小世界网络同步的非线性时滞反馈控制

大脑的病态同步放电活动会导致一些神经类疾病,如帕金森、癫痫等.采用Izhikevich神经元模型构建一个兴奋-抑制小世界网络,增加网络的耦合强度能够实现网络的同步簇放电.对网络施加非线性时滞反馈控制,网络的这种同步活动很快消失.仿真结果表明:微分形式的反馈控制去同步的同时,保持了单个神经元的固有放电特性,且这种反馈控制不具有侵害性.直接形式的反馈控制通过抑制神经元的放电活动来抑制网络的同步,这种形式的反馈控制对刺激参数的变化具有鲁棒性,更适用于实际的深度脑刺激术.     

基于路径相似度的台风路径预测研究

因为受到诸多物理因子的综合影响,台风运动轨迹变得极其复杂,运动轨迹和物理因子之间呈现高度非线性。因此,正确预测台风的未来轨迹对于风险评估具有极其重要的意义。本文通过建立一个基于路径相似度的模型来对台风路径进行预测。     

非凸稀疏正则化的广义条件梯度算法

提出一种具有非凸、非光滑的α‖·‖_(l_1)-β‖·‖_(l_2)(αβ≥0)罚项的正则化泛函,并且构造了一种新的迭代算法来求解带有αl_1-βl_2约束的非线性稀疏正则化.该算法利用广义条件梯度算法,将其推广到带有非凸稀疏罚项的非线性正则化方程中,构造出一种适用于非凸稀疏正则化的软阈值算法,并给出了该算法收敛性的证明.     

基于抵消技术的邻道干扰抑制

针对无线设备间的邻道干扰,提出了一种干扰抑制方法。在接收机中设计邻道干扰重建支路,利用记忆多项式估计信道的非线性参数,构建邻道干扰信号模型并重建干扰信号,最终从接收信号中消除邻道干扰信号。所提方法能够有效减小邻道干扰影响,提升期望信号接收信噪比,使有限带宽内容纳更多通信设备。计算机仿真与软件无线电平台实验结果表明,在实验室视距环境中,甚高频频段,信号带宽25 kHz,所提方法能够抑制18 dB的邻道干扰,为有限空间内无线电设备间邻道干扰抑制提供了新的研究思路。     

含Ornstein-Uhlenbeck过程的随机SIS模型疾病的灭绝性分析

对一类总人口随时间变化具有非线性发生率的随机SIS传染病模型进行了研究,证明了接触系数满足Ornstein-Uhlenbeck过程时传染病模型的解存在并且唯一,同时得到了疾病灭绝所需要的条件.     

线性磁场作用下修正的一维铁磁链孤立波

在考虑修正的海森堡模型下，采用扩展行波法研究了在线性磁场作用下，一维铁磁连中的孤波解.结果表明，在将 的变换式展开到更高阶项（包括 项），各项同性的情况下也可求得包络孤子解，同时在增加了线性磁场后，孤子的运动模式发生了改变从一般的匀速运动变成了匀变速运动.并且发现当 趋近于零时，方程返回到只能在各向异性情况下求解的情况.     

低渗透储层流体非线性渗流机理及特征分析

基于微尺度渗流效应，分析了低渗透油藏非线性渗流机理，根据力学平衡方程和压汞实验数据，建立了低渗透储层流体非线性渗流数学模型，分析了非线性渗流特征，并引入动态阻力梯度概念，实现对低渗储层非线性渗流的动态表征。结果表明，边界层、流体屈服应力、边界流体体相流体间的表面力对低渗透渗流形成的附加阻力，是非线性渗流的主要原因；非线性渗流特征在不同的驱替压力梯度下一直存在，在低驱替压力梯度下明显，高驱替压力梯度下弱化；采用动态阻力梯度代替启动压力梯度对非线性渗流进行表征更加合理；随着驱替压力梯度的增加，动态驱替梯度曲线特征为先从一个比较高初始值瞬间降落，之后逐渐增大；动态阻力梯度与驱替压力梯度的比值先增大后减小。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

工业机器人驱动系统非线性频谱故障诊断方法

针对广义频率响应函数(GFRF)在故障诊断中存在计算量大、无法满足系统对诊断实时性要求的问题,提出基于非线性输出频率响应函数(NOFRF)的工业机器人驱动系统故障诊断方法。该方法构建系统一维频谱函数的辨识模型,将系统的输出频谱与估计频谱进行比较求出残差,根据残差大小改变辨识步长迭代出前4阶频谱;对获取到的4阶频谱进行逐阶采样,每阶频谱采集10个数值,共40个频谱构成40维特征矢量,将其作为系统的故障特征输入核主成分分析方法(KPCA)进行压缩,通过计算主元累计贡献率将高维数据压缩至3维,降低变量之间的非线性度;构造SVM分类器,将KPCA方法生成的低维数据中60%的数据作为训练集对分类器进行训练,将40%的数据作为测试集进行故障识别。实验结果表明,在相同的数据提取任务下,与基于GFRF的方法相比,所提方法节约时间854%,可以准确、快速地提取系统故障特征,进一步验证了该方法在工业机器人驱动系统故障诊断应用上的可靠性。     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.