使用拉普拉斯变换方法分析具有双卡普托型分数导数的时滞微分方程

为何时间记忆重要

许多现实系统——从拉伸后缓慢弛豫的材料到对过去条件作出反应的种群——并不会对当前发生的事情立刻作出反应。它们的当前行为依赖于长期的历史，并且往往包含时滞反馈回路。本文开发了新的数学工具，以更灵活地描述此类记忆与时滞效应，并证明所得模型具有可预测且稳定的性质。

用灵活的时间规则捕捉历史

传统微积分假定变化只取决于某一瞬时的情况。分数微积分放宽了这一假设，允许“介于之间”的求导阶，从而使变化率依赖于对整个过去的加权平均。作者关注的是这些算子的现代版本，称为卡普托–卡图甘波拉（Caputo–Katugampola）导数，它包含一个额外的调节旋钮，用参数ρ表示，用以调整远过去对当前的影响强度。通过调节ρ，可以在不同类型的记忆行为之间平滑转换，使该框架适用于广泛的物理、生物和工程情境。

处理时滞与双重效应

许多系统不仅以平滑的方式对过去状态作出反应，还会对时间上移位的状态产生响应——即真实的时滞。论文研究了此类方程：当前的变化率依赖于在固定时间窗口内的一段过去值，同时存在两种不同的分数效应同时作用。一个分数项可能表示短程记忆，而另一个则捕捉更慢的长程影响。作者分析了一个包含这两种记忆项并伴随一个读取近期历史的时滞反馈项的方程。这种组合旨在模拟那些既能精细控制记忆类型又能调节记忆强度的系统。

将复杂方程转为可处理的形式

为研究这些复杂方程，作者依赖于一种适用于ρ参数的专门拉普拉斯变换，称为ρ-拉普拉斯变换。该技术将带有记忆和时滞的原始方程转换为更易处理的代数形式，随后可反变换回显式的积分表达式。在这种表示中，名为米特格勒--莱夫勒（Mittag–Leffler）函数的特殊函数自然出现；它们在分数时间动力学中发挥类似普通微分方程中指数函数的作用，但更适合分数性质。借助该积分形式，作者能够对解的行为以及对输入和初始数据变化的响应进行精确估计。

保证存在性、唯一性与鲁棒性

借助积分表述，作者运用了数学分析中的两条经典思想——巴拿赫收缩映像原理和Schauder不动点定理——来证明系统的良好性质。在一组条件下，方程在感兴趣的时间区间上存在且仅存在一个解，表明模型给出唯一明确的预测。在更一般的假设下，至少保证存在一个解。除此之外，论文还研究了Ulam–Hyers稳定性，这一概念形式化了鲁棒性的直观含义：若初始数据或方程本身发生小的扰动，所得解只按受控且成比例的量发生变化。若模型用于仿真或现实应用（数据从不精确），这一性质至关重要。

从理论到数值证据

为了说明理论并非纯粹抽象，作者给出一个数值示例，涉及两个不同的分数阶和一个单位时间的时滞。他们使用一种用于分数导数的标准数值方法——L1 格式——来近似解，该方法以其稳定性和实现简便而著称。计算得到的解从给定的初始历史平滑演化，两个不同的分数导数表现出各自不同但相关的模式，突出了每个分数阶如何塑造系统的记忆。通过在初始历史中引入小扰动并重新计算解，作者在数值上验证了偏差与扰动大小成比例，这与Ulam–Hyers稳定性理论一致。

对具有记忆的真实系统意味着什么

通俗地说，本研究表明存在一种灵活且数学上可靠的方法来描述当前状态既依赖于丰富的过去记忆又依赖于明确时滞的系统。卡普托–卡图甘波拉框架结合ρ-拉普拉斯变换，不仅保证这些模型有意义并具有良好定义且鲁棒的解，而且便于实际计算。这为在黏弹性材料、控制系统、种群动力学和生物医学现象等领域中更精确可靠地建模开辟了道路——在这些领域，记忆和时滞是核心特征，而非微小修正。

引用: Boumaaza, M., Boutiara, A., Djidel, O. et al. Analysis of delay differential equations with dual caputo-type fractional derivatives using laplace transform methods. Sci Rep 16, 11181 (2026). https://doi.org/10.1038/s41598-026-41584-2

关键词: 分数微分方程, 记忆与时滞系统, 稳定性分析, 拉普拉斯变换方法, 数值模拟