简介：对一种柔性关节微操作机器人系统提出了多输入多输出直接自适应模糊广义预测控制方法,此方法先基于机器人理论模型设计出广义预测控制器,再构造直接自适应模糊控制器逼近广义预测控制器,并用机器人视觉误差信息对控制器参数和广义误差向量估计值中的未知向量进行自适应调整,以增强对建模误差的鲁棒性,并证明了所设计的控制器可使微操作机器人跟踪时变参考轨迹时的广义误差估计值收敛到原点的小邻域内,以达到控制要求.仿真结果验证了此方法的有效性.

简介：运用Bell多项式定理研究了一个（2＋1）维AKNS方程的可积性,得到双线性方程、Backlund变换以及运用Backlund变换求得其孤子解,最后运用Bell多项式得出Lax对.

简介：浦肯野神经元是小脑皮层唯一的输出神经元,其传入纤维主要包括来自橄榄核的盘状纤维和来自皮层颗粒神经元的平行纤维.基于与实际神经系统十分相似浦肯野神经元回路模型,本文研究了回路中三种神经元（浦肯野神经元,颗粒神经元,盘状纤维）的相位响应曲线（PRC）并结合它们各自的f-I曲线对来区分三种神经元的兴奋性;进而对不同类型的神经元之间的同步性进行分析,着重考察了不同神经元之间突触的电导系数与浦肯野神经元树突上的CaP电导系数的影响等,分析结果显示神经元之间同步性对于它们信息传递起着重要作用.

简介：为了满足空间探测任务的要求，需采用轻质的伸杆机构支撑各类探测载荷远离卫星本体以避免平台剩磁对空间测量信息的干扰，而挠性伸杆的弹性振动会耦合影响到卫星本体，从而降低卫星本体的姿态控制精度．考虑到挠性附件振动的复杂性及其对航天器本体的耦合影响，采用最优指令整形抑制挠性伸杆的低阶模态振动，并在本体控制中设计自适应扰动抑制滤波器进一步抵消挠性伸杆的残余振动对本体的干扰作用．仿真结果表明，此复合振动控制方法可显著的提高此小卫星的姿态控制精度．

简介：基于动力系统的稳定性理论、数值计算分岔图和线性化系统的最大Lyapunov指数,研究了经兴奋性化学耦合的快峰神经元的同步动力学.研究表明,随着一些关键参数的改变,耦合神经元能呈现丰富的同步行为,如各种周期的同步和混沌的同步.研究结果对理解神经元系统的同步运动具有指导意义.

简介：根据Rumyantsev提出的Poincaré—Chetaev变量下的广义Routh方程．用无限小变换的方法研究它的对称性与守恒量，得到守恒量存在的条件和形式．该结果比以往的Poincaré—Chetaev方程的相关结论更一般．最后．举例说明结果的应用。

简介：利用CMAC神经网络与PID控制算法,提出了一种针对飞行器挠性结构振动的混合控制方法.首先在给出系统动力学方程的基础上,利用CMAC神经网络的具体特点,给出了神经网络算法;进而将PID控制算法引入控制系统,形成了一种混合控制方法,该方法具有CMAC神经网络与PID控制算法两者的优点.最后针对复杂的飞行器挠性结构振动问题进行了实例仿真,说明了算法的有效性.

简介：建立随机风作用下高速列车动力学参数的可靠性优化设计方法．首先考虑自然风的脉动特性，采用Cooper理论和谐波叠加法模拟随车移动点的脉动风速，给出随机风作用下高速列车非定常气动载荷的计算方法．然后建立高速列车车辆系统动力学模型，计算高速列车的运行安全性，并基于可靠性理论，给出随机风作用下高速列车失效概率的计算方法．在此基础上，以高速列车动力学参数为优化设计变量，以失效概率和轮轴横向力为优化目标，采用多目标遗传算法NSGA—II进行动力学参数的自动寻优，建立随机风作用下高速列车动力学参数的可靠性优化设计模型．经可靠性优化计算，高速列车的失效概率由原始的0．4884降低为0．1406，轮轴横向力由原始的45．13kN降低为43．01kN．通过优化高速列车动力学参数可以显著改善随机风作用下高速列车的运行安全性．

简介：基于Poincaré映射方法对一类两自由度碰撞系统进行研究.经过详细的理论演算得到单碰周期1/n的亚谐周期运动的存在性判据,并能精确地找到亚谐周期运动的初始位置.表明碰振系统的周期运动研究可以通过解析与数值方法的结合去实现.数值模拟表明了亚谐周期运动的存在性判据的正确性,并通过计算Jacobi矩阵的特征值可判断周期运动的稳定性及分岔.

简介：根据符号动力系统与真实动力学系统拓扑共轭的特性，本文提出动态标架分割法，把动力学系统的某时间变量序列转化成符号序列；运用Lemple-Ziv复杂度算法计算该符号序列的复杂度值，据此对动力学系统的复杂性进行分析，从而可以对动力学系统的性质进行定性地判断，以杜芬振子为例，数值模拟结果表明基于动态标架分割法计算得到的复杂度能够很好地描述系统的复杂性，并可定性地判断系统的性质。

简介：研究完整力学系统的Noether对称性、Lie对称性和形式不变性，以及由它们导致的Noether守恒量、Hojman守恒量和一类新型守恒量。

简介：峰放电频率适应性是神经元在信息处理过程中重要的动力学特性之一.当神经系统受到外电场作用时,会对其动力学行为以及神经电信息的产生、传导产生影响.我们基于Leakyintegrate-and-fire（LIF）神经元模型,建立了外电场作用下改进的LIF神经元模型.采用随时间演化的膜电位曲线和峰放电频率曲线,以及随外电场变化的起始峰放电频率曲线和稳态峰放电频率曲线,研究不同强度、频率外电场作用下改进的LIF模型的适应性变化.此外,还利用相邻峰峰间期（ISI）之间的相关性进一步阐明外电场对神经元适应性的影响.

简介：利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型，通过数值模拟的方法，提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学．结果发现，当耦合项中不含时滞时，适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优，即适中的参数异质性能够诱导神经元网络的共振响应，而且异质性诱导共振对耦合强度具有鲁棒性．更重要的是，耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响．当时滞约为信号周期的整数倍时，神经元网络能够周期性地出现共振现象，即适当的耦合时滞能够诱导神经元网络的多重共振，而且这种现象在异质性参数的适当范围内都能明显出现．