l^p空间中级数泛函的广义梯度

文 [1]中， F H Clarke在非负完备测度空间 (T，∑，μ )中，给出了 LP(T，∑ ，μ )( 1≤ P<∞ )中积分泛函广义梯度满足，的条件，本文将文 [1]中的条件（ A)， (B )改为（ A＊），（ B＊） ,从而将 LP空间中积分泛函的广义梯度推广到 lP空间中级数泛 函的广义 梯度。

Volterra泛函级数在非线性系统辨识中的应用

利用 Volterra泛函级数描述非线性系统 ,将非线性系统辨识问题转化为标准的最小二乘问题 ,并通过 QR分解进行求解。在对输入矩阵 P进行 Householder变换过程中 ,提出利用输入向量对输出向量的影响因子进行 P阵的列选择 ,同时完成模型辨识 ,有效地克服了 Volterra泛函级数辨识中维数灾难问题。

Volterra泛函级数辨识中维数灾难的一种解决方法

对Volterra泛函级数进行三阶截断近似 ,将Volterra核的求解问题转化为一个标准的最小二乘问题 ,并通过QR分解进行参数估计 ,在利用Householder变换实现矩阵P的QR分解过程中 ,提出了利用输入向量对输出向量的影响因子进行 P阵的列选择 ,进一步简化了算法 .数字仿真表明了该方法的有效性 .

基于Volterra泛函级数的非线性系统的鲁棒辨识

针对弱非线性系统的鲁棒建模问题,基于Volterra泛函级数,结合集员辨识理论,提出了广义频率响应函数的鲁棒辨识方法,形成了一套较完整的弱非线性系统的鲁棒建模方法,仿真结果表明该方法是行之有效的。

Volterra泛函级数辨识方法的综述及一种简化方法

本文针对近年发展起来的Ｖｏｌｔｅｒｒａ泛函数级理论，从Ｖｏｌｔｅｒｒａ泛函级数的系统辨识角度，综述了它的研究现状和应用成果，分析了现有方法存在的问题，并给出了基于模型结构辩识思想的Ｖｏｌｔｅｒｒａ泛函级数辨识的简化方法，讨论了这种简化方法的优越性。

用Volterra泛函级数理论分析非线性介质中的Maxwell方程

本文利用Ｖｏｌｔｅｒｒａ泛函级数理论从频域和时域详细分析了非线性介质中的本构关系、Ｍａｘｗｅｌｌ方程及其色散关系；以均匀各向同性的非线性介质板为例，数值计算了单色平面波料入射此介质板后的一级非线性近似下的基频反射；对非线性效应的影响进行了初步的分析。

基于SABA优化的Volterra级数空战目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题,通过分析并结合目标机动轨迹时序数据所具备的混沌特性,引入Volterra泛函级数模型进行目标机动轨迹预测。为解决Volterra泛函级数模型中存在高阶核函数难以求解的问题,利用变异机制和自适应步长控制机制改进蝙蝠算法的寻优能力,进而构建了一种基于自适应蝙蝠算法(SABA)优化的Volterra泛函级数目标机动轨迹预测模型,并利用优化后不同阶数的Volterra泛函级数模型对目标未来机动轨迹进行预测。仿真实验中,通过与其他优化算法改进的Volterra泛函级数模型的预测精度对比,验证了所提预测模型的可行性,同时也说明了二阶Volterra泛函级数模型更加适用于目标机动轨迹预测。

基于Volterra泛函级数的GDP预测模型

提出基于Volterra泛函级数的GDP预测模型.首先收集GDP数据,根据GDP变化特点对原始数据进行相空间重构,然后采用自适应的Volterra泛函级数对GDP数据进行建模和预测.仿真测试结果表明,Volterra泛函级数的GDP预测精度与训练次数、收敛因子等参数密切相关,通过确定合理的参数,可以得到精度较高的GDP预测模型.

