变时滞的惯性神经网络响应系统为：

其中，y(t)表示所述响应系统中神经元在t时刻的状态变量，y(t)＝(y1(t)，y2(t)，…，T T

yn(t)) ；v(t)＝(v1(t)，v2(t)，…，vn(t)) ， ξi为常数；f(y(t))＝(f1T

(y1(t))，f2(y2(t))，…，fn(yn(t))) ，f(y(t‑σ(t)))＝(f1(y1(t‑σ(t)))，f2(y2(t‑σT(t)))，…，fn(yn(t‑σ(t)))) ，fj(yj(t))表示所述响应系统第j个神经元不包含时滞的激活函数，fj(yj(t‑σ(t)))表示所述响应系统第j个神经元包含时变离散时滞的激活函数，上述各激活函数均满足利普希茨条件且利普希茨常数为lj；σ(t)和τ(t)分别是时变离散时滞和时变分布时滞，且满足0<σ(t)<σ，0<τ(t)<τ，σ和τ为正常数，且设 η为积分变量；Ξ＝diag{ξ1，ξ2，…，ξn}；A＝diag{α1，α2，…，αn}，B＝diag{β1，β2，…，βn}，αi＝bi+ξi(ξi‑ai)，βi＝ai‑ξi，ai和bi为常数并且满足ai>0、bi>0；C、D、W分别为所述响应系统的连接权矩阵，其中C＝(cij)n×n，D＝(dij)n×n，W＝(wij)n×n，且cij、dij、wij为常数；I(t)＝(I1(t)，I2(t)，…，InT(t)) ，Ii(t)为所述响应系统的外界输入；U(t)为周期间歇同步控制器，U(t)＝(u1(t)，u2T

(t)，…，un(t)) ；n表示所述响应系统中神经元的个数；i＝1，2，…，n；j＝1，2，…，n。

3.根据权利要求1所述的一种混合时变时滞的惯性神经网络的指数同步控制方法，其特征在于，步骤S2具体包括以下步骤：

步骤S21：根据步骤S1构建的混合时变时滞的惯性神经网络驱动系统和响应系统，设定所述驱动系统和响应系统的同步误差为：

T

其中，e1(t)＝(e11(t)，e12(t)，…，e1n(t)) ＝y(t)‑x(t)；e2(t)＝(e21(t)，e22(t)，…，e2nT(t)) ＝v(t)‑z(t)；

步骤S22：根据所述驱动系统和响应系统，以及步骤S21设定的同步误差，建立同步误差系统为：

其中，g(e1(t))＝f(y(t))‑f(x(t))；g(e1(t‑σ(t)))＝f(y(t‑σ(t)))‑f(x(t‑σ(t)))；

4.根据权利要求1所述的一种混合时变时滞的惯性神经网络的指数同步控制方法，其特征在于，步骤S3具体包括以下步骤：

步骤S31：根据步骤S2建立的同步误差，设计周期间歇同步控制器为：其中，θ为非负整数，即θ＝0，1，2，…；T为控制周期；δ为控制持续时间，满足 和Ω1和Ω2为周期间歇同步控制器增益矩阵，Ω1＝diag{η11，η12，…，η1n}，Ω2＝diag{η21，η22，…，η2n}，η11、η12、…、η1n均为正常数，η21、η22、…、η2n均为正常数；周期间歇同步控制器的参数满足下面不等式：其中，p＝1、2或∞； 为矩阵 的矩阵测

度， ||C||p、||D||p、||W||p分别为连接权矩阵C、D、W的p范数；l＝max{l1，l2，…，ln}；En为n维单位矩阵；r1为方程的唯一正根； 代表受周期间歇同步控

制器控制时的指数收敛率；

步骤S32：将所述周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统。

5.根据权利要求4所述的一种混合时变时滞的惯性神经网络的指数同步控制方法，其特征在于，所述受周期间歇同步控制器控制时的指数收敛率 为方程的唯一正根。