一类含离散与分布时滞的奇异系统的鲁棒稳定性

讨论了一类含离散与分布时滞的不确定奇异系统的时滞相关鲁棒稳定性.基于Lyapunov稳定性理论, 利用线性矩阵不等式处理方法, 通过在Lyapunov-Krasovskii泛函的导数中适当地引入一些自由矩阵, 获得了系统时滞相关鲁棒稳定充分条件.数值例子表明所得结果是有效的.     

基于直方图均衡的鲁棒性语音识别研究

介于环境条件的变化以及噪声等因素的影响,识别系统的性能急剧下降的原因而出现的鲁棒性语音识别研究,其试图解决的就是如何在实际环境下提升语音识别系统性能的问题。在理论上,噪声鲁棒性所面临的问题其实就是训练和识别环境之间的不匹配。而这种不匹配通常都会体现在特征参数概率分布的差异上。特征参数规整（归一化,Normalization）可以在一定程度上减小这种不匹配的程度,进而提升系统性能。通常的抗噪声方法主要可以分为三种：前端处理、特征值处理以及模型补偿。直方图均衡化（HEQ）属于特征值处理抗噪声方法的类型。作为一种能够改善线性转换方法缺点的替代方法,直方均衡法（HEQ）已经被用于弥补声失配。     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.     

Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.     

跳变时滞随机系统的鲁棒保性能控制

研究了马尔可夫跳变参数时滞随机系统的鲁棒保性能控制问题。通过构造一个Lyapunov函数,并应用Ito微分公式沿系统对其求微分,再利用线性矩阵不等式(LMI)的性质和广义Ito公式,给出了此类系统保性能控制律存在的充分条件,估计了其保性能值,同时,控制器的设计归结为一族LMI的求解问题。最后,数值算例说明了方法的有效性。     

不确定时滞系统的区间时滞相关鲁棒镇定

研究了时间滞后满足区间变化的线性连续系统鲁棒镇定问题。采用Lyapunov-Krasovskii稳定性分析方法,给出了区间时滞依赖系统的状态反馈设计稳定解。进一步研究参数化不确定性情况下,区间时滞依赖系统的鲁棒稳定性判据和鲁棒状态反馈控制器设计方法。最后,通过仿真算例比较,验证了此方法的有效性。     

基于鲁棒离散优化方法的ATIS路径诱导

针对ATIS下的路径诱导中路段旅行时间不确定的问题,提出一种鲁棒优化方法.把旅行时间看作不确定参数,通过鲁棒对等式的转换建立鲁棒离散优化模型.把不确定的0-1整数规划问题转化为确定的0-1混合整数规划问题.对模型中数据的不确定性得到的鲁棒解有较高的概率保证它是可行的,且转化后的鲁棒对等式模型具有容易处理的线性优点.仿真结果表明,该方法更加符合实际的路径诱导问题.     

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。     

基于凸多面体不确定网络化系统的鲁棒无源滤波

研究一类同时具有时变时延和测量数据丢失的不确定网络化系统的鲁棒无源滤波器设计问题。时变时延假设在一个已知的界内随机变化。测量数据的丢失是随机发生的,假设满足Bernoulli分布随机序列。采用线性矩阵不等式方法,给出了全阶和降阶的鲁棒无源滤波器存在的充分条件。所设计的滤波器使得滤波误差系统是均方指数稳定并满足给定的无源指标。最后数值仿真表明所提方法的有效性。     

时滞区间静态神经网络的全局鲁棒稳定性

应用Lyapunov泛函方法和拓扑度理论研究了时滞区间静态神经网络的全局鲁棒稳定性,给出了一些实用的判据。