Hausdorff Dimension and Fractal Dimension of the Global Attractor for the Higher-Order Coupled Kirchhoff-Type Equations

This paper mainly deals with the higher-order coupled Kirchhoff-type equations with nonlinear strong damped and source terms in a bounded domain. We obtain some results that are estimation of the upper bounds of Hausdorff dimension and Fractal dimension of the global attractor.

具有高阶非线性项的广义KdV方程的精确孤波解

研究具有高阶非线性项的广义KdV方程ut+αuux+βu3x+γu5x=0的精确孤波解,其中u=u(x,t),x,t∈R,α,β,γ为常数,且αβγ≠0.利用以符号运算构造非线性方程的多形式孤波解的广义Tanh方法,讨论了该方程的孤波解的精确解析表达式,而且从参数的符号判断孤波解的数量和类型,并给出了算法的程序.

高阶非线性效应对飞秒脉冲激光器的影响

本文以分段计算法用高阶非线性薛定谔方程讨论了激光器的传输过程 ,考虑了有三阶色散、高阶非线性效应 -自陡峭效应存在时 ,激光器中飞秒脉冲的传输特性 ,给出了棱镜对的分离距离与激光器脉宽的关系 ,并用数值计算法模拟了脉冲在激光器中的传输过程 .

具非线性记忆的高阶阻尼双曲系统的一个爆破结果

该文研究了一类具非线性记忆项的高阶阻尼双曲系统的初值问题,利用试验函数方法,给出了弱解的一个爆破结果.

改进保留非线性算法在介损测量应用中的研究

摘针对高阶正弦拟合法中迭代所用的运算时间和计算精度之间的矛盾制约该法用于介损测量的问题。提出一种快速收敛潮流算法—改进保留非线性算法,使介损的数字化测量中,在 tanδ<0. 000 3 时,计算时间<10ms。在满足介损在线监测的同时,还可以实时检测系统频率,为同步采样提供了一条新途径。

一类具高阶非线性项的发展方程的准确周期解

本文导出了具高阶非线性项的Lienard方程的准确周期解并从理论上给予了证明,然后利用这些公式得到一大批具高阶非线性项的发展方程的各种Jacobi椭圆函数型的准确周期解,由此避免了一大类非线性发展方程求周期解时求解过程的重复。

一类高阶波动方程的整体解及指数衰减估计

研究了一类具有强耗散项的非线性高阶波动方程的初边值问题.通过在Sobolev空间中定义稳定集证明了此问题整体解的存在性,并给出了解的指数衰减估计.同时得到了初始能量为正时,解在不稳定集内发生爆破.

具有强迫项的高阶非线性中立型微分方程的振动性

研究了一类具有强迫项与连续分布滞量的高阶非线性中立型方程解的振动性,确立了该类方程新的振动准则,并得到了方程所有解振动的充分条件,所得结论改进和推广了已知的一些结果。

改进非线性潮流算法在功率因素测量应用中的研究

在功率因数的数字化测量中,由于电网频率波动造成非同步采样,从而影响功率因素测量的准确度.本文首次将一种快速收敛潮流算法-改进非线性潮流算法,应用于功率因素的数字化测量中,在准确度误差不超过0.0003的条件下,计算时间却小于10ms,满足功率因素在线监测的同时,还可以实时检测系统频率,为同步采样提供了一条新的途径.

一类非线性脉冲中立抛物型分布参数系统的振动条件

研究一类带中立项及高阶Laplace算子的非线性脉冲抛物型分布参数系统在第一类边值条件下的振动性问题,利用处理中立项及高阶Laplace算子的技巧和积分平均方法,建立了该类系统所有解振动的若干新的充分性条件.所得结论充分表明系统振动是由脉冲量和时滞量引起的.

通用EIV平差模型的线性化估计算法

通用变量含误差(errors-in-variables, EIV)模型将EIV模型扩展至最一般化的形式,其加权整体最小二乘算法(weighted total least squares, WTLS)同时顾及观测向量、观测向量的系数矩阵和参数向量的系数矩阵中的随机误差。将通用EIV函数模型展开,将二阶项纳入模型的常数项,从而将非线性的通用EIV模型表示为线性的高斯-赫尔默特模型,推导出通用EIV模型的线性化整体最小二乘(linearized total least squares,LTLS)算法和近似精度估计公式。通过模拟数据和实例评估分析可知,LTLS算法与通用EIV模型的WTLS算法估计结果一致,验证了算法的正确性和可行性。当模型含大量估计量时,通用EIV模型的LTLS算法显著提升了计算效率,收敛速度更快。

基于随机配置网络的非线性系统智能建模方法

针对一类非线性离散动态系统,研究非线性系统的智能建模方法.首先,采用带遗忘因子的递推最小二乘法对低阶模型的未知参数进行辨识;然后,对高阶非线性部分采用随机配置网络进行估计;最后,利用两种辨识方法在外部误差准则下对系统进行交替辨识,进而提出一种改进的非线性系统交替辨识的智能建模方法.将随机配置网络与递推最小二乘算法相结合,可有效提高非线性系统的辨识精度,并且通过数值仿真实验进行对比分析以验证所提出算法的有效性.