多时变时滞细胞神经网络的全局指数稳定性

针对一类多时变时滞细胞神经网络,利用Young不等式和Halanay不等式技术,给出了保证平衡点惟一性和全局指数稳定性的几个充分判据.所得到的全局指数稳定判据完全独立于时滞,不要求时变时滞的可微性和神经元激励函数的严格单调性,且通过几个注释说明本文的结果改进和扩展了现有一些文献中的结果.仿真例子证明了本文结果的有效性.     

高等代数教学中结构化思想的培养

结构化思想是高等代数学习中的一个重要数学思想,其理论具有高度的抽象性,是大一学生在学习高等代数时的一个难点和重点,结构化思想的掌握直接影响数学专业其它后继课程的学习.因此,在教学中注重讲授结构化思想的同时,培养学生用结构化思想解题更为重要.以研究生入学考试中的一道题的证法为例,阐述在解题中如何正确理解和掌握结构化思想方法.     

新的时变时滞不确定系统的稳定性判据

研究带有时变有界的不稳定时滞系统的稳定性问题。通过运用Lyapunov-Krasovskii稳定性理论、合理建立Lyapunov-Krasovskii函数,结合积分不等式引理和交互式凸组合方法,减少不确定时变时滞系统相关判据的决策变量,给出了系统是渐近稳定的充分条件。所得结论采用线性矩阵不等式表示。数值例子验证了该方法的有效性。     

不确定广义系统鲁棒容错控制

针对一类不确定性广义系统,运用线性矩阵不等式方法,给出了一种鲁棒容错控制器设计方法。利用该方法设计的闭环系统,对执行器发生故障具有完整性,而且对所有的容许的参数不确定性具有鲁棒性。最后用一个数值例子验证了该设计方法的有效性。     

海量数据下的Web分页呈现研究

在Internet上经常遇到海量数据库分页呈现问题,针对ADO(AxtiveX Data Object)记录集分页、转储记录集分页和基于SQL(Structured Query Language)分页等算法在海量数据下存在响应速度慢、响应能力弱、资源占用多等缺陷,在分析这些方法的基础上,提出了一种改进的方法.该方法在传统的C/S(Client/Server)结构中将Server端的海量数据以分页的方式在Client端Web呈现给用户,然后,对所有的方法进行测试和分析,通过对比表明,新算法的响应速度最大可提高21.4%,响应能力比其他算法提高1.3～4倍,在大数据量下尤其明显.     

水驱油藏高含水期渗透率的动态分布计算模型及应用

通过对胜利油区整装油田河流相沉积单元相对渗透率曲线的回归分析,建立相对渗透率曲线特征参数随渗透率变化的计算公式;考虑渗透率、相对渗透率曲线的变化,建立考虑储层参数时变特征的油藏模拟系统,并编制相应的计算程序;利用计算程序分析多层油藏合采的层间渗透率动态分布规律及其对层间采出程度的影响。结果表明:综合考虑渗透率、相对渗透率曲线的时变特征,渗透率在水井附近迅速增加,并逐渐向油井方向扩展;相对高渗层的渗透率增加倍数高于低渗层的;综合含水率从80%到98%,相对高渗层的渗透率进一步增加的幅度较小,而相对低渗层的渗透率增加幅度较大;渗透率与相对渗透率曲线的时变特征使得层间采出程度差异扩大。     

具反应扩散项的变耦合时滞神经网络的鲁棒脉冲同步

运用Lyapunov方法,结合Kronecker积和Poincare不等式获得依赖于时滞和反应扩散算子的神经网络全局同步充分性判据,并且所获得的判据依赖于时滞.这些新的LMI形式的同步判据,易于用LMI工具箱进行求解,在时滞耦合神经网络的应用中具有重要的作用.此外,激活函数的扇形非线性假设可以进一步降低结论的保守性.最后,通过实例证明了结论的有效性.     

带扰动时变系统显式模型预测控制算法

针对模型预测控制滚动优化计算量大,很难用于对实时性要求比较高的工业生产过程,提出了带约束和扰动的时变系统显式模型预测控制算法。该方法利用离线与在线结合,离线时对带约束和扰动的时变系统的可行域进行区域划分,并得到每个区域对应的代价函数与控制率的显式函数关系式,在线时通过查表确定当前时刻状态所在区域即可得到相应的控制率,大大减少了在线计算量,提高了实时性。对算法进行仿真实验,证明了算法的可行性与稳定性。     

时变时滞不确定离散奇异切换系统的鲁棒H_∞滤波

研究了含参数不确定的时变时滞离散奇异切换系统的鲁棒H∞滤波问题。利用受限系统等价变换和引进新状态变量,将所讨论的奇异滤波误差系统等价转换为时滞离散标准切换系统。然后构建了一个新颖的Lya-punov—Krasovskii函数。通过对转换后的系统进行讨论,采用线性矩阵不等式形式得到了判定系统正则、因果和一致渐近稳定的充分条件,以及对所允许的不确定性满足H∞性能的滤波器设计方法。所得到的结果具有较小的保守性。最后,通过数值算例验证了本文方法的有效性。     

谐波级数表示与周期时变参数模型间关系

非线性动态系统的建模一直是控制领域的重要问题之一.针对这一问题,特别是包含滞后环节的非线性系统建模问题,提出了一种引入自适应延迟的动态BP(back propagation)学习算法.该算法在传统多层感知机神经网络结构基础上,在网络的第1隐层和输出层分别引入可调节的自适应延迟参数,通过误差梯度对其进行修正,实现了对延迟参数的辨识.仿真结果表明,所提出的方法能够有效实现对非线性滞后系统的辨识,并能够对系统的延迟时间进行准确估计.