基于带偏差CARMA模型的广义预测控制算法

考虑 CARMA 模型A(q~(-1))y(t)=B(q~(-1))u(t-1)+C(q~(-1))e(t)+d, (1)其中y(t),u(t),e(t)分别为系统(1)在 t 时刻的输出,输入和随机干扰.d 为系统稳态时的偏差,一般不为零.则有基于 t 时刻的 j 步向前预报为(?)(t+j|t)=H_j,U′(t+j-1)+(F_j/p_d)y′(t)+d_j′d. (2)若 T(z~(-1))=C(z~(-1)),该预报是最优的.     

确定方程sum from k=0 to N (a_ky(n-k))=x(n)u(n)齐次解系数的方法研究

本文证明形如sum from k=0 to N(a_ky(n—k))=x(n)u(n)的常系数线性差分方程,若已知y(—1),y(—2),…y(—N),可直接用这N个边界条件确定齐次解中的待定系数。不必迭代出y(0),y(1),…y(N—1)。说明该结论对于差分方程sum from k=0 to N(a_ky(n—k))=sum from r=0 to N(b_rx(n—r)u(n—r))的应用。     

分子轨道理论中的一些能量关系

分子轨道理论中,体系的总能量既可写成 E=2 sum from i to nε_1-sum from i to n sum from j to n(2J_(ij)-K_(ij))+sum from A相似文献   

介于欧拉和雅可比的一个结论

设Q(q)=multiply from n=1 to ∞((1-q~n)(|q|<1))欧拉的五边形数定理为 Q(q)=sum from n=0 to ∞((-1)~nq~(n(3n+1))/2)(1-q~(2n+1))雅可比得到Q(q)~3=sum from n=0 to ∞((-1)~n(2n+1)q~(n+1)/2)本文得到Q(q)~2=sum from n=0 to ∞((-1)~nq~(n(n+1)/2)(1-q~(2n+2))p_n(q))其中p_n~h(q)=sum from r=0 to n(q~r(n-r)) 证明:由[1;p.36,eq.(3.3.6)] sum from j=0 to N((Q)_v/(q)_1(q)_(n-j)(-1)~iZ~iq~(j(j-1)/2))=(z)_N. (1)及[1;p.19,Cor.2.3.α=b=0,i=q,c=q~(2r+1)]     

一类一阶非线性偏差变元微分方程的振动性

本文讨论了一阶非线性偏差变元微分方程 X′(t)+sum from i=1 to n Pi(t)X~(α~1) (t-τ_i(t))=0 (1) 的解的振动性,推广和改进了文〔1〕的主要结果     

二阶拟线性常微分方程组边值问题的奇摄动

本文研究二阶拟线性常微分方程组边值问题εy″+A(t,y,ε)y′十g(t,y,ε)=0y(0,ε)=α(ε),y(1,ε)=β(ε)其中ε>0是小参数,y,g,α,β是n维向量函数,A是n×n矩阵函数。假设退化问题A(t,y,0)y′+g(t,y,0)=0,y(1)=β(0)有解y_0(t),则加上一些其他条件后,便可推知当ε>0充分小时,存在摄动问题的解y(t,ε),它和它的导函数可表为y(t,ε)=sum from i=0 to m(y_i(t)ε~i十O(ε~(m+1))+O(e~(-μi/ε))y′(t,ε)=sum from i=0 to m(y_i′(t)ε~i十O(ε~(m+1))+O(ε~(-1)e~(-μi/ε))其中y_1(t),…,y_m(t)可依次由具有递推形式的一阶常微分方程组的终值问题解出。     

关于富理埃級数及其导級数的(L)求和

設L可积函数f(x)的富理埃級数是 (x)～α_0/2+sum from n=1 to ∞(α_n cos nx+b_n sin nx)=sum from n=0 to ∞(A_n(x))其导級数是sum from n=1 to ∞(n(b_n cos nx-α_n sin nx))=sum from n=1 to ∞(nB_n(x))。又設s_n=sum from k=0 to n(u_k),当     