分析电力系统振荡的Volterra泛函级数法

提出一种应用非线性动力系统理论分析电力系统振荡的有效方法。它保留了系统振荡的非线性特征，利用适合弱非线性系统分析的Volterra泛函级数理论，使分析符合实际情况。

一类参数未知非线性系统的维纳级数分析

利用维纳级理论研究了一类特性参数未知的非线性系统。在输入 x( t)为白噪声的条件下 ,通过测量输入 x( t)和输出 y( t) ,计算它们的各阶相关函数 ,得到一组表征非线性系统特性的维纳核。利用此维纳核 ,计算输入为已知信号时系统输出的响应。通过对实际非线性系统的分析 ,表明该方法具有较好的收敛性。

交通流量VNNTF神经网络模型多步预测研究

研究了VNNTF神经网络(Volterra neural network traffic flow model,VNNTF)交通流量混沌时间序列多步预测问题.通过分析比较交通流量混沌时间序列相空间重构的嵌入维数和Volterra离散模型之间的关系,给出了确定交通流量Volterra级数模型截断阶数和截断项数的方法,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;设计了交通流量Volterra神经网络的快速学习算法;最后,利用交通流量混沌时间序列对VNNTF网络模型,Volterra预测滤波器和BP网络进行了多步预测实验,比较了多步预测结果的仿真图、绝对误差的柱状图以及归一化后的方均根;实验结果表明VNNTF神经网络的多步预测性能明显优于Volterra预测滤波器和BP神经网络.

基于功率潮流分析的电能计量新方法

针对非平稳畸变信号条件下电能准确合理计量问题,在非线性负载泛函级数模型的基础上,进行了功率潮流分析并提出畸变信号条件下电能计量新方法。根据泛函级数理论中Wiener核与Volterra核转换定理求得负载的Volterra核,应用Volterra级数理论将正弦输入信号条件下负载输出电流与电压用Volterra泛函级数表示。利用小波分解与重构算法对电流与电压信号进行分解与重构,求出功率潮流分析所需电流与电压的基波分量与畸变分量。结合IEEE-Std1459-2010标准定义,以半导体整流器、电力机车及两者组成的复合系统为例,对非线性负载进行功率潮流分析,依据各功率潮流的物理意义及潮流方向,提出畸变信号条件下电能计量新方法。仿真结果表明非线性负载功率潮流仿真结果与理论结果一致,基于功率潮流分析的电能计量新方法能够实现畸变信号条件下电能的合理计量。

非平稳畸变信号条件下电网信号建模

实际电网中常常同时存在多种平稳畸变信号和非平稳畸变信号,而目前非平稳畸变信号条件下电网信号模型主要是针对典型畸变源产生的信号建立的,缺乏符合电网实际情况、更具普遍性的电网信号的数学模型,这使得非平稳畸变信号条件下电能准确合理计量变得困难。该文在研究泛函级数理论的基础上,应用Wiener泛函级数建立了非平稳畸变信号条件下电网信号的通用数学模型,并以半导体整流器和电力机车这两种典型畸变源为例,通过Matlab仿真验证了模型的正确性。所建模型不仅可以描述任意一种畸变源产生的电网信号,而且可以描述任意几种畸变源产生的复合电网信号。该模型提高了非平稳畸变电网信号的描述精度,同时适用于平稳畸变信号,解决了畸变信号条件下电网信号统一描述的问题,为后续电能的准确合理计量提供参考。

爆破振动效应预测方法新进展

介绍了爆破振动效应预测研究的目的与意义,回顾了爆破振动效应预测研究的发展历程,从基于现场监测数据的统计分析法、动力分析法、数值模拟法到振动历程综合预测法,系统地分析了当前各方法的优缺点。结合笔者研究成果,详细介绍了2个先进的预测方法:修正的Anderson模型与基于非线性泛函级数预测模型。对预测结构振动响应的振型分解反应谱法、传递函数法与时程分析法的基本原理、适用条件、预测结果进行了总结。最后指出了爆破振动效应预测研究的发展趋势。

非线性动态系统“黑箱”建模方法的研究

本文研究弱非线性动态系统＂黑箱＂建模的理论和方法，并简要给出根据此方法建模的结果。

结构倒塌触地振动效应非线性预测方法研究

拆除爆破已广泛应用在建筑物拆除施工中,但对于结构塌落体产生的触地振动效应,目前尚无成熟有效的预测和评价方法。本文运用非线性科学理论,建立了一个基于Volterra泛函级数的非线性预测模型,该模型可以在结构倒塌前即能预测塌落体触地诱发的触地振动效应,能够充分体现岩土介质在冲击载荷下的非线性力学响应特征。同时,针对Volterra非线性模型提出了基于独立脉冲荷载的简化识别方法。在实际工程中的应用表明,预测结果与实测结果吻合较好,并且应用简便,对预防和降低结构倒塌触地振动效应产生的危害具有一定的借鉴意义。