基于折迭型突变模型的混凝土坝稳定分析

基于折迭型突变及其势函数,结合某混凝土坝坝踵处钢板针实测资料,考虑水压、温度和时效因素建立了混凝土坝体稳定的统计模型并进行稳定分析,结果表明该处坝体稳定,与坝体实际情况相符。

不同积迭型线对压气机叶栅气动性能影响研究

数值研究了积迭型线构造型式对正弯曲扩压叶栅气动性能的影响。结果表明,弯曲叶片显著减弱叶栅端区的低能流体聚集,叶栅总性能的改善取决于弯曲角度及积迭线型式的优化选择;小弯角、三段直线加曲线过渡的积迭线型式降低叶栅总压损失达20%以上,是一种较为理想的设计方案。

带误差项的广义Halpern-Ishikawa型迭代序列的强收敛定理

在实Banach空间中,为证明Φ-伪压缩映象不动点的迭代强收敛性,引进了带误差项的广义Halpern-Ishikawa型迭代算法,并利用所设计的迭代算法,证明了Φ-伪压缩映象不动点的一个新的强收敛定理。从而完善了带误差项的广义Halpern-Ishikawa型迭代算法的研究。

非重迭型区域分解预处理共轭梯度法

本文讨论含有内部交叉点(cross point)的非重迭型区域分解预处理共轭梯度法。称一个点是交叉点,如果有三个或三个以上的子区域以该点做为共同边界点,该点为区域内点。 本文根据在对称正定块对角矩阵类中对角块是对称正定矩阵比较有效的预处理器的理论,通过简单自然的刚度矩阵分裂,基于代数方式。

基于自适应切换迭代学习的绳驱踝外骨骼力控制器设计

人-外骨骼构成强耦合系统,步态的偶然变异对控制器产生较大干扰,导致系统震荡。针对这一问题,提出了一种自适应切换的迭代学习控制策略。在峰值误差较大时,采用峰值迭代学习控制,仅对力控信号峰值点进行迭代更新;当峰值误差较小时,切换为传统的PD型迭代学习控制,对力控信号所有点进行迭代更新。为进一步改善控制效果,设计了前馈控制器来补偿鲍登绳传动的非线性摩擦。仿真和外骨骼实验结果表明,与传统PD型迭代学习算法相比,自适应切换的迭代学习控制策略保证了助力曲线的平稳升降,同时该策略具有更快的收敛速度以及受干扰后更快的恢复速度,实现了行走过程中辅助力的准确跟踪控制。

考虑干扰的交通子区模糊迭代学习边界控制

针对固定增益迭代学习控制器跟踪交通子区内期望累计车辆数n^(*)的速度较慢,迭代次数过多的问题,并考虑到实际交通子区内存在的干扰对其运行状态的影响,建立了含有干扰项的交通流模型并对其进行离散化。采用开闭环比例微分(proportion differentiation,PD)型模糊迭代学习控制器,根据研究子区实际路网内的累计车辆数与期望累计车辆数n^(*)的误差及其变化率对开闭环PD型迭代学习控制器的迭代学习增益和反馈增益进行调整,使交通子区内的实际累计车辆数可以较快速地跟踪期望累计车辆数n^(*),并对开闭环PD型模糊迭代学习控制器的收敛性进行严格证明。通过对轻度和中度干扰影响下的交通子区进行仿真,结果显示,对比固定增益迭代学习控制器,开闭环PD型模糊迭代学习控制器的误差收敛速度分别提高24%和31%,平均排队长度分别减少24.52%和16.55%,平均延误分别减少21.63%和19.23%,平均停车次数分别减少23.68%和10.77%。

凸度量空间中拟压缩映象具误差的Ishikawa型迭代序列的收敛性

对凸度量空间中非线性拟压缩映象具误差的Ishikawa型迭代序列的收敛性问题证明了几个新的收敛性定理 ,结果不仅改进和推广了L .B .Ciric ,Q .H .Liu ,H .E .Rhoades,H .K .Xu等人的相应结果 ,而且对Rhoades_Naimplally_Singh所提出的公开问题 ,在凸度量空间的框架下给出了肯定的答复·

并联混合型有源滤波器电流跟踪的迭代学习控制

在并联混合型有源电力滤波器控制中,由于传统PI控制只能对直流给定信号进行无差调节,对周期量谐波滤波效果不够理想。该文根据稳定性负载电网谐波具有重复周期性特点,提出了PI型迭代学习控制算法,并引入遗忘因子学习律,增强系统鲁棒性。同时通过模糊推理构造参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度。该控制方法计算量小,易于实现。仿真分析与现场运行结果表明了该控制方法的有效性。

非线性系统开闭环PD型迭代学习控制的鲁棒性

利用开闭环PD型迭代学习控制算法,对一类具有不确定性或扰动的重复非线性时变系统的鲁棒性进行研究,给出了该系统在开闭环PD型迭代学习控制律控制下的鲁棒条件,并证明了该受扰系统在干扰有界的情况下跟踪误差的一致有界收敛性,当所有干扰渐近消失时,系统输出渐近跟踪给定的期望轨迹。数字仿真表明了结论的有效性。

