可再生资源可持续发展的动力学模型分析

以《资源—经济可持续发展的最优经济发展模型》中模型的动态方程为基础,重点研究资源的恢复性投资对可再生资源的可持续利用的影响,应用非线性动力学方法研究了系统正不动点的存在性、局部稳定性,然后用数值模拟的方法验证了正不动点的局部稳定性,最后应用全局分析方法给出了维持资源可再生能力的当前资源存量范围(可行吸引域)。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

联想记忆模型在系统工程中的应用

本文提出了一种实数值联想记忆模型, 可以处理实数值的训练模式, 并能确保训练模式的稳定性。对于记忆离散双值模式, 该模型相当于一个高阶神经元网络, 并指出Hopfield模型只是它的特例。本文并将该模型应用于多属性目标决策和等级划分中, 其结果令人满意。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

基于BP神经网络的上市公司财务预警模型

为了进行企业财务危机预警方法精度的比较研究,采用BP人工神经网络工具,以120家上市公司的截面财务指标作为建模样本,并使用同期60家公司作为检验样本建立了财务危机预警模型.经过对样本的反复训练和学习,分别取得了建模样本90.8%和检验样本90%的判正率.与我们采用主成分分析法建立的模型对同一建模样本和检验样本的预测精度分别是90%和81.7%相比有很大的提高.研究结果表明:BP神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用范围和较高的推广价值.     

政府影响下某先进制造模式的竞争与扩散模型

为了揭示先进制造模式的扩散规律,为企业决策及政府调控提供依据,研究了一类先进制造模式的竞争与扩散行为.讨论了先进制造模式扩散的特点和扩散机制,建立了先进制造模式扩散的非线性模型;并对扩散模型的稳定性进行分析,给出定性分析的结果;最后以计算机集成制造(CIM)的扩散为例,应用Matlab 6.5对模型进行了仿真,结果与定性分析相符合,验证了模型的正确性.     

不同理性预期下Stackelberg模型的动态复杂性

构建双寡头参与人分别采取有限理性和天真理性预期的Stackelberg博弈模型,研究市场均衡的稳定性条件及动态复杂性特征.通过理论求解和数值模拟得出结论:参与人在不完全信息和不同理性情况下,Stackelberg模型的参数取值范围决定了动态系统的稳定性、产量分岔、利润分岔、奇怪吸引子、吸引子维数和混沌等;如果参数取值满足一定条件,静态Stackelberg推测变差均衡能够实现;否则,Stackelberg推测变差均衡不稳定,非线性动态经济系统可能会出现周期变化或混沌的现象.     

基于Backstepping方法的液压主动悬挂最优控制及仿真

建立了充分考虑液压装置动力学特性的1/4车辆非线性主动悬挂模型,并提出线性二次型指标下最优控制与非线性Backstepping技术相结合的内外环控制设计策略。仿真结果表明,运用所设计的控制器,车辆能够在变化的地形条件下满足操作稳定性,同时能够有效的改善乘坐舒适性。     

基于非线性内电位构造函数的抗伪状态联想记忆

针对传统Hopfield神经网络在联想记忆中存在的大量伪状态,设计出一种以非线性内电位函数构造为核心的抗伪状态方案,以取代传统的Hebb规则及其外积法,建立了一种抗伪状态的联想记忆网络(ASS-SSNN),并通过吸引域的变化研究抗伪状态方案的正确性和有效性.仿真结果表明:ASS-SSNN比采用传统Hebb规则及其外积法的Hopfield联想记忆网络(HNN)在容错性上更优,记忆状态的吸引域明显增大,存储容量也有所增加.     

高阶非线性控制系统的适应性仿真研究

针对带有外部扰动和参数摄动的不确定高阶非线性系统,利用积分行为补偿系统的各种未知因素,设计适应性非线性控制器(ANLC),并提出了全面的控制器适应性评价方法。首先结合典型信号扰动试验和模型参数摄动试验,检验系统的抗扰性和鲁棒稳定性;然后引入神经网络和Taylor级数展开理论构造非线性函数,改变高阶非线性系统的模型结构,利用Monte-Carlo随机试验方法,进行模型摄动的性能鲁棒性分析;并与精确反馈线性化(EFL)方法进行了定量比较。结果表明,适应性非线性控制器(ANLC)具有很强的适应性能,是解决不确定高阶非线性系统控制的有效途径。     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

Existence and Global Exponential Stability of Pseudo Almost Periodic Solutions of a General Delayed BAM Neural Networks

This paper studies a class of general BAM neural networks with multiple delays. Employing the exponential dichotomy theory and fixed point method, together with constructing suitable Lyapunov functionals, easily verifiable delay-independent criteria are established to ensure the existence and global exponential stability of pseudo almost periodic solutions, which not only generalize but also complement some existing ones. These theoretical results are also supported with numerical simulations.     

