一类具有高阶项的时滞不确定系统的鲁棒镇定

研究一类具有高阶项的非线性时滞不确定系统的鲁棒镇定问题.在应用构造性Lyapunov-Krasovskii函数的基础上,运用backstepping迭代方法将这类非线性时滞不确定系统鲁棒镇定.     

一类二阶阻尼时滞偏微分方程解的振动性

文章研究一类二阶阻尼时滞偏微分方程解的振动性,利用二阶阻尼微分不等式获得该类方程在两类边值条件下振动的若干充分判据.     

时滞系统自适应模糊控制与仿真

针对一类含有未知时变时滞的不确定非线性系统,提出了一种自适应模糊控制方案.系统不确定项通过模糊逻辑系统辨识,未知时变时滞由参考信号代换,估计误差上界和构造Lyapunov-Krasovskii范函的方法相结合处理辨识误差和时滞代换误差.证明了闭环系统所有信号一致半全局有界(SGUUB),通过调节设计参数可以实现任意的跟踪精度.对含有滞后循环蒸汽的化学反应堆的实例仿真结果进一步说明了方案的可行性.     

重尾分布类$\mathcal{D}\cap\mathcal{L}$中负相伴随机变量和的精确大偏差

利用重尾分布类$\mathcal{D}\cap\mathcal{L}$性质的刻画,得到了重尾分布类$\mathcal{D}\cap\mathcal{L}$中负相伴重尾随机变量和(随机和与非随机和)的精确大偏差, 而重尾分布类$\mathcal{D}\cap\mathcal{L}$是严格包含$\mathcal{C}$的,从而首次将现有的精确大偏差结果推广到更大的重尾分布子类上     

长抗拔灌注桩优化设计方法

在保证承载力的前提下,为了合理控制成本,从长抗拔灌注桩的工作机理出发,基于优化设计的数学模型,结合某工程抗拔桩的静载荷实验参数,提出了一个优化长抗拔桩几何参数的迭代算法,并且基于该算法优化了单桩几何参数。将优化结果与原设计参数进行对比分析,结果表明：优化设计的抗拔桩在满足承载力要求下,减少了桩身灌注体积,达到了工程经济化目标。该优化设计方法可行,可以应用于工程实际。     

大跨度箱形压型钢板力学性能试验研究

大跨度空间钢结构中的屋盖结构用钢量成为影响整体结构造价的重要因素,如何优化屋盖结构系统成为大跨度钢结构设计的重要组成部分.广州某超大型大跨度空间钢结构屋盖结合建筑外观及建筑的使用功能要求.采用了大跨度箱形压型钢板屋盖结构,最大跨度达到15.2 m,突破了传统意义上的压型钢板屋盖结构.针对该新型箱形压型钢板进行了3根1:1足尺比例模型试件的载荷试验,试验表明该新型箱形压型钢板在竖向均布荷载作用下承载力及刚度均满足设计要求,主要的破坏形态为钢板的局部屈曲.在保证结构安全可靠的基础上满足了节省用钢量的要求,同时为施工单位优化施工工艺提供现场检验标准.     

一类线性时滞不确定系统的鲁棒稳定性分析和鲁棒控制器设计

利用Lyapunov方法研究带有非线性不确定参数的线性时滞系统的鲁棒稳定性和鲁棒镇定问题.针对该系统给出其鲁棒稳定性条件及无记忆状态反馈控制器设计方案,所得判别条件和控制器均以LMI的形式给出.最后给出算例说明结论的有效性.     

不确定时滞系统的Min-Max预测控制

对于状态和输入有约束的离散不确定时滞系统,提出Min—Max预测控制方法,将有限预测时域以后的鲁棒性能指标用终端惩罚近似,而终端惩罚用线性矩阵不等式(LMI)离线求解,因此无限时域的代价转化为有限时域代价,使得Min—Max优化问题求解简单,保留原有的鲁棒稳定性．给出了该方法稳定性的充分条件,通过仿真验证了此方法的有效性．     

基于LSTM与1DCNN的导弹轨迹预测方法

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory, LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network, 1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。     

基于注意力机制的区域小学入学规模预测

学龄人口是区域教育资源配置的重要依据,对区域内下一年小学入学规模进行准确预测,可以为区域内教育管理部门对教育资源进行调配提供辅助决策支持.该文针对区域内小学入学规模预测问题,考虑区域经济、人口等相关因素和小学入学规模的关联关系,提出了基于注意力机制的循环网络预测模型.该模型以长短时记忆网络模型为基础,引入注意力机制,自动提取小学入学规模与经济、人口等特征之间的关联关系以及进一步增强历史关键时间点的信息表达,提升预测准确率.在采用真实数据集进行试验的结果说明,该模型对比其它模型在多个评价指标上均有提升,具有更准确和更稳定的预测效果.