1.一种二阶神经网络的同步控制方法，其特征在于，包括以下步骤：步骤S1：构建二阶惯性神经网络的主系统和从系统，所述二阶惯性神经网络的主系统和从系统的构建方法包括步骤：

步骤S11：建立二阶神经网络动力学方程：式中，时间t≥0；n表示所述二阶神经网络中神经元的个数；i＝1，2，…，n；j＝1，2，…，n；ui(t)表示所述二阶神经网络第i个神经元在t时刻的状态变量；ai和bi为正常数；wij和hij表示所述二阶神经网络的连接权值；fj(uj(t))表示所述二阶神经网络第j个神经元不包含时滞的激活函数，fj(uj(t‑τ(t))表示所述二阶神经网络第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；τ(t)表示时变离散时滞，且满足0<τ(t)<τ、 τ和μ为正常数；Ii表示所述二阶神经网络第i个神经元的外部输入；

步骤S12：构建所述二阶神经网络的主系统：将步骤S11中二阶神经网络进行变量替换降阶处理，构建主系统为：T

式中，u(t)＝[u1(t),…,un(t)] 表示所述主系统的第i个神经元在t时刻的状态向量；vT

(t)＝[v1(t),…,vn(t)] ，vi(t)＝(dui(t)/dt)+ξiui(t)，ξi为常数；A＝diag{ξ1,…,ξn}；B＝diag{(a1‑ξ1),…,(an‑ξn)}；C＝diag{[b1+ξ1(ξ1‑a1)],…,[bn+ξn(ξn‑an)]}；W＝(wij)n×n；H＝T T(hij)n×n；I＝[I1,…,In] ；f(u(t))＝[f1(u1(t)),…,fn(un(t))] ；f(u(t‑τ(t)))＝[f1(u1(t‑Tτ(t)),…,fn(un(t‑τ(t))]；

步骤S13：构建所述二阶神经网络的从系统：构建步骤S12中所述主系统相对应的从系统为：T

式中，x(t)＝[x1(t),…,xn(t)] 表示所述从系统的第i个神经元在t时刻的状态向量；yT

(t)＝[y1(t),…,yn(t)] ，yi(t)＝(dxi(t)/dt)+ξixi(t)；f(x(t))＝[f1(x1(t)),…,fn(xnT T

(t))] ；f(x(t‑τ(t)))＝[f1(x1(t‑τ(t)),…,fn(xn(t‑τ(t))] ；U1(t)和U2(t)是所述从系统中需要设计的同步控制器；所述从系统的其它参数的定义与所述主系统相同；

步骤S2：根据步骤S1构建的所述主系统与从系统，设定同步误差，并建立同步误差系统，具体步骤为：

步骤S21：根据步骤S1构建的所述主系统和从系统，设定它们的同步误差为：其中，同步误差e1(t)和e2(t)具体为：T T

e1(t)＝[e11(t),…,e1n(t)]＝[x1(t)‑u1(t),…,xn(t)‑un(t)]，T T

e2(t)＝[e21(t),…,e2n(t)]＝[y1(t)‑v1(t),…,yn(t)‑vn(t)]；

步骤S22：根据所述主系统和从系统，以及步骤S21设定的同步误差，建立同步误差系统为：

其中，

步骤S3：根据步骤S2建立的同步误差，设计合适的同步控制器U1(t)和U2(t)；

步骤S4：将步骤S3中设计的所述同步控制器U1(t)和U2(t)作用于所述从系统，使得所述从系统同步于所述主系统。

2.根据权利要求1所述的一种二阶神经网络的同步控制方法，其特征在于，步骤S3具体包括以下步骤：

步骤S31：确定所述同步控制器U1(t)和U2(t)的反馈形式为：其中，K1和K2为同步控制器增益矩阵；

步骤S32：确定同步控制器增益矩阵K1和K2：使用MATLAB的LMI工具箱求解下面的线性矩阵不等式：在线性矩阵不等式中，Ξ＝(Ξ)9×9的元素为：T

Ξ1,2＝P1‑C p2、Ξ1,4＝R1、Ξ1,5＝LT1、Ξ1,7＝2τR3、Ξ1,8＝2τR3、Ξ2,5＝P2W1、Ξ2,6＝P2W2、Ξ3,3＝‑Q1‑R1、Ξ3,4＝R1、Ξ4,4＝‑(1‑μ)Q2‑2R1、Ξ4,6＝LT2、Ξ5,5＝‑2T1+Q3、Ξ6,6＝‑2T2‑(1‑μ)Q3、Ξ7,7＝‑R2‑2R3、Ξ7,8＝‑2R3‑R2、Ξ8,8＝‑R2‑2R3、Ξ9,9＝‑2R4、Ξ＝(Ξ)9×9未具体给出的其它元素为0；

从而得到使该线性矩阵不等式成立而存在的矩阵P1>0、P2>0、Q1>0、Q2>0、Q3>0、R1>0、R2>

0、R3>0、R4>0、G1、G2、对角矩阵T1>0、T2>0，进而得到同步控制器增益矩阵K1和K2分别为：