如何安全创建TSR程序

ＴＳＲ程序是一个性能优良的高级用户软件不可缺少的功能，是我们实现多任务的重要手段。但使用不当容易造成系统崩溃。本文分析运行ＴＳＲ存在的问题，并提出了解决的方法。参２。     

股改对中国股市的影响——基于市盈率模型实证分析

针对我国股票市场发展中的股权分置改革,建立了市盈率模型,运用市盈率和上证指数的关系作线性回归分析,预测近几年市盈率的发展趋势,得出了上证指数的波动范围。     

A New Criterion for Stability of Large-Scale Systems with Delay

1. INTanDUCTIONIn recent years, a number of research efforts have been made on stability analysis ed design for large-scaletime--delay systems. Hmamed [1] adopted a generalized linear system model and solxred the complex LyaPu-novequation to obtain the main results. Mori, et al.[2I worked ont a stability criterion for large--scale systemswith time delays by using comparison methods and M--matrix properties. Suh and Bien [3l and Lewis andAnderson [4] deve1oped some stability criteria for…     

具有时变时滞大系统的新的稳定性条件

应用矩阵的相似变换原理和矩阵指数特性,通过估计微分方程的解,导出了一类具有时变时滞的大系统的时滞无关稳定性条件.其结论仅需时滞具有正数界,克服了已有文献结论中的对时滞的苛刻的约束条件,并给出了一个数值实例,实例仿真结果表明,所得结果优于现有文献的结果.参10.     

电阻炉温度自校正控制

本文介绍了一个采用自校正调节器(STR)的炉温控制系统,自校正控制集参数在线辨识和调节器设计于一体,较之于常规的PID调节方法,其控制性能(跟随性能和抗扰性能)有明显的改善,尤其可以克服时变参数对系统的影响,须知:电阻炉是一个具有时变、纯滞后和大惯性的对象,实验结果表明:采用自校正控制(STR)其控制效果优于PID控制,本文将介绍系统的控制原理,系统硬件和软件的结构。图5,参3。     

计算机控制系统的软件抗干扰技术

计算机控制系统的可靠性不仅与系统硬件有关,而且与系统软件抗干扰性能有关．通过设计软件的8种抗干扰程序,能有效地提高计算机控制系统的可靠性．图1,参4     

混沌系统的RBF网络补偿控制方法研究

针对混沌系统由线性和非线性两部分构成的特点,提出径向基函数网络(RBFNs)补偿控制非线性混沌运动的方法,用训练好的RBF网络消除混沌系统非线性因素影响,将原系统变成近似线性系统,再利用设计好的线性状态反馈控制器将混沌系统镇定到希望平衡位置.在理论分析的基础上,通过典型的连续时间混沌系统(Holmes非线性振子)进行计算机仿真实验,结果表明,所提出方法具备有效性.图4,参12.     

基于观测器的线性系统鲁棒故障检测器设计

系统地研究了线性系统鲁棒故障检测器的原理和设计方法 ,确定了使线性系统鲁棒故障检测器能够降维所必需的故障检测器的数目 ,并依此提出了一种基于观测器的鲁棒故障检测器的设计方法 ,并将此结果应用于双闭环直流调速系统的故障诊断 ,表明了该方法是行之有效的 .图 2 ,参 6     

采用非固定多段映射罚函数的非线性约束优化差分进化算法

采用非固定多段映射罚函数法处理问题的约束条件,提出了一种用改进差分进化算法求解非线性约束优化问题的新方法.结合差分进化算法两种不同变异方式的特点,引入模拟退火策略,使算法在搜索的初始阶段有较强的全局搜索能力,而在后阶段有较强的局部搜索能力,以提高算法的全局收敛性和收敛速率.用几个典型Benchmarks函数进行了测试,实验结果表明,该方法全局搜索能力强,鲁棒性好,精度高,收敛速度快,是一种求解非线性约束优化问题的有效方法.     

简化模糊推论模型与多层构造模糊推论模型的对比研究

能够直接输出非模糊值的简化模糊推论已被广泛应用于控制系统.随着条件部成员函数个数的增加,这种模糊推论模型能够获得较高的输出精度.但是,对于采用从现实环境下获取的示教数据进行模型学习的情况,简化模糊推论模型有时难以获得很高的辨识精度.本文采用现实环境下的两种典型的示教数据,对单层构造的模糊推论模型和多层构造的模糊推论模型进行辨识.实验结果表明,多层构造的模糊推论模型比单层构造的模糊推论模型具有更高的辨识精度和对示教数据的适应能力.图7,表4,参16.