删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

脉冲干扰时滞复值神经网络的稳定性分析

本站小编 哈尔滨工业大学/2019-10-24

脉冲干扰时滞复值神经网络的稳定性分析

徐晓惠1, 张继业2, 施继忠3, 任松涛1

(1.西华大学 汽车与交通学院,610039 成都;2. 牵引动力国家重点实验室(西南交通大学),610031 成都; 3.浙江师范大学 工学院, 321004 浙江 金华)



摘要:

为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.

关键词:  复值神经网络  脉冲干扰  混合时滞  全局指数稳定性  矢量Lyapunov函数

DOI:10.11918/j.issn.0367-6234.2016.03.028

分类号:TP391

文献标识码:A

基金项目:国家自然科学基金(4,2, 4,1);四川省青年科技创新研究团队专项计划 (2015TD0021);教育部“春晖计划”合作科研项目(Z2014075);浙江省自然科学基金(LY14E08006).



Stability analysis of delayed complex-valued neural networks with impulsive disturbances

XU Xiaohui1, ZHANG Jiye2, SHI Jizhong3, REN Songtao1

(1.School of Automobile and Transportation, Xihua University, 610039 Chengdu, China; 2.National Traction Power Laboratory(Southwest Jiaotong University), 610031 Chengdu, China; 3. College of Engineering, Zhejiang Normal University, 321004 Jinhua, Zhejiang,China)

Abstract:

To investigate the effect of impulsive disturbances on the dynamical behavior of the equilibrium point of complex-valued neural networks, the globally exponential stability of a class of the system with mixed delays and impulsive disturbances was studied in this paper. Assume that the neuron states, activation functions and interconnected matrix were defined in the complex domain. Some sufficient conditions for assuring the existence, uniqueness and globally exponential stability of the equilibrium point of the system were obtained by applying the M matrix theory, the mathematical induction and the vector Lyapunov function methods. Meanwhile, the exponential convergence rate was proposed. It can be concluded from the established sufficient conditions that the exponential convergence rate of the neurons is reduced by both time delays and the impulsive disturbances. The stability criteria established in this paper generalize the existing results. Finally, a numerical example with simulations was given to show the correctness of the obtained results.

Key words:  complex-valued neural networks  impulsive disturbances  mixed delays  globally exponential stability  vector Lyapunov function


徐晓惠, 张继业, 施继忠, 任松涛. 脉冲干扰时滞复值神经网络的稳定性分析[J]. 哈尔滨工业大学学报, 2016, 48(3): 166-170. DOI: 10.11918/j.issn.0367-6234.2016.03.028.
XU Xiaohui, ZHANG Jiye, SHI Jizhong, REN Songtao. Stability analysis of delayed complex-valued neural networks with impulsive disturbances[J]. Journal of Harbin Institute of Technology, 2016, 48(3): 166-170. DOI: 10.11918/j.issn.0367-6234.2016.03.028.
基金项目 国家自然科学基金(11402214,51375402,11572264,61273021);四川省青年科技创新研究团队专项计划(2015TD0021);教育部"春晖计划"合作科研项目(Z2014075);浙江省自然科学基金(LY14E08006) 作者简介 徐晓惠(1982-), 女, 副教授;
张继业(1965-), 男, 教授, 博士生导师 通信作者 徐晓惠, xhxu@163.com 文章历史 收稿日期: 2014-12-10



Contents            -->Abstract            Full text            Figures/Tables            PDF


脉冲干扰时滞复值神经网络的稳定性分析
徐晓惠1, 张继业2, 施继忠3, 任松涛1    
1. 西华大学 汽车与交通学院, 610039 成都;
2. 牵引动力国家重点实验室(西南交通大学), 610031 成都;
3. 浙江师范大学 工学院, 321004 浙江 金华

