一类时间滞后关联大系统的全局指数稳定性

利用M-矩阵理论，通过构造适当的向量李雅普诺夫函数，研究一类具有时变时间滞后的线性关联大系统的全局指数稳定性．在时间滞后连续且有界的条件下，通过分析具有时间滞后的微分不等式的稳定性，得到了该类大系统全局指数稳定的一个判据．该判据利用大系统的系数矩阵以及与大系统关联的李雅普诺夫矩阵方程的解构造判定矩阵，根据判定矩阵是否为M-矩阵判定大系统的全局指数稳定性．该判据计算简便，且与时间滞后量无关，便于应用．     

一类随机非线性关联大系统的全局指数稳定性

为研究车辆建模导致的随机误差对自动化公路车辆系统等关联大系统的影响,将确定性箱体理论推广到随机箱体理论,利用M-矩阵理论和随机箱体理论,构造适当的向量Lyapunov函数,通过分析相应随机微分不等式的稳定性,利用随机大系统的系数矩阵以及与大系统关联的Lyapunov矩阵方程的解构造判定矩阵,得到该类大系统全局指数稳定性的充分性判据,即当判定矩阵为M-矩阵时,大系统是全局指数稳定的.仿真结果表明:本文算法收敛速度快,在20 s内系统状态就能达到稳定.     

时变时滞细胞神经网络的周期运动的稳定性

利用M-矩阵理论和矢量Lyapunov函数方法,研究变时滞周期运动细胞神经网络的全局指数稳定性．在放松该类神经网络激活函数的有界性、单调递增性、可微性及Lipsehitz连续等条件下,得到了该类神经网络周期解的存在性与全局指数稳定的代数判据．该判据基于神经网络激活函数满足的条件,利用连接权值矩阵及阻尼系数矩阵构造测试矩阵,根据测试矩阵是否为M-矩阵判定系统周期解的存在性与全局指数稳性．     

一类超混沌系统的追踪控制与同步

针对一类新的超混沌系统,提出了一种追踪控制方案,利用Lyapunov方法证明了受控系统可使其状态输出指数收敛到任意给定的参考信号,实现同步．讨论了一个四阶超混沌系统的自同步及与Lorenz—Stenflo系统的异结构同步问题,数值仿真进一步验证该方法的有效性．     

Hopfield神经网络的全局指数稳定性

通过引入非线性测度的概念，不要求激励函数连续可微、单调非降或有界，并假设自反馈项为非线性，研究了一类Hopfield神经网络平衡点的存在性、唯一性．得到了全局指数稳定性的判据，并给出了收敛率估计式．     

脉冲干扰复数域Cohen-Grossberg神经网络的稳定性

为了分析脉冲干扰因素对复数域神经网络的影响,研究了一类具有脉冲干扰的变时滞复数域Cohen-Grossberg神经网络的平衡点的动态行为.在假定放大函数、自反馈函数以及激活函数定义在复数域的情况下,首先,利用M矩阵和同胚映射的相关原理,分析了该系统平衡点的存在性和唯一性;其次,利用向量Lyapunov函数法以及数学归纳法,研究了该系统平衡点的全局模指数稳定性,并建立的稳定性判据;最后,通过两个数值仿真算例验证了所得结论的实用性和正确性.仿真结果显示系统状态在0.5 s便可收敛到平衡状态.研究结果表明:时滞和脉冲干扰强度越大、放大函数越小,则神经元状态的指数收敛速度越慢.      

OD矩阵估计问题研究综述

OD矩阵是交通规划、管理与控制的重要决策支持数据,OD矩阵估计是获得OD矩阵数据的一种先进技术方法。主要对道路交通系统的OD矩阵估计(静态和动态)方面的相关主要文献进行概括总结与简单评述,包括研究现状及存在的主要问题等。主要涉及道路观测点的优化布设、静态OD矩阵估计模型及算法、动态OD矩阵估计模型和方法等几方面。最后,总结了近期OD矩阵估计方面的主要研究热点。     

OD矩阵估计问题研究综述

OD矩阵是交通规划、管理与控制的重要决策支持数据,OD矩阵估计是获得OD矩阵数据的一种先进技术方法.主要对道路交通系统的OD矩阵估计(静态和动态)方面的相关主要文献进行概括总结与简单评述,包括研究现状及存在的主要问题等.主要涉及道路观测点的优化布设、静态OD矩阵估计模型及算法、动态OD矩阵估计模型和方法等几方面.最后,总结了近期OD矩阵估计方面的主要研究热点.     

