1.耦合神经网络有界聚类投影同步调节控制方法，其特征在于，包括如下步骤：步骤一：建立具有非线性、非恒同和混合时变时滞的多个聚类的耦合神经网络，对每个聚类设定目标神经网络；

步骤二：根据所述耦合神经网络与目标神经网络建立误差耦合神经网络；

步骤三：根据所述误差耦合神经网络模型设计牵制脉冲反馈控制器，基于所述牵制脉冲反馈控制器选择相应函数，以实现每个聚类中神经网络与目标神经网络之间的有界聚类投影同步；

步骤四：通过搭建网络模型并利用所述网络模型进行数值仿真，验证目标神经网络与耦合神经网络之间的有界聚类投影同步效果；

所述耦合神经网络的模型为：

其中： 是节点的状态向量，其中，i＝1，2，…，N；N个神经网络分为l个聚类，且存在N≥1＞0，第i个神经网络和第j个神经网络在第z个聚类中，定义μi＝μj＝z，反之则有μi≠μj； 是第μi个聚类中神经网络的连接权值矩阵； 是神经元的外部输入向量，其中，i＝1，2，…，N；

n n

fk(·)：R→R，k＝1，2，3表示神经元的激活函数，其中有正常数σ1、

σ2是耦合神经网络的耦合强度；Γ、γ表示耦合神经网络的内部耦合矩阵，Γ、γ为单位矩阵；τ1(t)、τ2(t)和τ3(t)各自表示系统时变时滞，状态耦合时变时滞和分布式耦合时变时滞，存在0≤τ1(t)≤τ1，0≤τ2(t)≤τ2，0≤τ3(t)≤τ3，并定义最大时滞为τ＝max{τ1(t)，τ2(t)，τ3(t)}；G＝(gij)m×m和D＝(dij)m×m是基于耦合神经网络拓扑结构的外部耦合矩阵，矩阵G，D满足耗散条件，即满足 和 在第i个神经网络与第j个神经网络之间存在连接，则有gij＝gji＞0，dij＝dji＞0，否则gij＝0，dij＝0；ui(t)是控制器。

2.根据权利要求1所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，所述目标神经网络的模型为：

其中： 是目标神经网络的状态向量，其中，i＝1，

2，…，N， 是神经网络的连接权值矩阵，且存在

3.根据权利要求2所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，定义矩阵测度μq(M)：

其中：I是一个n维单位向量，||·||q，q＝1，2，∞，表示诱导范数，对于所述目标神经网络的状态向量的诱导范数，存在约束： 其中 是一个正常数，M为任意n阶非奇异矩阵。

4.根据权利要求2所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，所述误差耦合神经网络的模型为：其中：

ei(t)＝xi(t)‑asμi(t)为误差向量，正常数a用来代表投影因子。

5.根据权利要求4所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，所述牵制脉冲反馈控制器表达式为：其中：脉冲强度ρ∈(‑2，‑1)∪(‑1，0)，δ(·)表示狄拉克函数；对于脉冲信号，时间序列ζ＝{t1，t2，…}是严格单调递增的；

xi(t)的含义是：第i个神经网络的状态向量在t时刻的状态向量；

a含义是：ei(t)＝xi(t)‑asμi(t)为误差向量，正常数a用来代表投影因子；

的含义是：第i个神经网络所在聚类的目标神经网络在t时刻的状态向量。

6.根据权利要求5所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，定义为 且 得到如下具有混合时变时滞、非线性和非恒同误差耦合神经网络模型：其中：假设误差状态向量ei(t)是右连续的，存在的含义是：在tk时刻前后误差向量ei(t)的数值变化；

ρ的含义是：控制器公式(5)的脉冲强度。

7.根据权利要求6所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，在第μi个聚类中，当且仅当对于任意初始状态 存在正参数 使得如下不等式成立

||*||q的含义是：矩阵范数，包括||*||1，||*||2和||*||∞，即||*||q，q＝1，2，∞。

8.根据权利要求4所述的耦合神经网络有界聚类投影同步调节控制方法，其特征在于，所述函数为李雅普诺夫函数，表达式为：其中P是一个常正定矩阵；

||*||q的含义是：矩阵范数，包括||*||1，||*||2和||*||∞，即||*||q，q＝1，2，∞。

9.一种应用于权利要求1‑8任一所述方法的耦合神经网络有界聚类投影同步调节控制系统，其特征在于，包括：

构建模块，用于建立具有非线性、非恒同和混合时变时滞的多个聚类的耦合神经网络，并对每个聚类设定目标神经网络；

设置模块，用于根据所述耦合神经网络与目标神经网络建立误差耦合神经网络；

聚类同步模块，用于根据所述误差耦合神经网络模型设计牵制脉冲反馈控制器，基于所述牵制脉冲反馈控制器选择相应函数，以实现每个聚类中神经网络与目标神经网络之间的有界聚类投影同步；

仿真模块，用于通过搭建网络模型并利用所述网络模型进行数值仿真，验证目标神经网络与耦合神经网络之间的有界聚类投影同步效果。