基于周期系统的周期离散时间代数Riccati方程及其相关问题的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11771159
  • 项目类别:
    面上项目
  • 资助金额:
    48.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0502.数值代数
  • 结题年份:
    2021
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2021-12-31

项目摘要

The periodic system is one of the most important topics in the control field and periodic discrete-time algebraic Riccati equations play a key role in stability analysis of the periodic discrete-time linear optimal control prolem. This project firstly studies numerical methods for periodic discrete-time algebraic Riccati equations in terms of the dual structure, that is, periodic structure and symplectic structure or J-orthognal structure. The main research contents include: (1) The geometry theory of the periodic discrete-time algebraic Riccati equations is established systematically with rational matrix functions; (2) Structure-preserving algorithms for periodic discrete-time algebraic Riccati equations are obtained by establishing periodic Schur decompositions with symplectic or J-orthognal structures; (3) perturbation analysis and numerical methods for periodic linear matrix equations are studied; The research results will provide a theoretical basis and stable numerical methods for the periodic discrete-time linear optimal control problem.
周期系统是控制领域研究的一个重要课题,而周期离散时间代数Riccati方程在周期离散时间线性系统最优控制问题的稳定性分析中具有决定性的作用。本课题首次从双重结构---周期结构与symplectic结构或J-正交结构的角度出发研究周期离散时间代数Riccati方程的数值方法。 主要研究内容包括:(1) 用有理矩阵函数系统地建立周期离散时间代数Riccati方程的几何理论;(2) 通过研究带有symplectic结构或J-正交结构的周期矩阵的Schur分解方法获得周期离散时间代数Riccati方程的保结构的算法;(3) 研究周期线性矩阵方程扰动分析与数值算法。研究结果将为周期系统最优控制问题提供理论依据和稳定的数值方法。

结项摘要

周期离散时间代数 Riccati 方程来源于周期离散时间线性系统最优控制问题,它的主要研究内容包括:周期特征值的理论与算法、周期 Riccati 方程的扰动分析和数值方法和相关的周期矩阵方程的理论与数值方法等等。在本项目的研究中我们获得如下重要成果。 . 在周期特征值问题的算法方面:我们导出周期矩阵特征值问题的两侧 Rayleigh 商迭代,并证明这一迭代的三次收敛性质;我们也对来源于经济数学中的非负广义矩阵对的最大特征值的计算提出了 Noda 迭代算法和非精确的 Noda 迭代算法,分析了它们的收敛性。 在逆特征值问题的算法方面:我们提出了精确的和非精确的两步 Newton 迭代算法求解对称的逆特征值问题,这一算法的好处在于用少计算量的代价得到较快的收敛速度; 随后我们也将这一算法推广到逆奇异值问题上;在理论上我们也给出了逆奇异值问题处处不可解的一个充分条析。在特征值的扰动分析方面:我们分析了重广义非零奇异值的条件数, 导出了该条件数的清晰的表达式;我们对正交投影和广义逆的扰动界获得进一步的新的结果,它们改进了以往相应存在的结果。另外周期矩阵方程的研究方面:我们对几类周期矩阵 Sylvester 方程提出周期矩阵对的分离度概念,并导出分离度的上界和下界。最后我们对几个矩阵积的广义逆也获得一些新的研究成果。. 周期特征值问题的两侧 Rayleigh 商迭代是计算特征值的一个加速算法,它具有三阶收敛性质,可应用于周期线性系统中特征值的计算;也为小规模的周期矩阵特征值的 QR 迭代中的位移提供一个好的方法。求非负矩阵对的最大特征值的 Noda 迭代算法为计算来自经济的Sraffa模型中的特征值提供一个保结构的算法。而周期矩阵Sylvester方程中的分离度的研究可应用于周期特征值问题不变子空间的扰动分析。

项目成果

期刊论文数量(20)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
The Forward order laws for {1,2,3} and {1,2,4}-inverse of a three matrix products
三矩阵乘积的 {1,2,3} 和 {1,2,4}-逆的正序定律
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    Filomat
  • 影响因子:
    0.8
  • 作者:
    Zhongshan Liu;熊志平
  • 通讯作者:
    熊志平
On estimating the separation associated with the periodic continuous Sylvester equation
估计与周期性连续 Sylvester 方程相关的分离
  • DOI:
    10.1007/s11075-021-01235-1
  • 发表时间:
    2022-01
  • 期刊:
    Numerical Algorithms
  • 影响因子:
    2.1
  • 作者:
    Qingmin Yang;陈小山
  • 通讯作者:
    陈小山
Two-step inexact Newton-type method for inverse singular value problems
反奇异值问题的两步不精确牛顿型方法
  • DOI:
    10.1007/s11075-019-00783-x
  • 发表时间:
    2019-08
  • 期刊:
    Numerical Algorithms
  • 影响因子:
    2.1
  • 作者:
    Wei Ma;陈小山
  • 通讯作者:
    陈小山
矩阵极分解计算的一个注记
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    华南师范大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    温朝涛;陈小山
  • 通讯作者:
    陈小山
On estimating the separation between (A, B) and (C, D) associated with the generalized Sylvester equation AXD-BXC=E
估计与广义西尔维斯特方程 AXD-BXC=E 相关的 (A, B) 和 (C, D) 之间的间隔
  • DOI:
    10.1016/j.cam.2017.07.025
  • 发表时间:
    2018-03
  • 期刊:
    Journal of Computational and Applied Mathematics
  • 影响因子:
    2.4
  • 作者:
    陈小山;吕鹏
  • 通讯作者:
    吕鹏

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于因子分析和SEM模型的期刊评价指标结构关系研究
  • DOI:
    10.13833/j.cnki.is.2016.10.011
  • 发表时间:
    2016
  • 期刊:
    情报科学
  • 影响因子:
    --
  • 作者:
    陈小山;陈国福;张瑞
  • 通讯作者:
    张瑞
基于引力搜索和粒子群混合优化算法的证券投资组合问题研究
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    运筹与管理
  • 影响因子:
    --
  • 作者:
    陈国福;陈小山;张瑞
  • 通讯作者:
    张瑞
矩阵极分解新的数值方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    计算数学
  • 影响因子:
    --
  • 作者:
    温朝涛;陈小山
  • 通讯作者:
    陈小山

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码