一类中立型时变非线性控制系统的镇定与控制

本文利用专著（１）￣（３）中的有关方法,讨论了一类具有滞后的中立型时变非线性控制系统的镇定与次优控制问题,得出了滞后量与非线性项的估计公式,并推广了文（４）,（５）的结果。     

交通网络中心性与土地利用强度的相关性及空间异质性研究——以青岛市主城区为例

探究路网中心性与土地利用强度的空间关系,对合理布局城市交通网络,提高城市土地利用效率,促进城市高质量发展具有重要意义。本文以青岛市主城区为研究对象,采用多中心评价模型计算了交通网络的邻近中心性、中介中心性和直达中心性。基于重分类的POI大数据间接表征城市功能用地类别,采用核密度估计等方法分析了路网中心性与土地利用强度的空间分布特征,最后运用Pearson相关系数、地理加权回归模型探究了二者的相关性及空间异质性。研究结果表明,邻近中心性呈现明显的“核心-边缘”模式,中介中心性高值区主要集中在城市主干道,直达中心性在空间上表现为明显的多核心结构。城市路网中心性与土地利用强度存在显著的相关性。邻近中心性与土地利用强度的相关性最高,直达性次之,中介中心性最小。路网中心性对土地利用强度的影响效果存在显著的空间异质性。研究区范围内,邻近中心性、直达中心性对土地利用强度的影响效果主要以正向作用为主,中介中心性主要以负向作用为主。     

路网车流径路优化调整中的最短径路算法

目前铁路车流径路基本上都是按照路网的最短路径来安排的,首先一般都采用Dijkstra算法计算最短路径,然后参考相应区段的能力限制,对车流进行分配,对车流量超过能力的区段重新进行车流调整,这时需要重新计算新条件下两点间最短路径,一般仍采用Dijkstra算法重新计算两点最短路径,这大大地浪费了前期的计算最短路径的信息,增加了计算工作量,本文采用A*算法作为一种启发式算法,可以克服这一缺陷。     

具有时变时滞的离散T-S模糊随机系统的耗散性分析

[目的]研究具有时变时滞的离散T-S模糊随机系统的耗散性分析问题,获得具有更低保守性的条件.[方法]构造新的模糊Lyapunov-Krasovskii泛函,并且利用离散的Jensen不等式.[结果]得到了该系统随机耗散的条件.[结论]通过Matlab求解,验证了此方法的有效性,并且与已有文献相比,此方法有更低的保守性,...     

结合改进PSO-BP神经网络的无刷直流电机控制

针对无刷直流电机的BP 神经网络控制器收敛速度慢,易陷入局部最优,设计了一种采用改进粒子群BP 神经网络控制的无刷直流电机控制系统,改进的粒子群算法在速度更新方程中引入了具有时变衰减特性的惯性权重,并用改进的粒子群算法对BP 神经网络初始权值进行离线训练. 仿真结果显示改进PSO-BP 神经网络孔制系统比标准PSO-BP 神经网络控制有更好的稳定性与抗干扰性,整个系统动、静态响应更好.     

具有时变时滞的两个复杂动态网络间的外同步

本文讨论了一类具有时变时滞的驱动 响应网络的外同步问题。以线性矩阵不等式(LMI)和Lyapunov泛函方法，获得了该两个〖JP3〗复杂动态网络间达到外同步的判据。即当系统参数满足下列条件之一：即当（1）0≤τ·(t)≤σ<1， Mi>0,Si>0,Ui(t)λicMiΓλicΓΤ Mi(1－σ)Si<0,i=2,…,N；（2）τ·(t)≤0, τ(t)≤τ， 0<τ< SymboleB@ ， Mk>0,Sk>0,UkλkcMkΓ－YkτHΤZkλkcΓΤ Mk－YΤk－SkτλkcΓΤZkτZkHτλkcZkΓ－τZk<0,k=2,…,N，则驱动 响应网络达到外同步。最后用数值例子验证了结论的有效性。
     

时变区间矩阵稳定的充要条件

本文讨论了一般ｎ阶时变区间矩阵的稳定性问题，采用迭代分析法得到了一类时变区间矩阵稳定的充分必要条件，实现了用区间端点矩阵的稳定来判别时变区间矩阵的稳定。推广了一般区间矩阵及二阶时变区间矩阵的有关概念及结论。     

时变金属切削过程颤振的研究

本文根据时变金属切削过程的概念,采用对信号分段的AR模型描述其时变性,并用于第二汽车制造厂Mx-4车床颤振的研究.文中对时变金属切削过程颤振的AR谱特性、颤振模态的阻尼率、时变系统的特征根这三个方面都进行了深入的研究,指出了时变金属切削过程颤振的特点,提出了颤振状态下的机床切削系统仍然是稳定系统的观点.文中的分析结果较好地解释了Mx-4车床颤振的一些特有现象.     

GLMS系列算法和时变信号模型的自适应处理

提出了具有指数数据窗的GLMS算法和近似GLMS算法.分析和计算证明,两算法不仅具有较高的起始收敛速度,而且还有较强的跟踪能力和小的失调量,适用于时变和非时变信号模型的自适应处理.     

动态测试数据自动处理方法

提出成立动态测试数据自动处理方案，首先通过两次移动平均及相应的统计检验，自动初辨数据属于平衡型、一阶非平衡型或二阶非平衡型，同时用移动回归外推法自动剔除异常数据，并用ＲＰＥ－ＫＦ自适应滤波法抑制测试随机误差。然后按初辨结果自动选定加权逐步回归或／与时序模型特征根判别的混合谱分析法及其算法参数。提取数据中的非周期或／与周期成分，并用移动Ｍａｒｐｌｅ算法拟合随机成分的时变ＡＲ模型，估计其统计特征量。已