内部控制对市场竞争与研发投入的非线性调节作用研究

基于产业生命周期理论、决策模型,以2017—2021年1239家上市高新技术企业为研究样本,检验市场竞争对企业研发投入的影响及内部控制的调节效应。实证结果表明,对于高新技术企业,市场竞争加剧在一定程度上促进企业研发投入的增加,企业内部控制对两者间的关系具有非线性调节作用。当内部控制质量较低时,内部控制提高会抑制市场竞争对研发投入的正向影响;当内控质量突破临界点后,内部控制的提高会反过来促进市场竞争对研发投入的正向影响。

平滑转移向量误差修正模型的非线性调节bootstrap检验

对原假设为线性不含平滑转移均衡趋势关系的两类平滑转移向量误差修正模型提出了非线性调节检验;提出了检验这类非线性调节关系的SupWald检验、相应的渐近分布和残差bootstrap方法模拟p值.模拟实验中证实了有限样本下SupWald检验统计量的良好效用,并给出了其适用范围,进而应用该方法检验出几组美国国库券收益率间存在明显的平滑转移非线性调节.

非线性调节器和L_2增益最优控制

利用返回差条件和 Hamilton- Jacobi方程 ,借助“配方”方法讨论非线性系统达到最优调节所必须满足的条件 ,获得最优调节和 L2 增益最优控制的统一结果。同时讨论了在满足一定条件时 ,这种设计方法对模型误差具有较强的鲁棒性 。

金融发展对电商减贫的非线性调节效应研究——基于我国285个地级市的证据

基于2007-2016年我国285个地级市面板数据,以金融发展水平为调节变量构建调节效应模型,采用层次回归法实证检验电子商务与减贫效应之间的关系,并进一步探讨金融发展水平的非线性调节效应。实证结果表明:电子商务与减贫正相关,金融发展水平对该关系具有非线性调节效应。当金融发展水平较低时,金融发展水平的提高会抑制电子商务对减贫效应的正向作用;当金融发展水平突破调节效应临界点后,金融发展水平的提高会反过来提高电子商务对减贫效应的正向作用。

几类非线性调节系统的稳定性

利用李森林教授与本文作者提出的思想方法和变换技巧,本文讨论了非线性调节系统:dx/dt=Ax+bf(σ),σ=C^Tx零解的渐近稳定性,获得了其零解渐近稳定的充分条件。所得的结果包括并推广了已有文献中的定理,克服了以前用大系统分解理论进行研究时所得的条件中,必须判断一个矩阵特征极实部为负的困难。

非线性水轮机调节系统的鲁棒预测控制

随着“双碳”目标进程的加快,水电机组向高水头、大容量和长输水管道方向发展,对调节系统控制品质提出了更高要求。考虑水轮机调节系统是一个集水力、机械、电气为一体的非线性系统,而传统水轮机调节系统的PID控制方法为线性或线性化控制,因此研究水轮机调节系统新的先进性控制方法对提高机组运行质量具有重要意义。为此,本文采用鲁棒预测控制理论,设计了基于LMI鲁棒预测控制器,并通过理论分析证明了该方法的可靠性,通过数值试验验证新控制方法的控制效果,进一步讨论了该控制方法的抗干扰能力、跟踪性能等控制品质,并与传统PID控制方法作对比,分析了两种控制方法的优劣,结果表明提出的新控制方法提高了六维非线性水轮机调节系统的速动性和稳定性,具有良好的控制品质。

非线性水轮机调节系统的Hopf分岔分析

水力发电系统具有非线性特性,利用线性模型分析水轮机调节系统会导致仿真结果不准确。为此,在考虑水轮机调节系统各部分非线性情况下建立了水轮机调节系统的非线性模型。基于Hopf分岔理论对建立的非线性调节系统模型进行分析和仿真,比较线性模型与非线性模型动态特性。结果表明,非线性系统模型能更准确地反映系统大扰动情况下的本质特性,PID参数变化会引起非线性系统拓扑结构的变化。

非线性水轮机调节系统稳定性分析

水轮机调节系统的本质是非线性的。为了深入了解非线性水轮机调节系统的调节规律,在考虑水力发电机组非线性特性的基础上,建立了一个水轮机调节系统的非线性模型。运用非线性系统线性化的方法和线性系统的Hurwitz判据对系统进行稳定性分析,得到了令非线性系统稳定的控制器参数。非线性系统的仿真结果表明:线性化系统的稳定参数一定能使非线性系统稳定,且线性化系统的稳定参数中一定包含了令非线性系统强稳定的控制器参数。这为非线性水轮机调节系统的控制器参数整定及稳定运行提供了理论依据。

基于迭代神经动态规划的数据驱动非线性近似最优调节

利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.

