输入-构建-输出与汉语口语表达

口语的形成一般经过材料输入、话语构建、语言输出三个步骤,本文分别从汉语学习者的口语心理机制、材料处理分析、话语杓建偏误及归因、语言输出状况进行分析,以期帮助口语学习者提高学习效率。     

部分线性化控制永磁同步电动机混沌系统的实现

永磁同步电动机在一定工作情况下将呈现混沌运动，这种现象可能是有害的，采用部分线性化方法控制对永磁同步电动机混沌模型进行控制，实现被控系统的稳定化．本文详细说明了如何应用matlab编程求解方程以及如何仿真进行数值研究以证明控制律简单有效.     

用线性化方程研究混沌系统可预报性的讨论

采用著名的Lorenz方程组讨论了用线性化方程组研究混沌系统可预报性的局限性。结果表明 ,Lorenz方程组的线性化方程组刻划了小扰动的线性发展 ;而Lorenz方程组本身只在有限时段内 ,刻划初始小扰动的线性发展 ,随着时间的发展 ,Lorenz系统开始出现混沌 ,描述了初始扰动的非线性发展 ,此时其线性化方程组失效。另外 ,通过比较小扰动和大扰动导致系统进入混沌的时间表明 ,扰动越小 ,时间跨度越小 ,Lorenz系统用线性化系统近似越有效     

用线性化方程研究混沌系统可预报性的讨论

采用著名的Lorenz方程组讨论了用线性化方程组研究混沌系统可预报性的局限性。结果表明，Lorenz方程组的线性化方程组刻划了小扰动的线性发展；而Lorenz方程组本身只在有限时段内，刻划初始小扰动的线性发展，随着时间的发展，Lorenz系统开始出现混沌，描述了初始扰动的非线性发展，此时其线性化方程组失效。另外，通过比较小扰动和大扰动导致系统进入混沌的时间表明，扰动越小，时间跨度越小，Lorenz系统用线性化系统近似越有效。     

基于反馈线性化方法的混沌同步

采用反馈线性化方法实现混沌同步,以Lorenz系统这个典型混沌系统为例,从理论和数值上研究了这种混沌同步方法。模拟结果表明,Lorenz系统在新的动力学的基础上达到完全同步。     

英语教学中的输入与输出

该文根据语言输入与输出理论,探析了大学英语教学中存在的问题,以及对大学英语教学的启示,认为改变传统的教学习惯、提高输入质量、输入与输出并重是提高大学英语教学效果的保证.     

英语教学中的输入和输出

英语课堂教学过程中的输入和输出二者相互作用 ,教师要结合学生学习动机、信心、焦虑等情感因素适当输入语言知识 ,做教学过程中的顾问、导师和帮助者。学生是教学过程中的能动主体 ,要注重输出 ,主动进行交际 ,养成自主、独立的学习能力。本文就输入与输出、教师与学生关系问题进行探讨 ,提出具体的实践操作     

语言的输入与输出

语言的输入和输出应该相对平衡,而我们面临的问题是,外语学习者的语言输出远远低于语言输入。因此,应该在外语教学中为学生创造尽可能多的语言输出的环境。     

语言的输入与输出

语言的输入和输出应该相对平衡,而我们面临的问题是,外语学习者的语言输出远远低于语言输入.因此,应该在外语教学中为学生创造尽可能多的语言输出的环境.     

非线性多输入多输出离散系统的量化H∞控制

研究非线性多输入多输出离散系统的量化H∞动态输出反馈控制器设计问题.首先采用扇形界方法来描述对数量化器的量化误差,并且将量化问题转化为不确定系统的控制器设计问题.然后对于所有容许的非线性,设计动态输出反馈控制器使得闭环系统渐近稳定并具有给定的H∞性能约束,通过求解线性矩阵不等式求出控制器参数.最后,数值仿真表明设计方法的有效性.     

带死区非线性输入的未知混沌系统控制

针对具有死区非线性输入的未知混沌系统的控制问题,基于Lyapunov稳定性理论建立变结构模糊自适应控制器及系统参数的自适应规则。控制器的设计过程中无需知道未知非线性未知函数的上界及非线性控制输入的增益衰减度,该方法能有效消除死区非线性输入对系统的影响,并能保证闭环系统所有信号一致有界,跟踪误差渐近收敛到原点的一个可调邻域内。数值仿真的结果也验证了该方法的有效性。     

一类组合非线性系统的自适应跟踪控制(英文)

讨论一类带有线性未知参数的非线性互联系统的自适应跟踪控制问题．基于线性系统的输入－输出线性化理论,设计了直接自适应控制方案来实现有界的跟踪．提出的方案对关联结构和子系统中的不确定均具有鲁棒性．一个数值例子说明了所得结果的可用性．     

一类不确定非线性互联系统的变结构控制(英)

讨论一类不确定非线性大系统的鲁棒镇定问题．基于输入－输出线性化和变结构控制理论,分别设计了分层和分散变结构控制律来实现渐近的鲁棒稳定,并用一个受扰双摆系统的仿真实验说明所提控制方案的有效性．     

Nonlinear model predictive control with guaraneed stability based on pesudolinear neural networks

A nonlinear model predictive control problem based on pseudo-linear neural network (PNN) is discussed, in which the second order on-line optimization method is adopted. The recursive computation of Jacobian matrix is investigated. The stability of the closed loop model predictive control system is analyzed based on Lyapunov theory to obtain the sufficient condition for the asymptotical stability of the neural predictive control system. A simulation was carried out for an exothermic first-order reaction in a continuous stirred tank reactor. It is demonstrated that the proposed control strategy is applicable to some of nonlinear systems.