一种基于广义时间和传递常数的快速分析法

基于广义时间常数和传递常数法,提出了一种新颖的快速电路分析方法,同时系统总结归纳了传递函数分子分母所有项的系数及其特征方程的根-零极点的推导。该方法的优势有:1)无需复杂计算,可快速分析出系统传递函数及零极点,且精确性有保证;2)分析具备直观性,可指出电路中限制系统带宽的关键因素,方便进行电路拓扑修改;3)求解精度可依据需求而定。

广义时间函数参数求取方法研究

基于区间估计算法求取Knothe时间函数参数的原理,结合由开采引起地表沉陷的一般事实规律提出了采用区间估算法求取广义时间函数参数的构想,并建立了相应的数学模型,给出了地表移动动态预计的基本原理.结合实例,将采用该模型求得的参数进行地表动态沉陷预计的结果与实测资料进行对比分析.结果表明,该模型对矿区地表下沉动态预计能够达到较好的效果,说明该模型具有一定的实用价值.

考虑广义时间价值的串行退化生产系统维护更新策略

以多工序多设备组成的串行生产系统为研究对象,将设备的退化过程看作符合Gamma分布的随机过程,在每次预防性维护时引入机会维护,以减少系统的停机次数;将维护时间看作与设备退化度和维护次数有关的函数,采用退化度恢复因子描述设备维护前后退化度的演变过程;考虑广义时间价值建立设备的成本函数,依据费效比和可用度对设备的维护更新进行联合决策,建立串行生产系统的维护更新模型;算例仿真对维护阈值进行了优化决策,计算出了各设备的更新时间及维护次数.结果表明:广义时间价值会加速设备的老化,缩短设备的使用寿命,从而为企业制定生产系统维护更新策略提供了新思路.

基于广义时间窗的旋转相控阵雷达资源调度算法

基于旋转相控阵雷达体制特点,针对扇区饱和攻击时任务调度失败率高的问题,提出一种基于广义时间窗的预规划任务调度方法.根据雷达波束电扫范围和天线转速计算出任务的广义时间窗,当某扇区任务饱和时,在广义时间窗的约束下将任务调配到相邻的扇区.仿真实验表明,相比于传统的基于时间窗和优先级的自适应调度算法,本算法能够充分释放旋转相控阵雷达相扫潜能,有效稀释饱和攻击扇区的冲突任务,显著提高任务调度成功率和时间利用率.

广义时间分数阶Hirota-Satsuma耦合KdV系统新的精确解

借助复杂分数阶变换和修正的Jumarie Riemann-Liouville分数阶导数,利用一个二阶常微分方程的解,基于G′/G有限级数展开法,对耦合的非线性广义时间分数阶Hirota-Satsuma-KdV系统进行研究,由此获得了该系统的若干双曲函数和三角函数形式精确解,丰富了其精确解系。

具有时滞的广义时间最优控制问题的近似最优解

考虑的是具有时滞控制系统的某种广义系统最优控制问题,给出了这种具有时滞系统的近似最优控制的充要条件及其存在性结果．然后借助文献[1]中四步法,求出这种具有时滞的广义时间最优控制的近似最优解．

河南及邻区中等地震前广义时间维的变化特征

应用广义时间分维理论，对河南省及邻区1970年以来发生的12次ML≥4．7级地震前后的中小地震活动进行了时间扫描，分析其变化特征。结果表明，在研究区内发生的这12次中等地震前1～2年内，震中区及其邻近地区的广义时间维Dt都存在一个较为明显的降维过程；地震大多发生在Dt下降后开始恢复的过程段内；其发展时间大约距Dt异常最低点2～20个月；地震发生后Dt值常快速回升，并逐渐恢复正常。

基于连续时间广义预测校正的水下非线性追踪博弈控制

针对复杂环境下的追踪控制问题,提出了一种基于连续时间广义预测校正的水下非线性追踪博弈控制算法.利用连续时间广义预测对目标机动偏离趋势进行在线预测补偿校正,将机动目标紧缩于最大捕获概率扇面之内,同时引入零效控制参数和连续时间广义预测校正算法,解决了微分对策动态博弈剩余时间难于估计的问题,提高了系统的响应速度.将算法应用于水下非线性追踪博弈的验证结果表明,该算法兼顾了控制约束与干扰抑制性能,能够实时有效地对抗初始偏差和随机扰动,不仅具有良好的导引效果,而且有效提高了系统对环境干扰的鲁棒性.

基于有限时间广义H_2范数的直接侧向力启控时间分析

采用直接侧向力与气动力复合控制技术可以显著改善导弹末制导系统性能,而确定直接侧向力启控时间是复合控制技术的关键问题。首先给出了复合控制导弹末制导系统的数学描述,然后基于有限时间广义H2范数,分析了直接侧向力启控时间与零效脱靶量、目标机动、导引头量测噪声的内在关系,最后根据零效脱靶量随启控剩余时间的变化情况,指出存在一个启控剩余时间临界值,可以为直接侧向力启控时间的确定提供重要依据。

一种基于广义期望首达时间的形状距离学习算法

形状距离学习是形状匹配框架中引入的后处理步骤,能够有效改善逐对计算得到的形状间距离.利用期望首达时间分析形状间相似度可能导致距离更新不准确,针对这一问题提出了一种基于广义期望首达时间(Generalized mean firstpassage time,GMFPT)的形状距离学习方法.将形状样本集合视作状态空间,广义期望首达时间表示质点由一个状态转移至指定状态集合所需的平均时间步长,本文将其视作更新后的形状间距离.通过引入广义期望首达时间,形状距离学习方法能够有效地分析上下文相关的形状相似度,显式地挖掘样本空间流形中的最短路径,并消除冗余上下文形状信息的影响.将所提出的方法应用到不同形状数据集中进行仿真实验,本文方法比其他方法能够得到更准确的形状检索结果.