P型迭代学习控制在振动主动控制的应用

振动主动控制主要目的就是利用有效的控制方法达到振动的抑制,尽量减少有害的振动。研究了P型迭代学习控制算法的收敛性,并且针对周期性震动源,探讨了将该算法在振动主动控制中应用。对2-自由度质量弹簧阻尼系统进行仿真实验,结果表明,该算法具有更为良好的性能,特别在低频下,能在较短的时间内使得系统位移为零,达到减震的效果。

非正则线性系统的闭环P型迭代学习控制

迭代学习控制是改善具有重复运行性质过程的跟踪性能的有效方法。开环迭代学习控制学习周期长,在迭代学习的初期容易出现不稳定和高增益的现象。对非正则系统的迭代学习控制,需要采用高阶微分学习律。该文针对一类非正则线性定常连续系统,讨论了闭环P型迭代学习控制律,给出并证明了闭环P型迭代学习控制律的收敛性条件的两个定理,解决了非正则系统的P型迭代学习控制问题。仿真实例说明闭环迭代学习律的有效性和快速性。

基于2-D系统理论的D型闭环迭代学习控制

将2-D线性连续-离散系统理论应用于连续线性迭代学习控制系统中, 给出能很好反映迭代学习控制过程的数学模型—2-D线性连续-离散系统Roessor模型.在2-D系统理论基础上证明了D型闭环迭代学习控制律的收敛性.根据该理论设计的闭环迭代学习控制器,受到的限制较小.

一种带阻尼因子的迭代扩展型Kalman滤波器

基于迭代扩展型Kalman滤波器（IEKF）与非线性最小二乘问题的Gauss－Newton方法之关系，本文通过引进阻尼因子得到一个修正的迭代扩展型Kalman滤波器（MIEKF），其迭代序列等价于非线性最小二乘问题的Levenberg-Marquardt方法．MIEKF改善了原IEKF的收敛性和估计精度，一个非线性系统的计算机模拟证实了这一点，而IEKF是MIEKF的一个特例。

关于Banach空间中Lipschitz强伪压缩映象的带误差的Ishikawa型迭代序列

设Ｘ是任意实Ｂａｎａｃｈ空间Ｅ的闭子空间；Ｔ：Ｘ → Ｘ是 Ｌｉｐｓｃｈｉｔｚ强伪压缩映象，使得Ｔｘ＊＝ｘ＊，对某ｘ＊∈Ｘ．在没有条件 之下，本文证明了带误差的Ｉｓｈｉｋａｗａ型迭代序列强收敛到ｘ＊．另外，相关结果又证明了，当Ｔ：Ｅ→Ｅ是Ｌｉｐｓｃｈｉｔｚ强增生算子时，带误差的Ｉｓｈｉｋａｗａ型迭代序列强收敛到方程Ｔｘ＝ｆ的唯一解．

基于2-D线性连续—离散系统理论的P型闭环迭代学习控制

将2-D线性连续-离散系统理论应用于迭代学习控制中,给出能很好反映迭代学习控制过程的数学模型(2-D线性连续-离散系统Roessor模型)。在2-D系统理论基础上证明了P型闭环迭代学习控制律的收敛性。根据该系统理论设计的闭环迭代学习控制器,受到的限制较小。

加权超前开环PD型迭代学习控制

对具有滞后的线性大工业过程提出了加权超前开环PD 型的迭代学习控制算法,建立了基本的迭代学习控制结构,给出了迭代学习控制算法关于控制系统的ε 收敛性的定义和证明,提出了理想轨线的δ 可达性的概念.数字仿真表明,迭代学习控制能有效改善控制系统的动态品质,如缩短过渡时间,抑制超调等,表明了迭代学习控制算法的有效性.

关于双算子的Ishikawa型迭代程序的稳定性

在任意实Banach空间框架下,利用渐近Ф-半压缩映象概念,研究一类双算子的Ishikawa型迭代程序的稳定性,这些结果完善了迭代程序稳定性理论.

Banach空间中一类新的完全广义非线性拟似变分包含的Ishikawa型迭代算法(英文)

讨论了Banach空间中一类新的带有限集值映射的完全广义非线性拟似变分包含问题,提出了求其逼近解的Ishikawa型迭代算法,并证明了逼近解收敛于拟似变分包含问题的正解.

非扩张映像的Ishikawa型混杂迭代方法的强收敛定理

使用新的混杂迭代方法,构造了Ishikawa型迭代序列,并得到了强收敛定理,所得结果改进和发展了Nakajo和Takahashi以及其他作者的相关结果.

非线性不适定问题一种双循环的牛顿型迭代格式

本文研究非线性算子方程F(x)=y的解,结合最速下降法,Newton-Landweber迭代格式及正则化思想,在F满足适当的条件下,构造出新的双循环迭代格式。本文对格式的收敛性进行了严格论证,并估计出迭代格式的收敛精度。