收稿日期: 2014-12-10
基金项目: 国家自然科学基金(11402214,51375402,11572264,61273021);四川省青年科技创新研究团队专项计划(2015TD0021);教育部"春晖计划"合作科研项目(Z2014075);浙江省自然科学基金(LY14E08006)
作者简介: 徐晓惠(1982-), 女, 副教授;
张继业(1965-), 男, 教授, 博士生导师
通信作者: 徐晓惠, xhxu@163.com


摘要: 为分析脉冲干扰因素对复值神经网络动态行为的影响,研究一类具有混合时滞和脉冲干扰的复值神经网络的平衡点的全局指数稳定性.在假定神经元状态、激活函数以及关联矩阵定义在复数域的情况下,利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,分析确保该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件,并给出了指数收敛率,最后通过一个数值仿真算例验证了所得结论的正确性.结果表明:时滞和脉冲干扰均会降低神经元状态的指数收敛速度,所建立的稳定性判据推广了现有结论.
关键词: 复值神经网络    脉冲干扰    混合时滞    全局指数稳定性    矢量Lyapunov函数    
Stability analysis of delayed complex-valued neural networks with impulsive disturbances
XU Xiaohui1, ZHANG Jiye2, SHI Jizhong3, REN Songtao1    
1. School of Automobile and Transportation, Xihua University, 610039 Chengdu, China;
2. National Traction Power Laboratory(Southwest Jiaotong University), 610031 Chengdu, China;
3. College of Engineering, Zhejiang Normal University, 321004 Jinhua, Zhejiang, China


Abstract: To investigate the effect of impulsive disturbances on the dynamical behavior of the equilibrium point of complex-valued neural networks, the globally exponential stability of a class of the system with mixed delays and impulsive disturbances was studied in this paper. Assume that the neuron states, activation functions and interconnected matrix were defined in the complex domain. Some sufficient conditions for assuring the existence, uniqueness and globally exponential stability of the equilibrium point of the system were obtained by applying the M matrix theory, the mathematical induction and the vector Lyapunov function methods. Meanwhile, the exponential convergence rate was proposed. It can be concluded from the established sufficient conditions that the exponential convergence rate of the neurons is reduced by both time delays and the impulsive disturbances. The stability criteria established in this paper generalize the existing results. Finally, a numerical example with simulations was given to show the correctness of the obtained results.
Keywords: complex-valued neural networks    impulsive disturbances    mixed delays    globally exponential stability    vector Lyapunov function    
近年来,复值神经网络在联想记忆[1]、模式识别[2]、优化问题求解[3]等领域得到了越来越多的应用,关于复值神经网络的其他应用参见文献[4].神经网络平衡点的存在性以及收敛性是将其进行硬件设计的前提条件,因此对复值神经网络平衡点的动力学行为的研究是非常必要的.文献[5]研究了一类具有固定时滞的递归复值神经网络,并利用LMI方法给出了判定该系统全局稳定的充分条件.文献[6]研究了一类离散复值神经网络,并给出了判定平衡点存在性、唯一性和指数稳定的判定定理.文献[7]在假设复值激活函数关于神经元状态分别满足有界或Lipschitz条件的情况下,利用LMI方法研究了一类具有固定时滞的复值神经网络平衡点的动态行为.文献[8]研究了一类递归复值神经网络的多稳态问题,但在模型中没有考虑时滞.时滞现象在实际系统中是不可避免的, 在神经网络中引入时间滞后参量,有利于移动目标的图像处理、移动物体速度的确定和模式分类.文献[9-10]在研究一类复值神经网络平衡点的多稳态问题时在模型中引入了时滞,并得到了相应的稳定性充分判据.文献[11-12]也初步研究了几类具有混合时滞的复值神经网络的平衡点的动态行为,并利用向量Lyapunov函数法的得到了确保系统平衡点存在性、唯一性以及指数稳定性的充分判据.文献[5-12]所考虑的复值神经网络都是确定型系统,在实现复值神经网络硬件系统中,由于频率转换或者开关闭合等操作,使得系统的状态在某些离散时刻会发生瞬间跳变,即系统状态受到脉冲干扰.关于具有脉冲干扰的实值神经网络的动态行为分析,文献[13-17]已经作了大量的研究,然而目前尚未有学者对具有脉冲干扰的混合时滞复值神经网络平衡点的动态行为进行过相关研究.基于以上分析,本文将在一类复值神经网络模型中同时考虑混合时滞和脉冲干扰,利用向量Lyapunov函数法和数学归纳法,研究该系统平衡点的模的全局指数稳定性,并得到确保系统全局指数稳定的充分条件.