Global Asymptotic Synchronization of a Class of BAM Neural Networks with Time Delays via Integrating Inequality Techniques

In this paper, the authors are concerned with global asymptotic synchronization for a class of BAM neural networks with time delays. Instead of using Lyapunov functional method, LMI method and matrix measure method which are recently widely applied to investigating global exponential/asymptotic synchronization for neural networks, two novel sufficient conditions on global asymptotic synchronization of above BAM neural networks are established by using a kind of new study method of global synchronization: Integrating inequality techniques. The method and results extend the study of global synchronization of neural networks.     

带有增强和变换因子的三层结构双向联想记忆神经网络

提出了一种带有增强和变换因子的三层结构的双向联想记忆神经网络。介绍了增强和变换因子的巧妙选取方法,此方法可使网络很好地适用于相关度很高的样本。但是网络容量的增加往往伴随着寄生稳态点的增加,为避免这种情况,在网络中引入三层结构,这种新的双向联想记忆神经网络能够确保任意相关的样本达到完美的双向联想记忆。仿真实验证明了该方法的优越性。     

基于神经网络的机器人阻抗控制研究

基于神经网络非线性补偿器原理,本文提出了一种机器人新型顺应控制方案,外力信号通过一个二阶阻抗模型来修正期望输入,神经网络非线性补偿器用于补偿机器人有界干扰和未建模动态,提出了机器人模型学习方案,仿真结果证明了学习过程的有效性以及顺应控制的渐近稳定性。     

正交复合材料层板的微损伤建模研究

复合材料基体横向开裂和分层损伤是正交层板的主要损伤类型,在由横向基体开裂而诱发的分层损伤对材料刚度衰减影响的研究中,考虑分层影响和模型计算精度先前模型两者难以兼顾.基于剪切滞后分析理论和完全抛物线模型构建方法,建立了修正的包含分层损伤的完全抛物线剪切滞后模型,并依此模型研究了应力与横向裂纹密度的关系,对材料刚度衰减进行了预测计算,并与其它几种模型进行了比较,结果表明,所建模型所得的预测结果与实验值符合得最好.     

连续催化重整装置辛烷值软测量研究

研究连续催化重整生产过程中重整产品辛烷值软测量问题.首先结合工艺机理分析,找出影响辛烷值的主要参数,确定为辅助变量,建立起基于BP神经网络的辛烷值软测量模型.其次再采用PLS-BP算法改进模型结构,建立起基于PLS-BP神经网络的辛烷值软测量模型,可以看出PLS-BP所建模型结构相对简单,更适用于实际过程.最后对模型校正后在现场使用,结果表明测量结果令人满意.     

DEA方法的效率悖论与数据短尾现象

通过实例分析发现许多重要DEA模型给出的评价结果都可能存在效率悖论,即随着评价标准的提高,一个决策单元的效率值反而会增大.为了探究DEA效率悖论产生的原因及解决办法,首先通过实例证明一些最重要DEA模型(包括CCR模型、BCC模型、FG模型、ST模型)给出的评价结果均可能存在效率悖论.然后,从理论上解释了DEA效率悖论产生的根源在于决策单元数据的短尾现象,并给出了判定存在数据短尾现象的方法.同时,给出了一种修正的DEA模型,该模型不仅可以克服DEA效率悖论的出现,而且还能有效提高DEA方法对效率测算的准确性.最后,应用2000-2014年的中国省级经济数据对相关模型进行了比较研究.     

基于改进SMOG模型的目标跟踪算法

空间颜色混合高斯模型(SMOG)是一种优于经典颜色直方图的目标颜色表示模型.然而,SMOG模型初始化时不可避免的会引入背景象素,且极有可能被误选为一个有效的目标分布,严重影响后续的相似性度量,且各目标分布鉴别性能的发挥会受到自身权重的严重制约,当背景中出现与目标颜色相似的干扰物体时,算法的跟踪准确性仍会有所降低.针对这些不足,提出了-种改进的SMOG模型,通过衡量背景与目标分布在空间颜色域上的联合距离来剔除误引入的背景分布,同时将联合距离作为目标分布鉴别能力高低的一种度量,引人到相似性度量函数中,并在跟踪过程中根据局部背景的变化动态的进行更新,充分根据每个高斯分布的鉴别性能调整其匹配权重.实验证明,改进后的SMOG模型能有效提高目标跟踪的鲁棒性.     

导弹末敏弹控制系统的设计与仿真

通过研究导弹末敏弹的控制过程,设计了控制系统的硬件部分,重点建立了导弹的控制系统模型,并利用MATLAB对导弹控制系统进行了校正和仿真,获得了相应的校正参数,仿真结果证明所设计的控制系统合乎技术和设计性能要求。