非线性系统中的奇点：标准与变换分数型龙吐珠方程的微分包含模型

为何奇异延迟与记忆很重要

许多现实系统——从通过架空接触网取电的电力动车组到在复杂网络中传播的信号——并不立即或平滑地响应。它们的行为取决于过去发生的事情（记忆）、时间的缩放版本（多尺度效应），并且有时在特殊点上会发生发散或变得未定义（奇点）。此外，工程师和科学家很少能精确知道所有参数。本文提出了一种新的数学框架，可以同时处理所有这些特性，为此类复杂系统提供更安全、更现实的建模方法。

拉伸且具有记忆的方程

本文的核心是龙吐珠方程，这是一类特殊的延迟方程，其中当前的变化率取决于缩放时间处的状态，例如 x(λt)（0 < λ < 1）。这类似于电力列车上的接触弓沿着导线采样电流的方式，自然编码了时间的缩小或拉伸尺度。作者超越了经典版本，采用了分数阶导数，后者把时间视为具有记忆而非纯粹瞬时的量。在这些模型中，当前状态依赖于对所有过去状态的加权历史，从而比常规导数更好地捕捉材料、生物组织和复杂信号中的长程效应。

应对奇异行为与不确定性

真实系统在边界或特殊点附近往往表现不良，例如当过程开始时能量突然注入或t = 0附近数据缺失时。数学上，这表现为奇异性——某些项变得极大或未定义。与此同时，重要参数可能不能精确知道，只能在某个范围内给出。为反映这一点，作者采用了微分包含，其中方程不规定单一的下一步，而是一整组可能的下一步。这使模型能够明确编码不确定性和非光滑行为，自然导致可能演化的族而非单一预测轨迹。

标准奇点与变换奇点对比

论文为两类主要问题发展了存在性理论。在“标准”情形中，奇异行为在方程中被直接处理，作者证明在相当温和的增长和连续性条件下，至少存在一个满足所有边界条件的精确解。他们依赖于针对值集映射（set-valued maps）定制的现代不动点技术，使用专门版本的收缩原理和衡量集合间距离的度量。在“变换”情形中，他们引入了精心选择的权函数 p(t) 来吸收最强的奇异项。通过在由 p(t) 定义的加权空间中改写未知函数，原本过于“野”的问题变得可以应用经典存在性定理。

数值示例揭示的内容

为了表明抽象理论并非纯粹形式化的练习，作者给出了三个详细示例。这些示例包含在时间区间开始处或结束附近具有奇异系数的分数型龙吐珠问题。对于每一种情形，他们计算了验证定理假设的界，并绘制了代表性解和奇异系数的图形。图像展示了权重变换如何使剧烈峰值平滑、分数阶“记忆”项如何塑造演化，以及当通过包含来编码不确定性时，整束可能的解曲线如何满足相同的初边值条件。

给复杂系统的要点

从非专业角度看，主要结论是作者构建了一套稳健的数学工具箱，用于同时处理存在延迟、有记忆、在某些点附近表现不良并受不确定性影响的系统。他们的结果保证在明确给出的条件下，此类系统不会陷入矛盾：解是存在的，而且变换方法使得即便是非常强的奇异行为也能被处理。这个统一框架为后续研究稳定性、数值模拟和可变阶记忆奠定了基础，并有望在电力工程、生物生长和多尺度信号处理等领域提供更现实的模型，在这些领域中，理想化的简洁方程往往不足以描述真实情况。

引用: Mobayen, S., Ghaderi, M., Shabibi, M. et al. Singularity in nonlinear systems: differential inclusion model for the standard and transformed fractional pantograph equation. Sci Rep 16, 6482 (2026). https://doi.org/10.1038/s41598-026-35530-5

关键词: 分数型龙吐珠方程, 微分包含, 奇异边值问题, 延迟微分方程, 动力系统中的记忆效应