1 模型描述、基本假设以及引理首先定义一些记号.令 C 为复数域,R 为实数域.记 z=x+yi∈C,|z|=(x2+y2)0.5 为复数 z 的模,且 z*z 的共轭转置.对于复数向量 zCn,令|z|=(|z1|, |z2|, …, |zn|)T,定义‖z‖= . 对于复数矩阵 A=(akj)n×nCn×nA* 为矩阵 A 的共轭转置矩阵.考虑如下具有脉冲干扰的混合时滞复值神经网络:

(1)

其中:zkC 为第 k 个神经元状态,k=1, 2, …, nmΝn 为神经元个数;Δzk(tm) 为在离散时刻 tm 系统状态的突变量,离散集{ tm }满足 0≤t0t1<…<tm<…,且当 m→∞ 时 tm→∞,假设 zk(tm)=zk(tm+) 且A=(akj)n×nCn×nB=(bkj)n×nCn×nP=(pkj)n×nCn×n 分别为该系统的关联矩阵;U=(u1, u2, …, un)TCn 为系统外部常输入;f(z(t))=(f1(z1(t)), f2(z2(t)), …, fn(zn(t)))T 为该系统的激活函数,D=diag(d1, d2, …, dn)∈Rn×n 为自反馈关联矩阵,且 dk>0 ,k=1, 2, …, n;时延 τkj(t)(k, j=1, 2, …, n) 为有界函数,且 τ=max1≤k, jnsupt≥0τkj(t).

假设连续函数 θkj:[0, +∞)→[0, +∞),满足

(2)

其中:μkj(β) 为 [0, δ) 上的连续函数,且 μkj(0)=1,这里 δ>0.

假设系统(1)的初始条件为 zk(s)=φk(s) ,其中 φk(s) 为 (-∞, 0] 上的有界连续函数.令 z#=(z1#, z2#, …, zn#)T 为系统(1)的平衡点.

定义1??若存在常数 Γ>0 和 λ>0,对所有 UCnt≥0,有 ‖z(t)-z#‖≤sups∈(-∞, 0]φ(s)-z#Γexp(-λt) 成立,则称系统(1)的平衡点 z# 是全局指数稳定的.

假设1??假设激活函数 fk(·) 满足全局Lipschitz条件,即存在Lipschitz常数 lk>0,使得对所有 zk, vkC,有 |fk(zk)-fk(vk)|≤lk|zkvk| 成立,k=1, 2, …, n. 令 L=diag(l1, l2, …, ln).

假设2??令 Δzk(tm)=zk(tm+)-zk(tm)=Ikm(zk(tm)),其中 Ikm(·) 为复值连续脉冲函数,且 Ikm(0)=0. 假设存在常数 ηkm>0,使得不等式 |zk(tm)+Ikm(zk(tm))|≤ηkm|zk(tm)| 成立,k=1, 2, …, nmΝ. 令 ηm=max{1, η1m, η2m, …, ηnm}.

引理1[11]??对于矩阵 A=(akj)n×nRn×n,如果所有非对角元素 akj≤0,kj,则下面陈述是等价成立的:a) A为M矩阵;b) A 的各阶顺序主子式均为正;c)存在 ξRn>0,使得 Aξ>0;d) A 的所有特征根的实部为正.

2 主要结论定理1??假设1、2是成立的.若存在常数 λ>0 和 η>0,其中 且满足 λ>η,以及一系列正常数 ξk 使得下面的不等式均成立.

