两类不确定奇异时滞系统鲁棒稳定的相关型判据

研究了不确定奇异时滞系统的鲁棒稳定性问题。首先以线性矩阵不等式的形式给出了奇异时滞系统正则,无脉冲模且零解渐近稳定的一种新的时滞相关型判据。通过引入新的参数避免了利用不等式处理交叉项,从而使该判据具有较小的保守性。最后,利用研究结果,给出了两类不确定奇异时滞系统新的时滞相关型鲁棒稳定性判据。     

灰色T型关联度的改进

通过对现有灰色关联度及T型关联度模型的分析,提出了灰色T型关联度的改进模型,改进后的关联度模型能够反映序列的正、负相关关系,并且具有对称性、唯一性、可比性和无量纲化后的保序性.通过实例表明了改进的灰色T型关联度能够更真实地反映序列曲线的关联程度,所得关联分析结果较为客观可靠,并且易于在计算机上实现.     

考虑决策者心理行为特征的激励型变权决策方法研究

系统研究了激励型变权向量,首先定义了考虑决策者心理行为的激励型变权向量,提出了与之对应的状态变权向量,分别讨论了激励型变权向量的基本类型;其次深入研究了效用函数诱导出激励型变权特性;然后,定义了激励型变权的风险规避系数,分别研究了几类激励型变权向量与风险规避系数的关系.提出一种新的基于激励型变权向量的多属性决策方法;最后,通过实例说明了该理论是有效的和合理的.     

相似产品步进应力加速寿命试验的统计分析

本文将单组样本的步进应力加速寿命试验(SSALT)拓展到双样本情形.基于累积失效模型(CEM),对两组指数产品的联合Ⅱ型截尾数据进行综合分析.首先,计算未知参数的极大似然估计(MLE),并利用矩母函数(MGF)建立其条件概率分布.然后,采用两种方法,基于概率分布的精确分析方法和参数的Bootstrap方法,构建参数的置信区间(CIs).以覆盖率作为评价标准,对两种方法的区间估计效果进行分析.最后,通过数值算例验证了本文方法的有效性.     

基于半离散化的中立型时滞系统的数值仿真

中立型时滞系统是现代工程研究中的一个非常普遍的对象,该系统经过降阶近似后可以转换为一个多时滞系统近似求解的问题.提出将半离散化方法拓展到多时滞系统,应用于中立型时滞系统的数值近似求解,并在此基础上分析系统的稳定性,导出其最优控制增益.仿真结果表明,该方法提供了一种有效的求解和设计线性周期性中立型时滞系统的数值手段.     

残缺互补判断矩阵排序方法

在残缺互补判断矩阵的加性一致性概念的基础上,首先对其他两种残缺互补判断矩阵排序方法进行改进,然后提出了残缺互补判断矩阵的最小方差法和二次规划法,为解决残缺互补判断矩阵排序问题提供了新的途径。理论分析和数值结果均表明:这些排序方法具有简洁、有效,且易于计算器或计算机上实施等优点。     

基于压缩型EKF的SLAM改进算法

针对基于压缩型扩展卡尔曼滤波(CEKF)的SLAM算法在状态增广和地图管理两方面的不足,提出了一种改进算法(ICEKF算法).读算法通过增广辅助系数矩阵即可快速完成状态增广,计算复杂度由O(N2)降低为O(NA),其中N和NA分别为全局和局部地图中的路标数.在地图管理上,ICEKF算法采用一种基于欧氏距离的局部地图动态选择方法,避免了CEKF算法对全局地图进行预先划分带来的路标分配等问题.仿真表明ICEKF算法在估计结果上与EKF算法具有一致的最优性,与CEKF算法相比计算量大大降低.     

基于神经网络的并联式混合动力汽车控制策略

为提高并联式混合动力汽车的燃油经济性和控制系统的响应时间,应用神经网络实现控制策略.首先,结合逻辑门限控制策略和等效燃油消耗最小原理制定控制策略,并根据电池的荷电状态(SOC)进行调整.然后将调整后的策略在典型工况JA1015循环上实验,采集合理样本来训练对角回归型神经网络(DRNN),获得基于神经网络的控制策略.最后,在电动汽车仿真软件ADVISOR平台上进行仿真实验,仿真结果表明,采用神经网络的控制策略,提高了并联式混合动力汽车的燃油经济性,响应快,且具有通用性.     

基于CES生产函数汇率理论的FDI战略动机模型建构

运用CES生产函数建立关于FDI战略动机与汇率之间的理论模型,并对其进行求解,从而在理论上论证汇率对于两类FDI战略动机的影响以及它们之间的差异,得出结论:工资率上升都会对FDI产生负面效应;币值对于市场导向型FDI会产生正面效应、对成本导向型FDI会产生负面效应.同时得出CES生产函数汇率理论模型的投资关于汇率和工资率的弹性结果有效、客观=和合理.并通过实证分析11个经济体代表样本,运用所选实证模型,采用经过处理后的数据,用EVIWES进行线性回归后分析得出结论:外商首先最看重的是我国巨大的消费市场,其次才是利用我国廉价的劳动力和丰富的自然资源.基于目前人民币的现实和预期升值问题,提出相应对策.     

基于Elman网络的鲁棒型广义预测控制方法研究

提出一种基于Elman动态回归神经网络模型的鲁棒型广义预测控制(GPC)．该算法首先用EIman网络对非线性系统进行辨识，建立预测模型，然后在控制中将模型输出值与测量输出值进行综合，代替量测输出用于控制中，从而降低辨识器与控制器对未建模动态的敏感性，加强控制器的适应能力和鲁棒性．仿真结果证明：将本算法应用于非线性系统预测控制，对未建模动态具有很强的鲁棒性和很好的控制能力。