关于常微分方程中Liouville公式的注记

证明了n阶齐次线性微分方程(dnx)/(dtn)+a1(t)(dn-1x)/(dtn-1)+…+an-1(t)dx/dt+an(t)x=0的Liouville公式W′(t)=W(t0)e-∫tt0a1(s)ds是一阶齐次线性微分方程组x′=A(t)x所对应的Liouville公式W′(t)=W(t0)e-integral from a=1 to t sum from i=1 to n aii(s)ds的特殊情形。     

对数线性Gamma分布模型极大似然估计的渐近正态性

在(sum (Z_iZ_i′) from i=1 to n)-1→0且Z_n′(sum (Z_iZ_i′) from i=1 to n)-1 Z_n→0等条件下证明了联系函数是对数函数Gamma分布模型回归参数极大似然估计的渐近正态性,其中Zi,i=1,2,…,n,是协变量.     

多调和算子组的谱估计

设Ω是R~m(m≥2)中一个有界区域,考虑多调和算子组的特征值问题AΛ(△)u~T=λu~T,x∈Ωu~k=(?)u~k/(?)n=…=(?)~(k-1)u~k/(?)n~(k-1)=0,x∈(?)Ω,k=1,2,…,N其中,u=(u~1,u~2,…,u~N),n是(?)Ω的单位外法向量。将特征值按增加的顺序排列为0<λ_1≤λ_2≤…≤λ_n≤…则成立如下不等式λ_(n 1)≤λ_n 4/m~2n~2(sum from i=1 to n sum from h=1 to N λ_i~(1/k))(sum from i=1 to n sum from k=1 to N k(2k m-2)λ_i~(1-1/k)) sum from i=1 to n sum from k=1 to N λ_i~(1/k)/λ_(n 1)-λ_i≥m~2n~2/(sum from i=1 to n sum from k=1 to N 4k(2k m-2)λ_i~(1-1/k))     

高阶线性差分方程解的新表达式(简报)

Popenda J 导出二阶线性差分方程解的表达式的方法(见文[1])显然很难用于研究更高阶的差分方程,本文从另一途径,获得了如下定理设 a_i(t),r(t)∶N={t∶t≥0,t 是整数}→R,(i=0,1,2,……,n-1),则差分方程x(t+n)+sum from i=0 to n-1 ci (t)x(t+i)=r(t),t∈N (1)的解可表为向量(multiply from t1=1 to t-1 C(t1))X(1)+sum from t1=1 to t-1[multiply from t2=t1+1 to t-1 (C(t2)+E)]Q(t1),t∈N (2)     

线性最小二乘拟合问题的一个算法

一、引言 设给定x_i i=1,2…m,x_i∈[a,b]及此m个点上数据资料f_i i=1,2,…,m,寻求一函数φ(x)=sum from j=1 to n (α_jφ_j(x)),使sum from i=1 to m(ω(x_i)r_i~2)=sum from i=1 to m(ω(x_i))(f_i-(x)=sum from j=1 to n (α_jφ_j(x_i))~2达到最小,此即是带权ω(x)的线性最小二乘问题,其中ω(x)在[a,b]上定义,α_j是拟合系数,n是拟合阶数。     

2n阶非线性时滞微分方程解的振动性与渐近性

本文证明了方程y~(2n)-sum from i-1 to mpi(l)f_i(g_i(l))=r(l)在条件: lim/ sum from i-1 to m Li integral from (t) to t (g_i(l)-g_i(s)) gi~(2n-2)(S)/(2n-1)! pi(s)ds>1 下,其有界解是振动的,或y →0 k=0, 1, 2, …, 2n-1     

一类带有两个参数变号四阶多点边值问题的正解

应用拓扑度理论及下解的方法,讨论了以下带有两个参数的四阶多点边值问题u(4)(t)+βu′′(t)-αu(t)=μh(t)f(t,u(t),u′′(t)),0相似文献   