(3)

这里 k=1, 2, …, n, mN. 那么系统(1)针对任意外部常输入 UCn,均存在唯一平衡点 z#,且该平衡点是全局指数稳定的,指数收敛率为 0.5(λη).

证明??令,则系统(1)可改写为

(4)

其中.

令系统(4)的初始条件为 ψk(s)=φk(s)-zk#k=1, 2, …, n,-∞<s≤0. 考虑到不等式(3)以及引理1可知矩阵 Q 为M矩阵,且



其中 k, j=1, 2, …, nkj.

根据文献[11]中定理1可知,系统(1)的连续部分存在唯一平衡点 z#,即系统(4)存在唯一平衡点. 选择如下向量Lyapunov函数:



在不引起混淆的情况下,将 记作 Vk(t),k=1, 2, …, n. 当 0 < t < t1 时,计算 Vk(t) 沿方程(4)的右上导数,并考虑到假设1,有

(5)

定义曲线 ζ={ω(χ):ωk=ξkχ, χ>0, k=1, 2, …, n} 和集合 Ω(ω)={h:0≤hω, ωζ}. 显然当 χχΩ(ω(χ)) Ω(ω(χ′)). 令 ξmax=max1≤kn{ξk},ξmin=min1≤kn{ξk},χ0=δψ2/ξmin,其中 δ>1 为一个常数,则

Ω(ω0(χ0)),即.

进一步可得 Vk(t) < ξkχ0k=1, 2, …, n,0 < t < t1. 若该不等式不成立,那么存在某个 k 和时刻 t*(0 < t* < t1),使得 Vk(t*)=ξkχ0D+Vk(t*)≥0,Vj(t*)≤ξjχ0j=1, 2, …, n. 将其代入到不等式(5)中,并考虑到不等式(3),有



这与假设 D+Vk(t*)≥0 是矛盾的.因此有 Vk(t) < ξkχ0,即|zk(t)| < (2ξkχ0exp(-λt))0.5k=1, 2, …, n,0 < t < t1.

接下来,采用数学归纳法证明:

(6)

m=1 时,|zk(t)|2 < 2η0ξkχ0exp(-λt),k=1, 2, …, nt0tt1,其中 η0=1. 根据上面的分析,该式显然成立.假设下面的不等式是成立的,即

(7)

t=tm 时,根据假设2有 |zk(tm+)|2=|zk(tm)+Ikm(zk(tm))|2ηkm2|zk(tm)|2ηm2|zk(tm)|2.

由于 ηm≥1,进而不等式(7)变为

(8)

进一步可以得到下面的不等式成立,即

(9)

若上式不成立,那么存在某个子系统 k′ 和时刻 t′,使得 D+Vk(t′)≥0 以及



然后将其代入到式(5)中, 并考虑到式(3),有



这与假设 D+Vk(t′)≥0 是矛盾的.因此不等式(9)是成立的.根据数学归纳法,有

(10)

根据定理条件, 可知 ηm≤exp(0.5η(tmtm-1)),即 ηm2≤exp(η(tmtm-1)),mΝ. 将其代入到不等式(10)中,有



进一步,有

z(t)‖<(2δψ2ξmax/ξmin)0.5exp(-0.5(λη)(tt0))=Γψ‖exp(-0.5(λη)(tt0)),其中 Γ=(2δξmax/ξmin)0.5.

根据定义1可知系统(4)的零解是全局指数稳定的,也就是说系统(1)的平衡点 z# 是全局指数稳定的,且指数收敛率为 0.5(λη). 证毕.