广义试验总时间变换序的几个性质

研究了广义试验总时间(generalizedtotaltimeontest,简记为GTTT)变换序与及其寿命分布类IFR(increasingfailurerate)、DFR(decreasingfailurerate)的关系;获得了广义试验总时间变换序关于最小样本的封闭性与关于最大样本的逆封闭性.

具有不确定噪声的连续时间广义系统确保估计性能的鲁棒Kalman滤波器

讨论了一类具有不确定噪声的连续时间广义随机控制系统的鲁棒Kalman滤波器的设计问题 .文中给出了确保估计误差性能指标的不确定噪声协方差矩阵扰动上界 .文章研究结果表明 ,在此界限内采用最坏情况下的最优滤波器实现对状态的估计 ,它不仅能极小化不确定下的最坏性能 ,而且也能确保估计误差性能指标达到给定的某个自由度 .

连续时间广义预测控制在纵向飞行控制中仿真

导弹的飞行主要是通过姿态稳定和调节实现的。当导弹在大空域内进行飞行时,系统存在着严重的非线性和复杂性等不确定性因素,采用离散的控制算法进行控制,在高采样速率情况下,产生控制抖动问题。提出了连续时间控制方案,通过以小扰动模型为基础的导弹动力学特性分析,设计了导弹纵向飞行通道的全空间串级控制结构,并且以连续模型作为预测控制的被控对象,弹道外回路和姿态内回路均采用连续时间广义预测控制算法。仿真结果表明,该控制方案能实现高精度的控制要求,并且有效的克服了控制抖动。

广义离散时间系统极点配置的新方法

基于广义离散时间系统的完全能控结构 ,首先建立了广义离散时间系统的一种新型受限等价能控规范型 然后 ,通过引入一辅助变量 ,根据此规范型 ,提出了广义离散时间系统极点配置新方法 ,此方法不但可以配置有限远极点 ,而且可以配置动态的和非动态的无限远极点 本文所建立方法与已有的方法相比 。

异维混沌动力系统的有限时间广义同步

本文研究了异维混沌动力系统的有限时间广义同步的问题.利用有限时间Lyapunov稳定性定理、Jensen不等式等理论方法,通过设置不同的控制器,从理论上提出了一般的异维驱动系统和响应系统的有限时间广义同步的两种方案,并且对方案二中的影响同步时间因素做了理论分析和证明.最后,数值模拟验证了提出理论的正确性和可行性.

一类退缩渗流方程的时间周期广义解

本文利用正则化力法证明了方程（α（ｕ））１＝ｕｘｘ－（Ｋ（ｕ））ｘ－ｆ（ｕ）当α’（ｕ）≥０时存在唯一时问周期广义解

基于GA的广义模糊时间序列建模及其在旅游需求预测中的应用

研究了基于遗传算法(genetic algorithm,GA)的广义模糊时间序列建模问题。为更好解决多决策变量问题,避免传统意义上的统计算法和模糊时间序列模型的缺陷,在遗传算法中加入染色体重组算子,得到一个改进的遗传算法,构建了一种基于改进遗传算法的广义模糊时间序列模型。最后,以我国黄山风景区游客人数预测为例,通过实证分析验证了该模型。与传统的模糊时间序列模型或者和其他方法结合而形成的混合模型相比,该模型可以避免在划分区间上的主观随意性并提高预测精确度。

广义离散时间系统的P-D反馈控制器设计

针对广义离散时间系统的比例–微分(P-D)反馈控制器的设计问题,本文提出了一种更为简单的方法,使得广义闭环系统正则化,更具因果性、稳定性和容许性。通过线性变换将原系统转化成为正常系统,采用控制理论和变量替换法将双线性不等式转化为严格的线性矩阵不等式(LMI)。基于这种方法,得到广义闭环系统容许性的LMI条件和P-D反馈控制器,最后通过仿真说明该方法的正确性和有效性。

基于λ-强截集的广义模糊时间序列预测模型

文章通过分析传统的加权模糊时间序列模型和广义模糊时间序列模型,指出了需要考虑的模糊状态的确定方法和建立模糊关系矩阵中的不足。结合模糊集理论中λ强截集的性质,重新定义所要考虑隶属度对应的模糊状态和模糊逻辑关系矩阵的建立过程,建立基于λ强截集的广义模糊时间序列模型。以Alabama大学22年的入学人数为例,利用均方误差MSE和泰尔不等系数TIC对比分析本文提出模型与传统加权模型和广义模型的预测精度以及考虑λ取不同阈值时模型预测精度的变化情况,验证本文建立模型的可行性和有效性。

基于直觉模糊化的广义模糊时间序列预测模型

本文在传统广义模糊时间序列预测模型数据模糊化的基础上,引入直觉模糊集理论对其进行扩展。首先,在隶属度和非隶属度函数中增加犹豫度因子对样本数据进行直觉模糊化,更加细腻的反映数据不确定性本质。然后,用记分函数描述样本数据对模糊集的隶属情况,简化模型的复杂度。随后以传统广义模型为框架,构建基于直觉模糊化的广义模糊时间序列预测模型。最后利用典型的Alabama大学入学人数为实验数据,对比分析本文建立模型与传统广义模型的预测结果,验证直觉模糊化的广义模糊时间序列模型的可行性和优越性。