固定初值下广义系统的迭代学习控制

针对一类在有限时间区间上重复运动的线性广义系统,提出了一种在固定初始学习状态下的闭环PD型迭代学习控制算法,给出了该算法的收敛条件,并在理论上对算法进行了收敛性分析。初态学习允许在每次迭代开始时,其初始状态为固定值在PD型闭环学习律的作用下,线性广义系统的迭代输出会收敛于极限轨迹,可以在D型算法的基础上有效的减少固定偏差。数值仿真结果验证了闭环PD型迭代学习控制算法在固定初值下算法的有效性。

带随机初值和固定初值的季节单位根检验统计量检验势的比较(英文)

通过模拟研究,比较了带随机初值和固定初值的三种季节单位根检验统计量的检验势,得到了对随机初值通常的最小方差统计量检验势为最大,而对固定初值小样本的情况下加权对称统计量检验势为较大的结论.

两类初值系数固定的解析函数的性质

引入解析函数类H的两个固定第二个系数的子类Α_α(λ,κ)和Β(β,κ),定义函数φ(z)∈Β(β,κ)上的γ阶凸积分算子并研究其性质,研究函数μ(z)∈Α_α(1,1)的充分条件是一个实部为正的函数。