通过定理1所建立的稳定性判据,可得出如下结论:1)对于系统(1),当系统中没有脉冲干扰因素时,该模型与文献[11]中所研究的模型是相同的.判定该系统平衡点的存在性、唯一性以及全局指数稳定性的充分条件是假设1成立且矩阵 Q 为M矩阵.该结论即为文献[11]中的定理1和定理2.本文所建立的判据推广了现有结论. 2)文献[5, 8, 10-11]以及文献[7]中的定理2在研究各类复值神经网络的动态行为时,继续沿用了分析实值神经网络动态行为的方法,即采用了将复值神经网络系统分解成实部系统和虚部系统的方法,得到了确保系统实部状态和虚部状态稳定的充分判据.本文在研究该复值系统时,并没有对系统进行实部与虚部的拆分,所建立的稳定性判据为神经元状态的模的全局指数稳定性.此外,文献[9]和文献[7]中定理3也给出了判定一类复值神经网络系统神经元状态的模的稳定性的充分条件,但在系统模型中未考虑无穷时滞和脉冲干扰因素. 3)当系统(1)中仅含有可变时滞或者无穷时滞时,令定理1的不等式条件(3)中的 bkj=0 或 pkj=0,其中 k, j=1, 2, …, n,其他假设条件不变,便可得到确保相应系统平衡点全局指数稳定的充分条件.

3 算例考虑如下复值神经网络

(11)

其中 z1(t)=x1(t)+y1(t)i,z2(t)=x2(t)+y2(t)i.

假设已知自反馈矩阵.

加权矩阵分别为



激活函数为



脉冲发生时刻为 {0.2 s, 0.4 s, 0.6 s, 0.8 s, …},且



经计算,有 l1=0.50,l2=0.25,η=6.93.



令系统(11)中的时延为 τ1j=0.025-0.015sin tτ2j=0.03-0.01cos tj=1, 2,t≥0. 令



令初始条件为



进一步计算有



根据定理1可得结论:系统(11)存在唯一平衡点,且该平衡点是指数稳定的,指数收敛率为0.535.关于系统(11)的仿真结果见图 1、2,仿真结果验证了以上结论.

Figure 1
图 1 系统(11)状态的模曲线


Figure 2
图 2 系统(11)状态的实部曲线和虚部曲线


4 结论1) 针对一类具有脉冲干扰的混合时滞复值神经网络,在没有沿用实值神经网络研究方法的情况下,对其平衡点的模的全局指数稳定性进行分析.利用M矩阵理论、向量Lyapunov函数法以及数学归纳法,得到了确保该系统平衡点的模全局指数稳定性的充分条件.

2) 稳定性判据同时显示出了时滞和脉冲干扰对系统平衡点指数收敛速度的影响,即时滞越大,脉冲干扰越强烈,系统神经元状态收敛的速度越慢.所取得的研究成果推广了现有结论.

3) 通过数值算例验证了得的结论的可行性,同时算例仿真结果也显示该结论的正确性.


参考文献
[1] LEE D L. Improvement of complex-valued Hopfield associative memory by using generalized projection rules[J]. IEEE Transactions on Neural Networks, 2006, 17(5): 1341-1347. DOI:10.1109/TNN.2006.878786


[2] NAIT-CHARIF H. Complex-valued neural networks fault tolerance in pattern classification applications[C]//Proceedings of the Second WRI Global Congress on Intelligent Systems. Wuhan: IEEE, 2010: 154-157. https://ieeexplore.ieee.org/document/5709345/


[3] JIANG D. Complex-valued recurrent neural networks for global optimization of beamforming in multi-symbol MIMO communication systems[C]//Proceedings of International Conference on Conceptual Structurtion. Shanghai: Springer, 2008: 1-8.


[4] HIROSE A. Recent progress in applications of complex-valued neural networks[C]//Proceedings of 10th International Conference on Artificiality Intelligence Soft Computing Ⅱ. Zakopane: Springer, 2010: 42-46. https://link.springer.com/chapter/10.1007/978-3-642-13232-2_6


[5] ZHANG Ziye, LIN Chong, CHEN Bing. Global stability criterion for delayed complex-valued recurrent neural networks[J]. IEEE Transactions on Neural Networks and Learning Systems, 2014, 25(9): 1704-1708. DOI:10.1109/TNNLS.2013.2288943


[6] SREE H, MURTHY G. Global dynamics of a class of complex valued neural networks[J]. International Journal Neural Systems, 2008, 18(2): 165-171. DOI:10.1142/S0129065708001476


