非线性切换奇异系统的自适应状态反馈控制

研究了一类满足Lipschitz条件的非线性奇异切换系统的自适应状态反馈控制的设计问题.首先，研究单输入非线性奇异切换系统的基本自适应控制的设计，控制器旨在稳定系统;然后，以单输入非线性奇异切换系统所呈现的具有自适应增益和基于Lyapunov稳定性定理调整增益的机制为基础，将其扩展为多输入奇异切换系统的跟踪问题，设计了自适应控制方法;最后，采用Matlab方法做了数值仿真来说明所提出的控制方法的有效性.所提出的控制器具有非常简单的结构，并且在实践中很容易应用.     

复杂金融网络中的系统性风险与流动性救助:基于不同网络拓扑结构的研究

以支付结算网络为例,通过构建复杂网络中的流动性循环模型,基于仿真模拟研究了不同网络拓扑结构和不同风险场景下的系统性风险与流动性救助问题.研究发现:1)网络拓扑结构对系统稳健性有显著影响,系统呈现出"稳健而脆弱"的特点,即网络节点间差异越小、相互连接越紧密,系统性风险发生的概率越小,但风险一旦形成,则后果更为严重;2)由于系统性风险的程度与系统流动性正缺口规模呈现线性正相关关系,在进行流动性救助时,基于节点流动性正缺口的救助资金配置方案均不劣于平均分配或基于冲击规模分配的方案,但在不同网络拓扑结构下,方案间的差异程度存在显著差异;3)在基于节点流动性正缺口的配置方案下,网络拓扑结构对不同救助顺序的效果也存在影响,但仅在网络节点间差异较大且中等救助规模下,影响才是显著的.     

MEMS惯性高度尺测量精度分析

研究了基于微电子机械系统(micro-electro-mechanical systems,MEMS)的惯性导航系统的短时相对高程测量精度,设计了“惯性高度尺”算法,进行了桌面测高和楼层测高两个验证性实验。分析了不同运动条件和运动时间下“惯性高度尺”的测高精度。基于零速修正技术提出了一种分段测量的方法。实验结果表明,桌面测高可实现毫米级精度(相对误差0.17%),楼层测高可实现多层厘米级和单层毫米级测量精度(相对误差分别为0.22%,0.06%)。测量误差与载体的姿态动态和运动时长成正相关。实验验证了MEMS惯导用于高度测量具有较高可行性,稳定的运动条件和较快的测量时间能够提高测量精度。     

双重不确定冷贮备系统的可靠性分析

运用不确定理论研究了无充足样本的冷贮备冗余系统。假设系统所有元件的寿命服从具有不确定参数且相互独立的不确定分布,基于可靠度函数和平均寿命建立了3类冗余系统可靠性的数学模型:转换开关完全可靠型、转换开关离散型、转换开关连续型的冷贮备系统。此外,针对元件寿命为独立同分布的特殊情况进行了分析,给出数值算例,进一步印证模型的合理性。     

熊果酸在神经精神系统疾病中的药理作用及机制研究进展

 熊果酸（ursolic acid，UA）是一种五环三萜类化合物，存在于熊果、女贞叶、枇杷叶等植物中。熊果酸不仅具有抗氧化、抗炎、抗肿瘤、抗糖尿病、保肝等药理活性，还具有改善和治疗多种神经精神系统疾病的作用。通过文献分析，归纳总结了熊果酸在神经元损伤、脑血管疾病和精神障碍中的药理作用及其作用机制的研究进展。     

时间非均匀介质中两种群竞争格点系统的广义行波

考虑一般时间非均匀介质中两种群竞争格点系统广义行波的存在性和不存在性问题, 通过建立相关合作系统上下解的比较原理, 并构造其合适的上下解, 证明了当下平均速度大于一个确定的阈值时, 该系统广义行波存在, 并且不存在下平均速度小于此阈值的广义行波.     

激光复混沌系统构建及其点乘函数投影同步

提出了一种新的激光复混沌系统及其点乘函数投影同步方法。首先,以四维激光实超混沌系统模型为基础,构建了一个新的激光复混沌系统,基于常规动力学分析方法和MATLAB仿真软件研究了系统的耗散性、平衡点、Lyapunov指数谱、相图、分叉图等基本动力学特性。研究结果表明,该系统动力学行为丰富,在一定参数下具有蝴蝶结型混沌、超混沌吸引子,非常适用于混沌加密领域。进一步,以向量点积运算为基础,定义了一种新的点乘函数投影同步方式,基于滑模控制方法实现了蝴蝶结型激光复混沌系统的点乘函数投影同步。数值仿真验证了理论分析的正确性和有效性。     

基于系统动力学的区块链技术扩散机制研究

区块链技术凭借其去中心化、去信任化及不可篡改等优势,一经提出便引起了学术界和业界的广泛关注。然而区块链技术发展中也遇到了如政府监管难、行业标准化不完善及违规违法行为频发等挑战。社会各界对于区块链技术发展前景各执己见,政府提出的各类扶植与管制政策对区块链技术发展的影响及其程度尚不明确。基于此,对区块链这一典型的共性技术扩散与演化趋势进行模拟研究。首先,结合Bass技术创新扩散模型的理论基础和区块链的特点筛选了影响区块链技术扩散的因素;其次,构建了区块链技术扩散的系统动力学模型,在参数估计的基础上对三种不同政策组合下区块链技术扩散机制进行模拟,分析了不同政策环境下区块链技术发展趋势;最后,依据模拟结果提出了引导区块链技术发展的政策建议。     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。