在复杂动态网络模型中,节点和连边通常用来表示具有自身动态特性的个体和这些孤立的个体系统之间存在的复杂关系。拓扑结构是复杂动态网络最为重要的基础信息之一,它将不同孤立系统连接成一个网络,对于在网络中实现信息共享起到了关键作用。如果需要探索一个复杂动态网络,首先需要知道的就是它的拓扑结构信息。在一个规模很大的复杂动态网络中,当某处突然发生了严重故障,在解决故障前若能够快速、准确、有效地发现故障位置,就显得非常重要了。然而,在大多数真实网络中,拓扑结构往往是未知的或者无法精确测量。因此,越来越多的专家学者开始关注复杂动态网络的拓扑辨识问题。由于很多客观物理条件和技术手段的限制,很多不可靠或者不确定的干扰因素是普遍存在的,例如时间延迟、随机噪声干扰、不确定的网络系统参数、传输信息的不完全测量等情况。针对这些干扰因素,应当重视它们对于复杂动态网络拓扑辨识过程所带来的负面影响。当通过构建驱动端与响应端网络进行拓扑辨识时,长距离通信、信息阻塞以及类似的干扰因素会对在网络内部传输的节点状态耦合信息产生影响,使得网络节点延迟接收耦合信息;同时,节点状态信息的传输也会受到非理想通信信道的作用产生随机的信息不完全测量的情况,例如发生信号衰减或者信道屏蔽等。目前,针对存在信息不完全测量情况的复杂动态网络拓扑辨识研究还未深入,然而信息不完全测量会严重阻碍网络同步和拓扑辨识过程的完成。综上所述,本文考虑实际信息传输中存在不可避免的时间延迟、随机发生的信息不完全测量等干扰情况,针对网络节点具有混沌动力学特性的复杂动态网络,设计合适的辨识控制方案,有效地处理多种不可靠通信因素同时存在所带来的负面影响,对网络拓扑进行实时监测及故障诊断,提高拓扑辨识及故障诊断的精度与性能,增强拓扑辨识及故障诊断系统的稳定性。本文的主要内容与创新点如下:(1)考虑在信息传输的过程中,节点状态信息受到非理想信道环境的影响,如发生信号衰减或屏蔽的情况等,在驱动端网络内部的节点耦合信息以及响应端网络接收到的节点状态信息相比于发出时是受到干扰,无法被完全测量的。针对网络内部及外部同时随机发生的信息不完全测量的情况,利用已接收到的受到干扰的信号,构建驱动响应两端网络,运用Lyapunov稳定性理论和随机过程分析理论,提出新的辨识控制器设计方案,有效处理由于信息不完全导致的控制器运行偏差,确定合适的控制器增益,保证驱动响应两端网络之间误差动态系统的稳定性,对原网络的拓扑结构进行辨识及实时监控。给出严格推导及证明过程,结合数值仿真验证所提方案的正确性。(2)考虑通信信道中两类不可靠因素,信息耦合时延和信息传输不完全测量,同时存在的情况,研究复杂动态网络的拓扑辨识问题。将原网络看作是驱动端网络,构建节点动力学相同的响应端网络,对原网络的拓扑结构进行重构。在这种情况下,驱动端网络内部节点接收到的耦合信息是受到干扰的,存在着时间延迟;由于信道环境不稳定致使网络内部及外部的信息传输均存在幅值减小、时序缺失等信息不完全测量的情况。基于Lyapunov稳定性理论、随机过程分析理论和La Salle’s不变集原理,提出新的辨识控制器设计方案,消除已有方案中对于节点动态特性存在的限制。根据所测得的受到干扰的信息,设计合适的误差补偿方案,减小甚至消除由上述两种干扰因素所带来的对信息的影响,将辨识控制器稳定在正常的状态范围内。通过使得响应端网络与驱动端网络达到同步状态,达到辨识原网络的拓扑结构的目的。给出相关的理论分析及推导证明,通过进行数值仿真验证所设计方案的有效性。(3)分别考虑在理想和非理想通信环境中,针对多层复杂动态网络模型研究其拓扑辨识和故障诊断问题。基于经典的单层复杂动态网络模型,构建具有多层结构的复杂动态网络模型,考虑原网络内部耦合时间延迟、网络内部及通信信道中存在信息不完全测量的情况,结合Lyapunov稳定性理论和随机过程分析理论,分析层间耦合在网络结构辨识中发挥的作用。将多层结构的其中一层网络看作是驱动端网络,将目标层网络看作是响应端网络,结合不同网络之间广义同步的基本原理,对驱动端网络的拓扑结构进行辨识,同时实时监控拓扑结构的变化,为网络故障诊断提供解决方案。给出详细的理论分析与证明过程,选取具有混沌节点动力学的复杂动态网络进行仿真实验,验证所提出的方案是准确有效的。