[7] HU Jin, WANG Jun. Global stability of complex-valued recurrent neural networks with time-delays[J]. IEEE Transactions on Neural Networks and Learning Systems, 2012, 23(6): 853-864. DOI:10.1109/TNNLS.2012.2195028


[8] HUANG Yujiao, ZHANG Huaguang, WANG Zhanshan. Multistability of complex-valued recurrent neural networks with real-imaginary-type activation functions[J]. Applied Mathematics and Computation, 2014, 229: 187-200. DOI:10.1016/j.amc.2013.12.027


[9] ZHAO Zhenjiang, SONG Qiankun. Global exponential stability of complex-valued neural networks with time-varying delays on time scales[C]//Proceedings of the 33rd Chinese Control Conference. Nanjing: Control Systems IEEE, 2014: 5080-5085.


[10] ZHOU Bo, SONG Qiankun. Boundedness and complete stability of complex-valued neural networks with time delay[J]. IEEE Transactions on Neural Networks and Learning Systems, 2013, 24(8): 1227-1238. DOI:10.1109/TNNLS.2013.2247626


[11] 徐晓惠, 张继业, 赵玲. 一类混合时滞复值神经网络的动态行为分析[J]. 西南交通大学学报, 2014, 49(3): 470-476.


[12] XU Xiaohui, ZHANG Jiye, SHI Jizhong. Exponential stability of complex-valued neural networks with mixed delays[J]. Neurocomputing, 2014, 128: 483-490. DOI:10.1016/j.neucom.2013.08.014


[13] SONG Qiankun, ZHANG Jiye. Global exponential stability of impulsive Cohen-Grossberg neural network with time-varying delays[J]. Nonlinear Analysis:Real World Applications, 2008, 9(2): 500-510. DOI:10.1016/j.nonrwa.2006.11.015


[14] LI Liangliang, JIAN Jigui. Exponential convergence and Lagrange stability for impulsive Cohen-Grossberg neural networks with time-varying delays[J]. Journal of Computational and Applied Mathematics, 2015, 277: 23-35. DOI:10.1016/j.cam.2014.08.029


[15] TOJTOVSKA B, JANKOVIC S. On some stability problems of impulsive stochastic Cohen-Grossberg neural networks with mixed time delays[J]. Applied Mathematics and Computation, 2014, 239: 211-226. DOI:10.1016/j.amc.2014.04.038


[16] 杨治国, 黄玉梅. 具有混合时滞的脉冲Cohen-grossberg神经网络的指数耗散性[J]. 四川大学学报(自然科学版), 2010, 47(3): 464-468.


[17] 施继忠, 徐晓惠, 张继业. 扩散反应脉冲Cohen-Grossberg神经网络的鲁棒稳定性[J]. 西南交通大学学报, 2010, 45(4): 596-602.



