带启动-关闭期的多重休假M/G/1排队

研究多重休假带启动一关闭期的M／G／1排队。给出稳态队长和等待时间分布的母函数及其随机分解结果，并给出附加队长和附加延迟时间的PH的封闭性，推导出忙期、全假期和在线期母函数和均值。     

离散广义系统的无源控制

将无源的概念从非线性系统扩展到离散广义系统 ,进而研究离散广义系统在有界能量外部输入作用下的无源控制问题· 利用线性矩阵不等式和广义代数Riccati不等式 ,给出离散广义系统容许且严格无源的充分条件 ,并且基于此条件给出存在状态反馈控制器 ,使得闭环系统容许且严格无源的充分条件 ,同时提出了相应的控制器设计· 最后的数值算例说明了文中结论的有效性     

非线性离散时滞系统的模糊H∞鲁棒控制

针对一类具有时滞的非线性离散系统的控制问题，通过对其进行模糊建模，设计了H∞鲁棒控制器．利用构造的Lyapunov函数和线性矩阵不等式，证明并给出了模糊H∞鲁棒控制问题有解的充分条件．依据由模糊规则和线性系统方程建立的模糊模型，所设计的控制器使系统具有更好的鲁棒稳定性，干扰抑制能力强，满足成本上界约束条件．算例仿真结果表明，所设计的模糊控制器对不确定性和时滞都有很好的控制能力，同时系统对干扰有很强的抑制能力．     

基于混沌系统的真随机数发生器芯片设计和实现

提出了一种真随机数发生器的硬件设计.结合时间离散混沌与振荡器采样,即由时间离散混沌系统作为高频振荡源,通过低速时钟采样产生随机数.理论研究和测试分析证明,该方案能生成分布均匀、彼此独立的随机信号.经制版流片后,芯片能在1 MHz时钟下输出满足随机性测试的串行随机数,且抗干扰性较好.     

一类非线性离散时间系统的变结构控制

针对一类非线性离散时间系统，提出了一种基于神经网络趋近律的变结构控制方法。分别用两个神经网络自适应调整趋近律中的参数ε和δ，利用离散趋近控制律与离散等效控制律的偏差对网络权值进行更新，克服了常规变结构控制方法中需预先设定趋近律中参数的限制，既保留了传统趋近律设计方法的所有优点，又有效的改善了系统的动态品质，消除了系统抖振，使系统最终以理想方式在滑模面上运动。理论分析和仿真结果表明了所提出方法的有效性。     

MINIMAL INVERSION AND ITS ALGORITHMS OF DISCRETE-TIME NONLINEAR SYSTEMS

The left-inverse system with minimal order and its algorithms of discrete-time nonlinear systems are studied in a linear algebraic framework. The general structure of left-inverse system is described and computed in symbolic algorithm. Two algorithms are given for constructing left-inverse systems with minimal order.     

中立型随机时滞微分方程的离散反馈镇定

考虑了中立型随机时滞微分方程基于离散时间状态观测的反馈镇定问题.首先建立了受控系统均方指数稳定的充分条件,然后基于此用线性矩阵不等式方法设计了所需的离散时间的反馈控制器,最后举例说明了所得结果的有效性.     

基于离散时间滑模控制器的自动变速器滑差控制

设计离散时间系统滑动模态变结构控制器,对闭锁离合器进行滑差控制以提高整车燃油经济性,消除发动机扭矩波动造成的传动系统冲击.采用零相位数字滤波器,以抑制滑模控制系统中的抖振.建立传动系统仿真模型对滑模控制器进行验证,并与传统比例-积分-微分(PID)控制器进行比较;通过硬件在环仿真测试车辆在十五循环工况(ECE)下有无滑差控制时的燃油消耗量.结果表明,滑差控制有效吸收传动系冲击,液力变矩器在滑差控制下的传递效率高于纯液力传动,可降低整车燃油消耗;基于滤波的滑模控制器,控制律平滑变化,具有更好的响应速度和跟踪指令信号的能力.     

不确定离散脉冲系统的保成本控制研究

许多实际系统都可归结为基于脉冲差分方程数学模型所描述的离散脉冲系统,针对此类离散脉冲系统,考虑一类范数有界时变参数不确定性和一个二次型性能指标,研究了其保成本状态反馈控制问题.首先根据李亚普诺夫稳定性理论与鲁棒控制的基本原理,给出了存在保成本控制器的一个充分条件,然后依据范数有界性参数不确定性已有的结论证明了该条件等价于一个线性矩阵不等式的可解性问题,并用这组线性矩阵不等式的可行解给出了保成本控制律的一个参数化表示.     

一类三元离散神经网络的收敛性

利用Lyapunov函数对在一条直线上的3个神经元构成的离散神经网络的收敛性进行了讨论,得到了一系列的结论.