Fuzzy测度空间中伪几乎处处收敛问题的研究

先在Ｆｕｚｚｙ测度空间中给出伪几乎处处收敛基本列的概念,进而讨论伪几乎处处收敛和伪几乎处处收敛基本列的关系,并在一致伪自连续的条件下,得到了三个定理。     

关于积分与极限交换充要条件的注

分析了积分与极限交换的充要条件,引进了等度可积函数序列和几乎处处绝对连续函数序列概念。证明几乎处处收敛的可积函数列在极限函数未知是否可积的情况下,积分与极限交换的充要条件是函数列在S∞上积分等度收敛;证明可积函数列依测度收敛的情况下,积分与极限交换的充要条件是函数列在[a,b]上积分等度收敛。     

模糊测度空间中伪依测度收敛问题的研究

本文给出了“一致伪自连续”和“伪依测度基本序列”等概念，得到了在一致伪自连续的条件下，伪依测度基本序列与伪依测度收敛序列等价的重要定理。     

模糊测度空间中伪依测度收敛问题的研究

本文给出了“一致伪自连续”和“伪依测度基本序列”等概念，得到了在一致伪自连续的条件下，伪依测度基本序列与伪依测度收敛序列等价的重要定理。     

关于本性函数积分定义的注

对照几乎处处连续的本性函数的积分定义,给出几乎处处连续的本性函数绝对可积的充要条件,证明几乎处处连续的本性函数积分是非绝对可积的,将无穷区间上几乎处处连续的本性函数的积分问题化为有穷区间的积分。     

某些广义度量空间的伪开、K－映象

讨论了一些广义度量空间的伪开、Ｋ－映象，主要结果是：（１）伪开、Ｋ－映射保持γ－空间（Ｋ－半分层空间，ＫＣ－半分层空间）；（２）几乎闭、伪开、紧－映射保持分层空间（可数仿紧空间）；（３）几乎闭、伪开、Ｋ－映射保持Ｃ－分层空间；（４）ＷＮ－空间在伪开、紧映射下的象是β－空间．     

扩频导航接收机全数字伪码跟踪环性能研究

针对无线电导航系统中全数字伪码跟踪环路进行了研究,分析了直接扩频序列的自相关特性,给出了伪码鉴相特性曲线,建立了伪码跟踪环路模型,运用不动点理论对鉴相特性曲线中的非线性区域跟踪性能展开了研究,得到了二阶全数字超前-滞后环的环路特性,给出了跟踪环路稳定的参数设计条件和环路最佳收敛时的参数要求,并对不同参数下的伪码跟踪环路性能进行了仿真。仿真结果表明:只有当伪码相位初始误差在收敛域时,跟踪环路才能最终稳定于零,而收敛域的大小则随着环路增益的增大而增大。     

关于一类算子的Mann迭代列及Picard迭代列的构造问题

本文构造了一类带边界条件算子的Mann迭代列和Picard迭代列,在一定的假设条件下,证明了序列收敛到算子的不动点。     

关于勒贝格可测函数的再认识

由[a,b]上的勒贝格可测函数与几乎处处连续的函数几乎处处相等,给出勒贝格可测函数的等价定义及几个勒贝格可测函数的性质,提出一些关于勒贝格可测函数进入工科数学教学的设想。     

伪火花开关的发展与应用

本文对伪火花放电的特点，伪火花开关的基本结构与触发方式以及进一步的研究工作进行了评述。     

有限覆盖定理与定积分充要条件的证明

利用函数间断度概念、有限覆盖定理结合定积分概念、达布和知识，证明了有界函数黎曼可积的充要条件为被积函数是几乎处处连续的。     

基于拟蒙特卡罗方法的电力系统可靠性评估

针对电力系统可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差点列抽样的拟蒙特卡罗方法应用于可靠性评估中。介绍了拟蒙特卡罗方法的原理,并在误差分析方面与蒙特卡罗方法进行比较。进一步介绍了Sobol低偏差点列的构造方法。建立了以Sobol点列为抽样点的拟蒙特卡罗模拟可靠性计算模型,并与重要抽样法相结合。对3机系统和RTS79测试系统分别进行标准非序贯蒙特卡罗模拟和Sobol点列拟蒙特卡罗模拟,计算指标EDNS与LOLP,并比较误差收敛曲线。结果表明,拟蒙特卡罗方法进行可靠性计算,EDNS和LOLP指标具有更快的误差收敛速度。该方法可作为电力系统可靠性计算的一种新思路。     

次紧空间

定义了次紧空间的概念，它是一类弱于紧性的拓扑空间．讨论了它的性质以及它与紧性、亚紧性、可数紧性、列紧性、伪紧性和Feebly紧性之间的关系．     

伪并行遗传算法在无功优化中的应用

在无功优化中，应用矩阵奇异值分解理论，引入了静态电压稳定裕度最大化目标和并行遗传算法思想，提出了用于无功优化的伪并行遗传算法。该算法在一定程度上避免了常规遗传算法容易出现的“早熟”现象，收敛速度也有一定提高。对Ward＆Hale 6节点和IEEE 14节点系统进行了测试，计算结果表明，本文所提模型和算法是合理可行的。     

一种改进型的BP算法

本文根据ＢＰ算法的基本理论，以函数曲线仿真为例，针对ＢＰ算法收敛速度慢，提出了一种加快ＢＰ算法收敛速度的变步长ＢＰ算法     

基于Beowulf集群的大电力系统可靠性评估蒙特卡罗并行仿真

研究了大电力系统可靠性评估并行仿真问题:分别采用状态采样法和系统状态转移采样法进行Monte-Carlo并行仿真。建立了与收敛判据相结合的任务分配拓扑结构,并根据2种采样方法的不同需要采用了不同的伪随机数生成方式,详细地分析了配合收敛控制的异步模拟过程,最后基于构建的Beowulf集群环境进行测试系统的可靠性评估计算。2种Monte-Carlo并行仿真方法均得到较高的加速比和并行效率,其可靠性指标的计算结果亦与串行环境下得到的结果基本保持一致。该文所做工作是对国外若干电力系统可靠性评估并行仿真研究的深入和发展。     

水轮机建模与参数识别

水轮机参数识别是在线建立其动态模型，实现实时控制的关键问题。首次提出了一种适用于水轮机建模问题的渐消记忆识别算法，它不必外加二位式伪随机信号，即可避免病态识别，提高识别精度，该算法引入“遗忘因子”，避免识别饱和现象，提高系统的鲁棒性，仿真结果已证明；新型识别算法简单易行，收敛速度快，识别精度高。     

基于方向自学习遗传算法的水库优化调度

本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题.     

基于伪并行遗传算法的配电网电容器优化配置

针对普通遗传算法易陷入早熟收敛的问题,提出基于伪并行运算的改进遗传算法并应用于配电网无功补偿电容器组的最优规划问题.通过控制多种群并行进化,同时采用控制策略实现种群间个体迁移,以保持个体多样性及局部最优个体的数量.算例证明,此方法可以显著提高算法的全局收敛能力及计算速度.     

基于伪并行遗传算法的配电网电容器优化配置

针对普通遗传算法易陷入早熟收敛的问题,提出基于伪并行运算的改进遗传算法并应用于配电网无功补偿电容器组的最优规划问题。通过控制多种群并行进化,同时采用控制策略实现种群间个体迁移,以保持个体多样性及局部最优个体的数量。算例证明,此方法可以显著提高算法的全局收敛能力及计算速度。