一类耗散方程混合问题解的爆破

本文讨论耗散方程的混合问题{u-(tt)-△u-μ△u_t=H(▽u,D▽u) (t,x)∈(0,T)×Ωu(0,x)=f(x),u_t(0,x)=g(x) ■通过适当的函数变换,运用凸性方法证明了当H(▽u,D▽u)≥ρu_t~2+q sum from i=1 to n u_(x_1)~2++μ(?)u_t sum from i=1 to n u_(x_i)~2+u(q-2)sum from i=1 to m u_(x_1)u_(tx_1)(这里ρ>0,q>0)及integral from Ωe~(qf(x))g(x)dx>0时,所考虑混合问题的光滑解在有限时间内爆破.     

线性抛物型时滞微分方程组解的振动性定理

本文研究线性抛物型时滞微分方程组(δU_i)/(δt)+∑sum from j=1 to m P_(ij)(x,t)U_i(x,t-τ(t))=a_i(t)ΔU_i+∑sum from j=1 to m_1 a_(ij)(t)ΔU_i(x,t-δ_j),i=1,2,…,m (1)解的振动性,其中(x,t)∈Ω×(0,∞),ΩR~n 是具有逐片光滑的边界的有界区域,U_i=U_i(x,t),ΔU_i=∑sum from j=1 to n (δ~2U_i(x,t))/(δ)x_j~2),获得了方程组(1)的所有解振动的充分条件,同时给出了应用这些充分条件的例子。     

矩阵级数求和公式及矩阵单调序列的收敛性

文中给出矩阵级数求和公式:sum from k=0 to ∞(C_k(A-αE))=Pdiag{f(λ_1),……,f(λ_n)}P~(-1)或sum from k=-∞ to ∞(C_k(A-αE))=Pdiag{f(λ_1),……,f(λ_n)}P~(-1)此处C_k(k=0,±1,……)和α是复数,A是n阶矩阵,E是单位阵,而P是满足下列条件的矩阵:P~(-1)AP=diag{λ.,……,λ_n}λ_i∈D(i=1,2……,n),D是Talo级数f(Z)=sum from k=0 to ∞(C_k(Z-α)~k)或Laurent级数f(Z)=sum from k=-∞ to ∞(C_k(Z-α)~k)的收敛域.同时,我们证明了有介单调的矩阵序列收敛,而且按照任何矩阵范数,上述矩阵序列也是收敛的.     

U_q(Sp(2n))-模同构R=Θ~○■~○P中Θ的简化(英文)

给出了Uq(Sp(2n))-模同构R=Θ~○■~○P中Θ的一个简化表达式Θ′,即Θ′=11 +sum from (ht(μ)≥2μ≠τ(μ))(q~(-1)-q)Fμ E_(τ(μ))+sum from ht(μ)≥1(-1)~(ht(μ))(1 -q~(-2))q_μF_μ E_μ+sum from μ=τ(μ)μ≥α_1(q~(-2)-1)(1 +q_μ)F_μE_μ.     

满亏量的Shah猜想

文[1]证明了亏量为1的 Shah 猜想.林群,戴崇基将亏值改为亏函数得到:定理A 设 f(x)是下级μ有限的整函数,α_i(z)(i=1,2…n,n<∞)为满足 T(r,α_i(z))=o(T(r,f))的整函数,如果 sum from i=1 to n δ(α_i(z),f)=1,则 (?)[T(r,f)/lo gM(r,f)]=1/π.本文在 f(z)是下级μ有限的亚纯函数的条件下推广了相应的结果.     

关于Euler函数φ(n)的一个均值估计

本文用解析方法得到了均值估计sum from n≥3 to n≤x 1/logφ(n)=x sum from j=1 to a-a_j/log~jx O(x/log~(a 1)x)其中φ(n)是Euler函数,a为任意自然数,a_1=1,a_2=1-sum from p 1/plog(1-1/p),一般地 a_j=(-1)~(j-1)E~(j-1)(t)|t=0这里 E(t)=1/(t 1) multiply from p(1-1/p)(1 1/p(1-1/p)~(t-1))