集值随机过程的均方导数

为了研究集值随机过程的微积分理论，利用有界闭凸集合弱收敛的性质和集合“开”的概念，给出了有界闭凸集值随机过程的均方导数的定义，建立了均方导数的若干性质，并讨论了集值随机过程均方可导与均方连续的关系。     

集值随机过程的均方Riemann-Stieljes积分

集值随机过程的积分理论是随机过程理论的一个新分支。利用随机集的位似及集值随机过程的均方收敛理论，创造性的定义了集值随机过程的均方Riemann-Stieljes积分，随后证明了均方Riemann-Stiel-jes积分存在性的判定定理，最后给出了分部积分计算公式，为今后进一步研究集值随机过程的微积分奠定了良好的理论基础。     

集值随机过程的Newton-Leibniz公式

为了研究集值随机过程的微积分理论，首先介绍了有界闭凸集值随机过程强(弱)均方积分、强(弱)均方导数的定义，然后利用支撑函数与Hausdorff度量的性质，讨论了均方可导与均方可积之间的关系；以此为基础，分别证明了集值随机过程强、弱均方积分的Newton—Leibniz公式。最后给出了集值随机过程Newton-Leibniz公式的应用实例，为进一步研究集值随机微分方程奠定了良好的理论基础。     

实值可料过程关于集值Wiener过程的伊藤积分

为研究实值可料过程关于可积有界紧凸集值Wiener过程的伊藤积分,先从简单实值可料过程入手,以支撑函数为工具,给出相关定义及性质。然后借助于简单过程构造出一般过程的轨道,把结论推广到一般实值可料过程,给出其关于可积有界紧凸集值Wiener过程的伊藤积分的定义及性质。     

关于有界闭凸集值平方可积鞅的随机积分

研究了简单实值可料过程关于有界闭凸集值平方可积鞅的随机积分,证明了它是一个集值平方可积鞅;然后将被积函数推广为一般实可料过程,证明了在一定假设条件下其随机积分是存在的,且是一个集值平方可积鞅。     

模糊随机过程的均方Henstock积分

定义了一类模糊随机过程的均方Henstock积分，对这类积分的唯一性、区间可加性等基本性质进行了研究．讨论了两个几乎处处相等的二阶模糊随机过程的均方Henstoek积分的关系、     

二阶模糊随机过程均方Henstock-Stieltjes积分的收敛定理

利用二阶模糊随机过程均方Henstock-Stieltjes积分的定义和性质,讨论了两类二阶模糊随机过程均方Henstock-Stieltjes积分的收敛定理,即二阶模糊随机过程序列关于增实函数收敛定理(p)1im(n→∞)∫ba Xn(t)dg(t)=∫baX(t)dg(t)和均方连续二阶模糊随机过程关于实值单调非减...     

集值序增函数的集值Riemann—Stieltjes积分的相关性质

利用文献[2]实值非负函数关于集值序增函数的集值Riemann—Stieltjes积分的定义,进一步深入讨论了集值Riemann—Stiehjes积分的相关性质,这些结论对集值序增函数的进一步研究将起到很重要的作用．     

二阶模糊随机过程均方Henstock-Stieltjes积分的相关性质

研究了二阶模糊随机过程均方Henstock-Stieltjes积分的基本性质,给出了二阶模糊随机过程在上均方Henstock-Stieltjes积分的近似计算,证明了均方Henstock-Stieltjes积分原函数的均方连续性.这些结论对研究模糊随机过程积分和微分方程的理论将起到很重要的作用.     

关于模糊集值随机积分的一种新定义及相关性质

利用集值随机积分定义和水平截集方法,给出了模糊集值随机积分的一种新定义,并研究了模糊集值随机积分的鞅性和可加性．     

集值马尔可夫过程的等价命题

集值马尔可夫过程在集值随机过程理论中是非常重要的，但到目前为止，有关集值马尔可夫过程的研究成果还不多见，就连它的定义，至今还没有统一的处理。从集值马尔可夫过程的最简单定义出发，证明了它的一系列定义的等价性，从而对这类过程的本质有较为完整的认识。     

二阶矩过程黎曼均方可积的充要条件

本文引进二重弱R积分,给出二阶矩过程R均方可积的充要条件,并讨论了这一充要条件对证明二阶矩过程R均方积分的性质所具有的意义.     

线性拓扑空间中的凸闭模糊集的等价条件

引入线性拓扑空间中的凸闭模糊集概念，得到闭模糊集是凸模糊集的充分必要条件。     

有界闭模糊复数集的几个性质

在分析模糊复数概念的基础上，进一步讨论了有界闭模糊复数所成集的性质，得到了两个新的结论，为模糊复数理论的研究工作奠定了一定的基础．     

一种非线性鲁棒均值预测控制器

提出了一种有界随机动态控制系统输出均值的非线性鳍棒预测控制器。在采用B－样条神经网络的平方根模型表示随机动态系统的输出概率密度函数基础上，输出分布的均值控制转换成一个非线性优化问题。为了解决这一问题，采用了L－M修正梯度搜索方法，得到预测控制器。基于Lyapunov稳定分析，得到了闭环渐近稳定的充分条件和考虑系统建模误差时的鲁棒稳定充分条件。仿真例子表明此算法正确，并获得了很好的结果。