凸函数的某些性质及其在不等式的概率证法中的应用

本文利用凸函数的性质,得到Jensen不等式中等号成立的充要条件,并用概率方法证明了常用的几个重要不等式,从而进一步完善了这种证明不等式的方法。     

基于用户激励的共享电动汽车调度成本优化

针对站点车辆时空分布不均衡制约共享模式快速发展的问题,提出基于用户激励的共享电动汽车自适应调度成本最优模型,引入共享单车调度与价格激励手段,通过遗传算法求解获得最优价格优惠、初始站点车辆数、多时段可变最优阈值.实例仿真结果表明,通过用户激励策略,企业调度成本降低60%以上,峰值用户取、还车允许率超过95%,极大提升了用户满意度与车辆使用率,充分证明该模型的有效性.     

基于新型趋近律的半主动悬架模糊滑模控制

面向重载运输车辆的行驶过程,为了提高驾驶员的乘坐舒适性和行车安全性,设计一种基于新型趋近律的半主动悬架模糊滑模控制器。首先,为解决实时测量路面信号的问题,基于改进的参考天棚模型,将簧下质量的运动状态直接作为控制系统输入;其次,针对滑模控制引起的系统抖振和收敛速度慢的问题,引入可变边界层饱和函数的新型趋近律,再将模糊控制与滑模控制相结合,以保证控制精度和控制鲁棒性;最后,将重载运输车辆半主动悬架作为仿真对象进行仿真。结果表明,相较于传统模糊滑模控制,车身垂向加速度降低78.9%,车轮动载荷下降13.6%,悬架动挠度减小31.4%。所设计的控制器可提升以车身垂向加速度和悬架动挠度为评价指标的乘坐舒适性和以车轮动载荷为评价指标的行车安全性,为半主动悬架系统的智能控制研究提供参考。     

基于DDPG算法的风力发电机变桨距控制研究

风电机组模型的不确定性以及风速等外部干扰严重影响风电机组输出功率的稳定性,基于准确风机参数的传统控制策略难以满足系统控制需求。因此,本文提出一种基于DDPG算法的风机变桨距控制器。借助强化学习仅需与环境交互无需建模的优势,以风机模型为训练环境,功率为奖励目标,变桨角度为输出,采用深度神经网络搭建Actor-Critic单元,训练最优变桨策略。采用阶跃、低湍流、高湍流三种典型风况对算法进行检测。仿真结果表明,不同风况下基于DDPG算法控制器的控制精度、超调量、调节时间等性能均优于传统比例-积分-微分控制器效果。     

神经网络自调节变尺度算法及其用于聚酯生产工况预测

探讨了多层前向神经网络的学习算法，并将该算法用于大型聚酯生产工况预测。结合非线性最优化方法，提出了一种基于拟牛顿法的神经元网络自调节变尺度学习算法，仿真结果表明，该算法有效地改进了神经元网络学习收敛速度和收敛性能。     

对离散变量结构拓扑优化设计几个问题的探讨

探讨了离散变量结构拓扑优化的三个问题，指出离散变量拓扑优化也存在所谓奇异拓扑的现象，指出设计变量的离散程度和位移约束影响最优拓扑，优化设计时不可忽视。     

辅助变量法及其改进算法在含噪声系统辨识中的运用

对ＡＲＭＡ模型含有输入噪声和量测噪声的情况进行了讨论，在两种情况下，最 乘法并不能得到很好的估计结果，运用辅助变量法可以提高估计精度。特别是在输入信号受到干扰时，配方提出了加权辅助变量法，可以得到比ＩＶ方法更精确的结果，尤其是在噪信比较高的场合，本文还给出了ＷＩＶ方法的无偏性分析。     

两种混沌同步法及其用于通讯的比较

用Ｌｏｒｅｎｚ系统对两种混沌同步方法－变量替换法和变量反馈法进行了数值研究。结果表明用单变量反馈可混沌同步，并比变量替换法有较快的收敛速率和较高的同步稳定性。用单变量反馈法同步的混沌系统同样可以用于通讯，且结构简单，便于应用。     

一元n次多项式的重根问题

本文利用一元n次多项式的系数与其根的关系探讨一元n次多项式具有n，l与n－l重根的问题。     

递推线性回归预测的理论和方法

本文讨论了随着经济环境条件的变化和经济信息数据的增加，利用递推的方法，简化线性回归预测公式的基本条件和相应结果。具有既能充分利用经济信息，又能减小计算量，还有可操作性强等优点。