一类非线性分数阶泛函微分方程的正解的存在性

本文研究了一类非线性分数阶泛函微分方程.利用锥拉伸与锥压缩不动点定理,得到这类分数阶泛函微分方程的正解的存在性,推广了马如云的结果.     

变时滞中立型BAM神经网络的全局稳定性

本文通过构造新型的Lyapunov-Krasosvskii函数并利用矩阵不等式技巧获得了一类变时滞中立型BAM神经网络的全局稳定性判据,该判据便于应用.数值例子表明,与已有结果相比,该判据具有较低的保守性.     

一类中立型积分微分方程周期解的存在性和唯一性

考虑具连续时滞和离散时滞的中立型积分微分方程d/dt[x(t) q∑j=1ej(t)x(t-δj(t))]=A(t,x(t))x(t ∫t-∞ C(t,s)x(s)ds 1∑i=1gi(t,x(t-Υi(t))) b(t)和d/dt[x(t) q∑j=1ej(t)x(t-δj(t))]=A(t)x(t) ∫t-∞C(t,s)x(s)ds 1∑j=1gi(t,x(t-Υi(t))) b(t)周期解的存在性和唯一性问题,利用线性系统指数型二分性理论和泛函分析方法,并通过技巧性代换获得了保证中立型系统周期解存在性和唯一性的充分性条件,从而避开了在研究中立型系统时x(t-δ)时滞项的导数x1(t-δ)的出现,推广了相关文献的主要结果.     

退化时滞微分方程的周期解问题

本文讨论退化时滞微分方程的周期解问题．特别地，我们给出二维退化滞后微分方程的周期解的存在性问题，并在最后举例说明其应用。     

时变退化时滞微分系统的变易公式

本文将研究时变退化时滞微分系统.给出了该类系统的变易公式.这将在进一步研究退化时滞微分系统时十分有用.     

具分布时滞的广义系统周期解的存在性

研究了一类具分布时滞的广义系统模型,用矩阵测度和Krasnoselskii不动点定理获得了其周期解存在的若干充分条件,并举例说明其应用.     

分数阶时滞微分系统的滑模控制(英文)

The problem of sliding mode control for fractional differential systems with statedelay is considered.A novel sliding surface is proposed and a controller is designed correspondingly,such that the state starting from any initial value will move toward the switching surface and reach the sliding surface in finite time and the state variables on the sliding surface will converge to equilibrium point.And the stability of the proposed control design is discussed.     

The Algebraic Criteria for the All-delay Stabilityof Two-dim ensional Degenerate Differential System swith Delay

§１．　ＩｎｔｒｏｄｕｃｔｉｏｎＡｓｔｈｅｄｅｅｐｌｙｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｓｔｕｄｙａｎｄａｐｐｌｉｃａｔｉｏｎｆｏｒｍａｎｙｐｒａｃｔｉｃａｌｓｙｓｔｅｍｓ，ｓｕｃｈａｓｅｃｏｎｏｍｉｃｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｓ，ｅｎｇｉｎｅｅｒｉｎｇｓｙｓｔｅｍｓ，ｐｏｗｅｒｓｙｓｔｅｍｓａｎｄｓｏｏｎ，ｐｅｏｐｌｅｄｅｖｏｔｅｍｕｃｈａｎｄｍｕｃｈａｔｔｅｎｔｉｏｎｔｏｔｈｅｐｈｅｎｏｍｅｎａｏｆｄｅｌａｙｓ［１］［２］．Ａｔｔｈｅｓａｍｅｔｉｍｅ，ｐｅｏｐｌｅｆｏｕｎｄｔｈａｔｔｈｅ…     

广义区间系统可控和可观测的充分条件

分别给出了单输入多输出广义区间系统可控和多输入单输出广义区间系统可观测的充分条件     

OPTIMAL CONTROL OF FINANCIAL MANAGEMENT SYSTEMS WIITH DELAY

Recentlymoderncontroltheoryhasbeenwidelyusedineconomymanagementsystems.Particularlythetheoryofoptimalcontrolisusedinfinancialmanagementsystemswithgreatsuccess.Butwenoticethatfinancialmanagementsystemsaregenerallycontrolsystemswithdelay.Theoptimizationofth…