相关话题/干扰 西华大学 西南交通大学 动力 汽车

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 汽车轻量化技术的研究现状综述
    汽车轻量化技术的研究现状综述李光霁,刘新玲(上海应用技术大学机械工程学院,上海201418)摘要:近年来汽车行业的科技水平发展程度逐渐提高,汽车行业进入高速发展阶段,然而随之而来的环境和能源问题也日趋加重。轻量化技术变成了各个汽车企业提升市场竞争力的关键,作者根据近些年来汽车轻量化技术现状进行综述, ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 汽车六角球头冷锻工艺优化与数值仿真
    汽车六角球头冷锻工艺优化与数值仿真陈凌翔,李月超(新乡职业技术学院汽车工程系,河南新乡453000)摘要:冷锻成形工艺是一种少无切削的净近成形工艺,以其精度高、生产效率高、低耗节能等优点,大量使用在汽车零配件的生产。六角球头销是汽车转向系统中的关键零件,其六角成形的质量直接影响到产品的使用性能。本文 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 变刚度轴承-碰摩转子机动飞行动力学响应
    变刚度轴承-碰摩转子机动飞行动力学响应李小彭,陈仁桢,尚东阳,陈延炜(东北大学机械工程与自动化学院,沈阳110819)摘要:为研究机动飞行状态下高速滚动轴承-转子耦合系统非线性动力学特性,利用有限元方法建立爬升-俯冲机动飞行状态下含滚动轴承时变刚度的轴承-碰摩转子系统数学模型,并利用Newmark- ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 深沟球轴承复合故障动力学特征
    深沟球轴承复合故障动力学特征王凯1,剡昌锋1,王风涛2,常斌全3,吴黎晓1(1.兰州理工大学机电工程学院,兰州730050;2.兰州理工大学能源与动力工程学院,兰州730050;3.舜宇光学科技有限公司,浙江宁波315400)摘要:为提高状态监测水平,诊断和识别轴承的早期故障,降低因轴承故障导致的损 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 甲烷-正庚烷双燃料二阶段着火的动力学特性
    甲烷-正庚烷双燃料二阶段着火的动力学特性李锋,张尊华,梁俊杰,万琦,李格升(武汉理工大学能源与动力工程学院,武汉430063)摘要:基于CHEMKINPRO软件,选取NUI2016机理对甲烷-正庚烷双燃料进行研究.探究了甲烷-正庚烷双燃料在中低温条件下的二阶段着火特性,开展了相应的化学动力学分析.结 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 一种基于拉-剪破坏的边坡动力稳定性分析方法
    一种基于拉-剪破坏的边坡动力稳定性分析方法彭雪峰1,朱亚林1,2,马驰1,檀昆1(1.合肥工业大学土木与水利工程学院,合肥230009;2.土木工程结构与材料安徽省重点实验室,合肥230009)摘要:为量化地震作用下边坡的稳定性,优化矢量和方法并计算出相应动态安全系数,基于边坡在地震作用下的破坏模式 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 电动汽车无线充电金属异物检测线圈电磁特性
    电动汽车无线充电金属异物检测线圈电磁特性任秉银,汤欣宁,马云辉(哈尔滨工业大学机电工程学院,哈尔滨150001)摘要:在电动汽车无线充电系统中,为实现较大范围内对小型金属异物的有效检测,提出一种金属异物检测线圈电磁特性的分析方法.基于谐振电路在受到金属异物干扰后会产生失谐现象,论述金属异物检测的基本 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 悬索桥桁架加劲梁动力等效成等截面欧拉梁方法
    悬索桥桁架加劲梁动力等效成等截面欧拉梁方法祝卫亮,葛耀君(土木工程防灾国家重点实验室(同济大学),上海200092)摘要:针对悬索桥桁架加劲梁在数值计算、模型设计中简化问题,基于单独桁架加劲梁动力特性分析结果,以竖弯、侧弯、扭转基频相等为原则,推导并给出了不同边界条件(悬臂和两端固结)对应等截面欧拉 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 一种故障干扰解耦的航天器主动容错控制方法
    一种故障干扰解耦的航天器主动容错控制方法宗群1,杨希成1,张秀云1,刘文静2(1.天津大学电气自动化与信息工程学院,天津300072;2.空间智能控制技术重点实验室(北京控制工程研究所),北京100190)摘要:为提高航天器系统的可靠性,研究一种干扰影响下的航天器主动容错控制技术.首先,为实现干扰下 ...
    本站小编 哈尔滨工业大学 2020-12-05
  • 疲劳多裂纹扩展的常规态型近场动力学分析
    疲劳多裂纹扩展的常规态型近场动力学分析赵树力,余音,徐武(上海交通大学航空航天学院,上海200240)摘要:为改进疲劳多裂纹扩展问题的分析,建立了常规态型近场动力学的疲劳多裂纹扩展模拟方法.在常规态型近场动力学的理论框架基础上,采用近场动力学疲劳裂纹萌生和扩展模型,建立了一个可模拟疲劳裂纹萌生与扩展 ...
    本站小编 哈尔滨工业大学 2019-10-24