Skip to main content
QUICK REVIEW

[论文解读] Solving nth order fuzzy differential equation by fuzzy Laplace transform

Latif Ahmad, Muhammad Shoaib Farooq|arXiv (Cornell University)|Mar 2, 2014
Fuzzy Systems and Optimization参考文献 9被引用 3
一句话总结

本文通过广义可微性(strongly generalized differentiability)将模糊拉普拉斯变换(FLT)推广至求解n阶模糊初值问题(FIVPs)。提出了FLT的n阶导数定理,使通过拉普拉斯逆变换实现FIVPs的解析求解成为可能,并利用MATLAB求解示例,验证了该方法在广义可微性下对任意阶模糊微分方程的有效性。

ABSTRACT

In this paper, we generalize the fuzzy Laplace transformation (FLT) for the nth derivative of a fuzzy-valued function named as nth derivative theorem and under the strongly generalized differentiability concept, we use it in an analytical solution method for the solution of an nth order fuzzy initial value problem (FIVP). This is a simple approach toward the solution of nth order fuzzy initial value problem (FIVP) by the nth generalized (FLT) form, and then we can use it to solve any order of FIVP. The related theorems and properties are proved. The method is illustrated with the help of some examples. We use MATLAB to evaluate the inverse Laplace transform.

研究动机与目标

  • 将模糊拉普拉斯变换(FLT)扩展至模糊值函数的n阶导数,以求解高阶模糊微分方程。
  • 基于广义可微性概念,建立求解n阶模糊初值问题(FIVPs)的系统化解析方法。
  • 证明FLT的n阶导数定理及相关性质,确保理论一致性和适用性。
  • 通过MATLAB实现的数值示例,展示该方法的有效性。
  • 为任意阶FIVP提供在强广义可微性条件下的统一框架。

提出的方法

  • 本文提出了模糊拉普拉斯变换的n阶导数定理,将FLT扩展至处理模糊值函数的n阶导数。
  • 采用广义胡库哈拉可微性(generalized Hukuhara differentiability)概念来定义模糊函数的导数,从而在FIVPs中允许多个解分支。
  • 利用n阶导数定理,将n阶FIVP转化为拉普拉斯域中的代数方程。
  • 通过求解模糊函数下、上α-截面的变换代数方程,获得解。
  • 利用MATLAB计算逆拉普拉斯变换,以参数形式恢复时域中的模糊解。
  • 该方法区分(1)-和(2)-可微性情形,导致变换方程具有不同的代数形式。

实验结果

研究问题

  • RQ1模糊拉普拉斯变换能否推广至处理模糊值函数的n阶导数?
  • RQ2在强广义可微性概念下,FLT的n阶导数定理应如何表述并证明?
  • RQ3如何利用广义FLT求解n阶模糊初值问题的解析解法?
  • RQ4可微性类型的选择((1)-或(2)-可微性)如何影响FIVP的解结构?
  • RQ5所提出的方法能否在一致且系统化的框架下,用于求解任意阶的FIVP?

主要发现

  • 本文成功将模糊拉普拉斯变换推广至n阶导数,为模糊值函数建立了新的n阶导数定理。
  • 该方法通过将问题转化为拉普拉斯域中的代数方程,实现了n阶FIVPs的解析求解。
  • 对于四阶FIVP,解以参数形式 $\underline{y}(t,r)$ 和 $\overline{y}(t,r)$ 表示,涉及三角函数、指数函数和双曲函数。
  • 利用MATLAB计算逆拉普拉斯变换,证实了该方法在复杂模糊解中数值实现的可行性。
  • 在(1)-和(2)-可微性下,解的结构不同,两种情形分别导出了不同的代数形式。
  • 通过多个示例验证了该方法的一致性和适用性,涵盖不同阶数和可微性类型。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。