对时滞BAM神经网络脉冲上界的估计

研究了时滞双向联想神经网络的指数稳定性,集中讨论了脉冲对指数稳定性的影响。结果显示,若非脉冲DBAM系统全局指数稳定,即使状态在脉冲时刻被放大到某一较大范围,相应的脉冲系统也能保持其稳定特性。根据非脉冲系统的指数收敛度,对保持系统指数稳定的脉冲上界和脉冲间隔进行了估计。     

对时滞BAM神经网络脉冲上界的估计

研究了时滞双向联想神经网络的指数稳定性,集中讨论了脉冲对指数稳定性的影响。结果显示,若非脉冲DBAM系统全局指数稳定,即使状态在脉冲时刻被放大到某一较大范围,相应的脉冲系统也能保持其稳定特性。根据非脉冲系统的指数收敛度,对保持系统指数稳定的脉冲上界和脉冲间隔进行了估计。     

基于向量Liapunov函数的时滞车辆跟随系统稳定性分析

为了提高自动化高速公路车辆纵向跟随控制系统的稳定性,建立了关于车辆跟随误差的具有时间滞后的无限维非线性关联大系统模型,应用向量李雅普诺夫函数对大系统的稳定性进行了分析。以大系统的孤立子系统的稳定性条件为基础,在假定系统满足全局Lipschitz条件的情况下,得到了此类大系统指数稳定的充分性判据。该判据是与时间滞后量无关的显式判据,可方便地应用于车辆纵向跟随控制器的设计。     

基于指数平滑法的平抑风电功率波动储能控制策略

随着风电并网渗透率不断提高,风电并网的功率波动对电网产生的不利影响逐渐显现.本文将储能系统（ESS）用于抑制风电发电系统的功率波动性.同时考虑ESS荷电状态（SOC）和风电功率波动率的情况下设计了一种基于指数平滑法（ES）的平抑风电功率波动的储能控制策略方法.算例结果验证了该控制策略的正确性和有效性.     

基于指数形式渗流的成层地基一维固结半解析解

为了计算基于指数形式渗流的成层地基一维固结变形,将指数形式的渗流模型引入传统的成层地基一维固结理论,建立了变荷载条件下的控制微分方程;采用解析法与数值离散相结合的半解析法对控制方程进行求解;在指数形式渗流退化为达西渗流的条件下,将半解析法的计算结果与解析解进行比较,验证了半解析法计算结果的可靠性.最后,结合某双层地基固结实例对不同参数时的固结性状进行了分析.结果表明:用半解析法计算基于指数形式渗流的成层地基一维固结简便、可靠;上层土比下层土的渗流指数对固结速率的影响显著;压缩性小、渗透性大的土层越厚,成层地基的固结速率越快;加载速率越快,固结速率越快.      

时滞网络化群体编队控制系统收敛性分析

针对时滞网络化群体的编队控制问题,设计了PD控制器进行控制.群体为双积分系统,群体中的个体之间基于固定的拓扑结构图进行交互作用.个体的反馈控制作用仅仅基于个体与其邻居之间的相对信息,通信拓扑结构图可以为无向和有向图.设计了PD控制器来提高系统的收敛性.通过仿真确定了PD控制器的比例系数、微分系数对系统收敛性的影响,并给出了设计控制器参数的方法.仿真结果表明所设计的PD控制器提高了系统的收敛性.     

脉冲混沌神经网络的全局指数同步性

为研究脉冲神经网络的动力学行为,基于驱动-响应概念分析了两种具有可变时滞的脉冲混沌神经网络的全局指数同步性.假设激活函数满足严格单调递增,用神经网络的权系数、自反馈函数及激活函数构造不等式.根据向量Lyapunov函数理论,得到了驱动-响应系统全局指数同步充分条件的方程,即该方程小于0.数值仿真结果证明了该充分条件的正确性.     

随机时滞Recurrent神经网络的指数稳定性

研究了随机时滞Recurrent神经网络的稳定性,利用Lyapunov函数和It公式,结合矩阵分析技巧,给出了系统均方指数稳定的充分条件,并由此推得随机时滞Hopfield神经网络和随机时滞细胞神经网络的稳定性条件.     

Stability of Neutral Stochastic Differential Equations with Multiple Variable Delays

This paper discusses the pth moment stability of neutral stochastic differential equations with multiple variable delays. The equation has a much more general form than the neutral stochastic differential equations with delay. A new kind of ψ-function is introduced to address the stability, which is more general than the exponential stability and polynomial stability. Using a specific Lyapunov function, a stability criteria for the neutral stochastic differential equations with multiple variable delays is established, by which it is relatively easy to verify the stability of such equations. Finally, the proposed theories are illustrated by two examples.     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。