连续参数集值下鞅的收敛定理

首先给出了连续参数集值下鞅的定义．继而证明了连续参数集值下鞅的三个等价定理：（ａ）Ｌ１ｗｋｃ（Ｘ）值下鞅等价于任给τ１＜τ２,τ１,τ２∈Ｔ,∫ΩＦτ１ｄＰ∫ΩＦτ２ｄＰ;（ｂ）Ｌ１ｆｃ（Ｘ）值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ｓ１Ｆｓ（Ｆｓ）ｃｌ｛Ｅ（ｇ｜Ｆｓ）,ｇ∈Ｓ１Ｆｔ（Ｆｔ）｝;（ｃ）Ｘ可分时,闭凸集值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ａ∈Ｆｓ,ｃｌ∫ＡＦｓｄＰｃｌ∫ＡＦｔｄＰ．最后给出了弱紧凸集值随机集族的弱收敛定理和Ｘ有ＲＮＰ,Ｘ可分时闭凸集值右连续下鞅的弱收敛定理．     

连续参数集值下鞅的Doob-Meyer分解定理

给出了两个定理和两个推论,定理1为：若X^*可分为,y包含f为σ域,则F：Ω→Pfc(X)为y可测的充要条件为倒AX^*∈X^*,ω→（X^*,F(ω）为y可测的,定理2给出了连续参数值下鞅存在唯一的Doob-Meyer分解的充要条件。     

弱集值渐近鞅的收敛定理

为了得到关于弱集值渐近鞅的收敛性质,首先证明了支撑数列的极限亦为一支撑函数,利用支撑函数的性质以及 值鞅的Doob停止定理,证明得到了两个结论：（1）在一定条件下,弱值值渐近鞅存在无限逼近的闭凸集值鞅;（2）在弱收敛意义下,弱值值渐近鞅收敛的两个等价条件。     

连续参数集值序上鞅及其表示定理

利用有关文献中超空间Ｐｂｆｃ（Ｘ）上一种新的半序给出了连续参数集值序上鞅概念,它是连续参数单点值上鞅的集值版本,并利用离散参数集值序上鞅的结果得到了连续参数集值序上鞅的表示定理     

连续参数集值鞅的充要条件及鞅选择定理

给出了连续参数集值鞅的几个充要条件，并给出了连续参数集值鞅的鞅选择定理及表示定理．     

集值下鞅的收敛性与Riesz分解

假定（X,·）为可分的Banach空间, X^*为其对偶空间, X^*可分. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B_n的上升子σ域族, 且B=∨B_n, 首先研究了支撑函数的几个性质, 利用支撑函数及实值鞅（上鞅、 下鞅）的收敛定理与Riesz分解定理, 证明了集值下鞅在弱收敛意义下的收敛定理, 在此基础上, 给出集值下鞅可Riesz分 解的一个充要条件.     

连续参数集值上鞅的收敛性

离散参数集值上鞅的收敛性已有诸多学者研究过。Hess．C．给出了无界集值上鞅在Kuratowski-Mosoo收敛意义下的收敛定理，笔者曾得到了在Kuratowski收敛意义下的类似结果，但对连续参数集值上鞅收敛性研究尚不多见。文中在给出连续参数集值上鞅在Kuratowski收敛意义下的收敛定理。     

连续参数集值鞅正则与收敛关系定理

给出了连续参数集值鞅的几种收敛定义．利用连续参数集值鞅正则性与收敛性的基本结果，给出了连续参数集值正则鞅与集值鞅收敛的几个关系定理，即在一定条件下，连续参数集值正则鞅具有某种收敛性；在一定条件下，具有某种收敛性的连续参数集值鞅是集值正则鞅．     

偏序指标集值(下)鞅的可选抽样定理

本文给出一类偏序指标的集值鞅和下鞅的可选抽样定理．     

连续参数复值鞅的性质

引进连续参数复值鞅 ,并讨论其性质。     

超空间上集值映射的弱δ-连续性

文章在超空间上引入了弱δ-连续集值映射等概念,以拓扑空间上的正则开（闭）集,θ-开（闭）集和δ-开（闭）集为基础得到了这种集值映射的几个等价关系,并给出了子集网的应用.     

关于集值映射连续性的两个引理

给出了关于集值映射连续性的两个引理．     

集值向量均衡问题近似解映射的连续性

研究局部凸Hausdorff拓扑向量空间中扰动下的集值向量均衡问题的原问题和对偶问题.建立原问题和对偶问题近似解映射的Hausdorff上半连续性和Hausdorff下半连续性的充分条件,改进和推广Anh等的研究结果.     

论连续函数的一致连续性

给出了在不同区间具有不同性质的连续函数的一致连续的充分条件或充要条件.     

带有向量参数的参数线性规划解的连续性

本文证明了参数线性规划 P(λ,μ,θ):min{c~T(λ)x|A(μ)x=b(θ),x≥0}当μ,λ不出现,b(θ)=b_1+F_θ,b_1∈R~m,F 是 m×t 矩阵,θ∈R~t 时,最优顶点集 VS(θ)是下半连续的,还给出了当μ,θ不出现,c(λ)=c_1+H_λ,c_1∈R~n,H 为 n×r 矩阵,λ∈R~r 时,最优顶点集 VS(λ)下半连续的充分必要条件。     

带有向量参数的参数线性规划解的连续性

本文证明了参数线性规划P(λ,μ,θ):min{c~T(λ)x|A(μ)x=b(θ),x≥0}当μ,λ不出现,b(θ)=b_1+Fθ,b_1∈R~m,F是m×t矩阵,θ∈R~t时,最优顶点集VS(θ)是下半连续的,还给出了当μ,θ不出现,c(λ)=c_1+Hλ,c_1∈R~n,H为n×r矩阵,λ∈R~r时,最优顶点集VS(λ)下半连续的充分必要条件.     

基于最优激励轨迹的RRR机械臂动力学参数辨识

机器人动力学参数的精确辨识是对机器人进行精确控制的前提,参数辨识的精度与所采用的标定轨迹直接相关.以RRR机械臂为研究对象,建立该机械臂的动力学模型.在动力学参数辨识时,选择有穷傅里叶级数做为最优激励轨迹的表达式,通过最小化退化矩阵的条件数来获得最优激励轨迹中的参数,同时把各关节位置、速度和加速度的物理约束与激励轨迹结合起来,使获得的最优激励轨迹在物理意义上是可行的.通过在激励轨迹中指定频率范围来避免激励机器人的柔性特性,利用最小二乘法来辨识动力学参数.最后仿真验证了该辨识方法的有效性.