基于神经网络的全局滑模变结构控制

针对一类非线性不确定离散时间系统,提出了一种基于神经网络趋近律的全局滑模变结构控制方法。分别用两个前馈神经网络（FNNs）自适应调整趋近律中的参数ε和δ,克服了常规变结构控制方法中需要预先设定趋近律中参数的限制。在用径向基神经网络（RBFNN）对系统进行模型估计的同时,基于平移滑平面的设计方案,实现了系统的全局鲁棒滑模控制。仿真结果表明控制系统具有良好的跟踪性能,该方案使系统一开始就处于滑平面上,消除了系统抖振,具有较强的鲁棒性。     

一类多状态时滞不确定系统的鲁棒预测控制

针对一类多状态时滞多面体不确定对象,提出了一种鲁棒预测控制算法。基于参数相关的李亚普诺夫函数,给出了系统稳定的充分条件。通过求解满足若干线性矩阵不等式条件的上界值的最优化问题,获得了约束范围内满足系统鲁棒性能的最优控制律。优化问题的可行性保证了算法的鲁棒稳定性。仿真实例证明了该算法的有效性。     

一类不确定时滞系统的滑模控制

考虑了一类同时存在状态不确定性和控制不确定性的时滞系统的滑模控制问题,通过采用李亚普诺夫方法和线性矩阵不等式(LMI)技术,给出了闭环系统渐近稳定的充分条件,而且滑模控制律和滑模面的设计可以利用线性矩阵不等式的解得到,证明了该滑模控制律能保证状态轨迹被驱动到指定的切换面上。仿真实验表明了算法的有效性。     

基于BPSO的元胞自动机准周期三行为研究

为研究一维二值元胞自动机的一类重要的群体演化行为--准周期三行为,提出了基于离散粒子群的元胞自动机演化算法,并通过使用活性元胞迭代图的平均面积为适值函数,发现了具有准周期三行为的元胞规则.与遗传算法相比,基于离散粒子群的元胞演化算法的搜索效率更高.实验还进一步表明,准周期三行为是某些元胞规则的特定行为,一定条件下与元胞自动机的初始构型关系不大.     

采矿岩体动态稳定性CA模型的建立与系统分析

运用元胞自动机的演化建模方法构建深部采矿岩体的动态稳定性演化模型.定义岩体的工作状态变化概率和岩体完整性影响系数,创建了一种实现采矿岩体的动力学仿真模型.通过数字模拟实验,分析了岩体中不同状态下的元胞相互作用的关系,得到了以离散度作为岩体动态稳定性的度量指标.     

基于Lax-Wendroff型时间离散的高精度GDO方法

将传统的GDQ方法与Lax-Wendroff型时间离散相结合,构造出一种时空同步离散的高精度守恒型差分方法.数值试验证明该方法能够很好的模拟激波、压缩波、稀疏波和接触间断等流场特性,并具有精度高、计算量小、形式简单、边界条件易于处理等优点.     

基于观测器的不确定时滞Markov跳变系统H∞控制

讨论了一类线性不确定时滞Markov跳变系统的控制问题,针对能量有界的输入噪声,设计了基于观测器的优化鲁棒H∞控制器。基于鲁棒控制理论,通过对重构的观测器系统的分析,提出了使得系统随机稳定且满足一定输入输出H∞增益的模态依赖的控制器存在条件。结合构造的Lyapunov函数和线性矩阵不等式变换,给出了H∞控制器的设计方法,并将其描述为一个优化问题。基于观测器设计的优化H∞控制器使系统具有随机稳定性,状态的跟踪性能好,抑制干扰能力强,满足所给的范数指标。仿真示例说明了设计方法的有效性。     

离散时间不完全市场下基于计价单位投资组合法的期货定价模型

在具体的离散时间不完全市场模型中给出最优增长组合的刻画后，运用计价单位投资组合法推导出期货的无套利定价模型。随后对定价模型进行实证检验，结果表明，对于实证选取的股票期货样本，该定价模型给出的预测价格能够较好地拟合样本的实际价格，且其精度较持有成本理论单因素模型的略有提高。     

非线性高阶中立型时滞偏微分方程的振动定理

给出了一类具有连续分布时滞的非线形高阶中立型偏微分方程的若干新的振动定理,所得结果改进和推广了一些文献中的振动定理.     

Fast and accurate measurement of diffusion coefficient by Taylor’s dispersion analysis

This investigation aimed at improving the performance of Taylor's dispersion analysis for the fast and accurate measurement of diffusion coefficient of a minute solute in various solvents. The investigation was carried out on a capillary electrophoresis instrument by monitoring the UV absorption peak of a solute pulse and calculating the diffusion coefficient by peak efficiency. With L-phenylalanine as a main testing solute, some key factors were afterward disclosed including especially the capillary size, carrier flow velocity, injection volume and capillary conditioning. Peak tailing, large volume of sample injection and slow migration were found to underestimate the diffusion coefficient while very fast migration and high sample concentration caused overestimation. At a moderate flow velocity of 0.1―1 cm/s with a capillary of 72.44 μm I.D.×60 cm (50 cm effective) maintained at 25℃, the diffusion coefficient of aqueous L-phenylalanine was determined, giving a value of 7.02×10-6 cm2/s with error＜2% and relative standard deviation＜0.2% (n=3). The method was shown to be applicable to the measurement of various samples such as aqueous phenylalanine, acetone, phenol, toluene and benzene, and nonaqueous benzene (in ethanol or 1-butanol).