双频Buck变换器的非线性现象仿真研究

根据高、低频单元动力学行为特点,把双频Buck变换器系统的快标不稳定性分析问题解耦为两个单频Buck系统的快标不稳定性分析问题,提出了一类改进的数据采样建模方法,构建了高频部分的频闪映射模型。基于该模型使用一种非数值方法求解出不动点处的雅可比矩阵并讨论了电路参数变化对系统稳定性的影响。此外,揭示了低频网络部分存在的非线性现象,给出了低频网络稳定运行的必要条件。数值仿真结果证实理论分析中的结论,有效地阐释了双频Buck变换器系统的快标不稳定性现象,为其稳定、优化运行提供了理论依据。     

弹载消旋平台双模控制与仿真研究

为了消除弹体转动对惯性平台及天线运动耦合的影响,设计了旋转导弹消旋平台,并将模糊控制器与常规PID相结合,建立消旋平台Fuzzy-PID双模控制仿真模型。采用MATlAB和MATlAB/ADAMS联合仿真方法对消旋平台双模控制系统进行仿真分析。结果表明,Fuzzy-PID双模控制使惯性平台及天线的稳态性能得到明显改善。     

基于图论的平面机械系统仿真

在简要介绍了图论的基本思想和方法之后,具体阐述了如何运用图论结合矢量力学的方法来建立机械系统的数学模型,并举例说明了普通三维系统数学模型的建立过程。运用该方法编写了仿真软件VECDYNA,并用其对双杆复摆系统和曲柄滑块系统分别进行了仿真分析。并将其结果与ADAMS的仿真结果进行了对比,对仿真结果进行了验证。结果表明基于图论的多体动力学研究是研究机械系统仿真的一种有效、节省资源的方法。     

基于双相移组合全相位法的FIR陷波器设计

提出新的双相移组合全相位设计FIR陷波器算法。根据单窗情况下全相位滤波的3个重要性质,利用两个互为对称的陷波频率向量用全相位方法设计出两个子滤波器,并构造两个互为共轭的相移向量分别对两个子滤波器进行相移,再将两者进行组合即可生成陷波器。通过理论证明:陷波器的设计可通过代入一简单公式来实现,计算复杂度非常低。实验表明:通过改变相移参数值,在任意频率点上陷波器的衰减值可达-330dB。     

时滞竞争神经网络的全局指数稳定性

对于不同时标的时变时滞竞争神经网络的网络模型,通过构造适当的Lyapunov函数,结合微分不等式分析,研究了时变时滞竞争神经网络的全局指数稳定性,获得了新的全局指数稳定性判据,所得判据推广和改进了前人的相关结论。最后的数值仿真例子证明了该算法的有效性。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

短时交通流预测FSMSVR模型

针对城市道路短时交通流的复杂非线性特点和以往的预测仅考虑典型交通条件（无交通事故等突发事件）的现状,结合交通流的特征,提出了一种有限状态机支持向量回归模型（finite state machine of support vector regression model,FSMSVR）的短时交通流预测机制. 通过线性回归算法和指数平滑算法划分交通流状态,根据各状态特点结合支持向量回归算法建立有限状态机工作机制,实现涵盖典型和非典型交通条件的短时交通流预测. 通过实验例证,对比了FSMSVR模型和传统SVR模型对城市道路6min交通流的预测,研究结果表明,该预测机制能够提高预测精确度,在非典型条件下有着较好的预测表现.     

基于双值设计结构矩阵的流程优化方法

DSM为系统设计提供了简单、精炼、可视化的表示的方法.业务流程的评价和优化与系统设计有相似之处.但由于业务流程涉及的参数更加复杂,因此原有的DSM不能直接应用于业务流程的优化.本文针对业务流程的特点,在设计结构矩阵（DSM）的基础上提出了基于双值设计结构矩阵（double value design structure matrix,DVDSM）算法,将DSM中的单值元素拓展为双值元素,扩展了元素所代表的信息量.文中以距离、路径值为例,设计了其详细的算法和规则及实现过程,并将算法应用于仓储物流管理系统的优化设计问题中.通过一系列仿真实验表明了算法的有效性.     

求解非线性互补问题的混合光滑型算法

光滑型算法已经成功地用来求解各种优化问题. 基于一类新的光滑函数族, 提出了一个带有混合线搜 索的光滑型算法求解非线性互补问题. 在适当的条件下, 证明了算法是适定的, 且保持全局 收敛性和局部超线性收敛性. 最后对提出的算法进行了数值计算. 数值结果显示出该算法的有效性.     

一种随机微粒群混合算法求解约束优化问题

将微粒群算法（Particle Swarm Optimization,PSO）与随机优化方法-Alopex算法相结合,提出一种随机微粒群混合算法（APSO）求解约束优化问题。该算法使PSO算法中微粒的飞行速度无记忆性,结合Alopex算法重新生成停止进化微粒的位置;采用双群体搜索机制,一个群体保存具有可行解的微粒,用APSO算法使微粒逐步搜索到最优解,另一个群体保存具有不可行解的微粒,并且可行解群体以一定的概率接受性能较优的不可行解微粒,这种简单的群体多样性机制使微粒能够快速、准确地找到位于约束边界上或附近的最优解。结果表明该算法寻优性能优良且具有较好的稳定性。