我国利率的非线性动态调节及其货币政策效果

本文针对我国的实际经济背景而扩展现有泰勒规则模型的设定和估计方法,以此揭示人民币利率的长期均衡及其短期非线性动态调节,并进而刻画利率对宏观经济的调节效果。本文的主要结论为:开放经济中的泰勒规则揭示了我国的长期均衡利率和货币政策的松紧状况,2004年第3季度后市场利率低于均衡利率,货币政策偏松,但2008年第3季度货币政策偏松状况基本消除。央行对利率的动态调节在货币政策偏紧时速度较快,在货币政策偏松时速度较慢。进一步,在货币政策偏松时利率上调对经济增长和通胀的抑制效应相对较大;在货币政策偏紧时利率下调对经济增长和通胀的刺激效应相对较小。本文的结论不仅为我国现阶段货币政策转向适度宽松提供实证支持,也从利率对通胀和产出的调节效应的角度解释了近期利率快速下调的原因。

一种非线性PID调节器的设计方法

介绍了一种非线性PID调节器设计方法 ,由于利用了非线性特性 ,这种方法克服了快速性和平稳性之间的矛盾 ,达到了较好的控制效果。通过对交流位置伺服系统的参数设计 ,验证了其有效性。

位置伺服系统的一类非线性PID调节器设计

PID调节器技术组件是在位置伺服技术系统中具备关键性应用价值的技术组件类型之一,切实做好针对非线性PID调节器技术组件的设计开发和改造工作,并将其在位置伺服技术系统中加以安装运用,对有效改善优化位置伺服技术系统的控制性能具有重要意义。文章设计了一种位置伺服系统的一类非线性PID调节器,有一定的实用和推广价值。

基于非线性最优和PID技术的综合励磁调节器研究

对于非线性系统的同步发电机而言,当它偏离系统工作点或系统发生较大扰动时,如果仍然采用基于PID技术的电力系统稳定器,就会出现误差。为此,可以将其用基于非线性最优控制技术的励磁调节器代替。但是,非线性最优控制调节器存在着对电压控制能力较弱的缺点。提出了一种能够将非线性最优励磁调节器和PID技术的电力系统稳定器有机结合的新型励磁调节器的设计原理,即把PID控制能在工作点有效控制和非线性最优控制能够精确描述同步发电机运行状态的优点结合起来,从而对发电机进行有效的控制。仿真验证表明:该方法是可行的。

基于粒子群优化算法的自调节非线性PID气缸位置控制研究

气动执行机构具有加速度快、成本低、功率重量比高和在恒定负载下不会过热等优点,但同时其非线性特征突出,造成难以实现高精度位置控制。对此,在非线性PID(Nonlinear Proportion-Integral-Derivative,N-PID)控制的基础上,提出了一种自调节非线性PID(Self-regulation Nonlinear Proportion-Integral-Derivative,SN-PID)的控制策略,通过粒子群优化(Particle Swarm Optimization,PSO)算法确定速度变化参数δ和β,不断地更新速动率α,利用Popov稳定判据确定非线性增益k(e)的最大值,从而调整非线性方程的输出,提高气动系统的阶跃响应。实验结果表明:SN-PID能够对负载的变化做出及时的响应,瞬态响应速度较N-PID提高2. 2倍,系统稳态误差可达0. 01 mm,SN-PID控制器下的气缸,可以快速准确地到达指定位置,而且没有明显冲击。

全要素生产率与区域经济高质量发展的空间非线性检验

文章运用空间面板模型和门限面板模型研究了2000—2017年我国30个省份全要素生产率与区域经济高质量发展的非线性空间关系。结果表明:经济高质量发展存在空间失衡,全要素生产率能显著促进经济高质量发展且促进力度呈"倒U"型;当城镇化水平处于最优范围时,其促进作用加强,当城镇化水平超过一定值时,其促进作用减弱。各地区应实施差异化的经济高质量发展战略,大力提高全要素生产率,避免盲目提高城镇化水平。

奇摄动非线性系统的最优控制

本文讨论一类奇摄动非线性系统的最优控制 ,证明了该系统存在唯一的最优控制u(t,ε) ,使目标函数达到最小。给出了状态变量和控制u(t,ε)的渐近展开 ,并证明了其一致有效性。

基于非线性非仿射模型的直流微电网电压控制方法

提出了由光伏、储能、恒电阻负载和恒功率负载组成的直流微电网新型电压调节和最大功率点跟踪控制方法。该方法建立了具有非仿射输入的多输入多输出非线性直流微电网系统的动态模型。在此非线性动态模型的基础上,利用输出调节理论设计了局部状态反馈控制器,通过调节电压来规定设定值,使光伏功率输出达到最大。利用无源系统理论和李雅普诺夫稳定性理论研究了非仿射系统的全局设定点调节问题。在光照和负载同时发生变化的情况下,通过仿真验证了所提控制方案的有效性。

一种基于非线性系统的动态感知系数的自适应粒子群优化算法

在优化非线性复杂系统问题中,智能算法已成为一种重要手段.提出了一种基于动态感知系数的自适应粒子群优化(particle swarm optimization,PSO)算法(self-tuning PSO,SPSO),将PSO算法的感知系数与神经网络算法结合,并于在线学习训练过程中动态调整感知系数,改善了PSO算法的计算效率以及全局收敛效率.进一步将2个相互关联的神经网络——比例积分微分(proportion integration differentiation,PID)神经网络及SPSO神经网络结合起来,使其能有效解决非线性控制模型的问题.为了验证该算法,引入了4个仿真例及2种PSO优化算法——传统PSO(conventional PSO,CPSO)和修正PSO(modified PSO,MPSO),来比较SPSO算法在解决控制问题中的非线性复杂系统的高效性,结果显示SPSO算法有较好的全局收敛性能、收敛速度以及较强的鲁棒性.