基于LMI的随机时滞神经网络的全局渐近稳定性分析

研究了一类时变时滞与分布时滞的随机神经网络模型的全局渐近稳定性,该模型考虑了神经网络的随机扰动性.通过构造适当的Lyapunov泛函,以线性矩阵不等式的形式给出了系统全局渐近稳定的充分条件.最后,数值算例说明了结果的正确性.     

Sprott-F系统的混沌控制研究

利用非线性动力学理论,讨论了改进的Sprott-F系统的混沌特性.在参数区b E[0,0.5]上,利用全局分岔图,Lyapunov指数谱准确的表征了系统在此区间内的丰富的非线性行为.应用时滞反馈法、比例微分器控制法和x|x|法对系统的混沌控制进行了详尽全面的理论分析和数值模拟.结果表明,选择适当的反馈系数,通过以上三种控制法,可将系统的混沌运动控制到稳定的低周期状态.     

一类二阶拟线性时滞差分方程的非振动性定理

研究了一类二阶拟线性时滞差分方程的渐近性，并给出了特殊情况下，此方程存在A∞^c，Ac^0型非振动解的充要条件以及存在A∞^0非振动解的充分条件．     

考虑主路左转延误的主路优先交叉口信号设置流量阈值

为了进一步完善主路优先交叉口信号灯设置流量条件,考虑了主路左转车流延误对交叉口信号灯设置条件的影响.通过分析主路左转车流在信号灯设置前后的交通特性,利用控制延误方法和Webster方法的研究思路,分别建立主路左转车流在信号灯设置前后的车均延误改进模型.从交叉口交通运行效率的角度出发,以交叉口车均延误作为判别指标,建立信号灯设置前后交叉口等车均延误曲线,以此曲线作为判断交叉口是否需要设置信号灯的阈值条件,同时还给出了不同主路左转车流比例下的流量阈值.与美国MUTCD提出的阈值曲线相比,考虑左转车流延误影响的流量阈值曲线更符合我国主路优先交叉口交通特性,具有更强的实用性.     

时变时滞不确定控制系统二次镇定研究

研究了一类时变时滞不确定控制系统的鲁棒镇定性.该系统的不确定参数是时变未知但范数有界的.利用线性矩阵不等式和二次李雅普诺夫-克拉索夫斯基泛函,获得了具有任意有界时变时滞控制系统稳定的一些充分条件,并设计了状态反馈控制器,使相应闭环系统是鲁棒稳定的.最后,通过一个数值算例说明了所获得结果的有效性.     

具有漏泄时滞和时变区间时滞的递归神经网络新的稳定性准则

研究了具有漏泄时滞和时变区间传输时滞的递归神经网络的渐近稳定性问题.基于Lyapunov-Krasovskii(L-K)稳定性理论.Jensen不等式和互惠凸方法,得到了线性矩阵不等式(LMIs)表示的新的稳定性准则.相对于现存的方法,避免利用保守性较大的中立型变换,且在构造L-K泛函时充分利用了漏泄时滞和传输时滞的关联信息,因此所得准则具有较小的保守性.数值例子验证了所得结果的有效性和较小保守性.     

一类具有无限时滞Volterra型积微分方程周期解的存在性(英文)

利用王克发展的内凸紧集法,研究了一类具有无限时滞积微分方程的周期解的存在性.在王克所研究的Volterra型积微分方程的基础上,本文将王克所选取的相空间Ch空间替换为Arino,Burton和Haddock建立的相空间Cg空间,以王克在文献建立的引理为基础,在适当的条件下,得到无限时滞Volterra型积微分方程存在周期解的主要结论。研究表明:由于不同作者所选取的相空间不同,所以,得到的条件也会不同,但是,他们所得结论却相同:即在不同的相空间下,具无限时滞的积微分方程在凸紧集S0中存在一个周期解。文章的结果与王克在文献[2]所得的结果互不包含。     

延迟与带宽受限智能静态通信量疏导模式

基于分层图,在满足用户通信量请求延迟与带宽约束的前提下,以最大化用户通信量请求总体延迟满意度和最小化网络费用为目标,应用正交设计演化思想,引入小生境种群和杂交,设计了一种IP overDWDM光Internet中的延迟与带宽受限智能静态通信量疏导模式.基于VC++6.0,仿真实现了该模式,在多个实际网络拓扑上进行了性能评价,并且与已有疏导模式进行了对比.研究结果表明,该模式是可行和有效的,具有较好的性能.     

考虑区域间互联电网时延差异性的分布式AGC方法

针对区域互联电网自动发电控制(AGC)过程中系统间传输时延的随机性与差异性问题,提出一种分布式模型预测控制(DMPC)方法.首先,在考虑互联电网区域时延存在差异性的前提下,构建互联电网AGC系统模型;然后,针对互联电网AGC系统的分布式特征,对DMPC方法进行讨论,分析在DMPC框架下时延的处理模式;最后,分别以阶跃与随机负荷曲线为扰动变量,获取互联电网频率控制效果曲线.仿真结果表明:在考虑区域间时延随机性与差异性的情况下,所提方法能够保证系统良好的动态响应性能,验证了此方法的可行性和有效性.     

基于Wigner-Ville分布的移动机器人语音定位中时延估计方法

在移动机器人语音交互中,时延估计算法的精度是影响语音定位精度的关键因素。针对在强噪声情况下,基于时延估计原理进行语音定位的精度较低的问题,提出基于维格纳 威利分布(Wigner-Ville distribution, WVD)的一次与二次相关时延估计算法。在强随机噪声环境条件下,信号间的相关计算会加大侧峰的峰值,极大程度地干扰对主峰峰值的搜索,无法准确估计时延,进而影响语音定位效果。为了减小侧峰的影响,进一步对相关峰值加窗处理。但加窗虽减小了侧峰的干扰,却导致主峰宽度变大且变化趋势平坦,也会影响时延估计精度,因此,需选择希尔伯特变换对峰值锐化处理。仿真实验研究了各算法的估计情况与时延估计的均方根误差,实验结果表明,所提出算法相比其他几种算法对时延估计性能更高。此外,实际场景实验验证了该算法的抗噪声性能。