高超声速流动计算中LU-SGS隐式算法的应用

在高超声速条件下,对原始LU-SGS格式及其改进方法的收敛速度做了深入的比较分析,目的是进一步更好地将LU-SGS算法用于工程上复杂外形的计算模拟中。二维圆柱,三维钝锥及空天飞机算例的结果表明:对于高超声速粘性流动的计算,粘性项应进行隐式处理;BLU-SGS方法给出的内迭代方式的收敛性优于DP-LUR方法所给出的内迭代方式;LU-SGS算法中雅克比系数矩阵的计算方式对计算量及收敛性影响较大,若采用精确的矩阵形式,则在流动无分离情况下能取得快速收敛的效果,而在含有流动分离的情况,因受稳定性的影响,精确的矩阵形式的收敛表现不及对角近似形式。     

基于不同分裂的修正局部Crank-Nicolson方法对一维热传导方程的应用

本文采用不同分裂的修正局部Crank-Nicolson方法讨论了一维热传导方程的初边值问题。该方法不仅具有原来计算量少,无条件稳定的优点,而且推广了该方法对复杂的数学物理方程应用的可能性。理论上分析了无条件稳定性、相容性及收敛性,最后进行数值试验,验证了它的可行性。     

关于强增生算子的有限族的强收敛定理

提出了Banach空间中非线性增生算子方程带误差的三重迭程式, 研究了多个非线性增生算子解与多个强伪压缩映象的公共不动点逼近问题, 获得 2个收敛定理。     

基于输入匹配的直接自适应广义预测控制

提出了一种基于输入匹配的直接自适应广义预测控制器;分析证明了确定性系统和随机系统广义预测自适应控制算法的全局稳定性和收敛性。唯一的关键假设是参数已知时广义预测控制导致闭环系统稳定,去掉了正实条件的限制。     

高超声速流动计算中LU-SGS隐式算法的应用研究

在高超声速条件下,对原始LU-SGS格式及其改进方法的收敛速度做了深入地比较分析,目的是进一步更好地将LU-SGS算法用于工程上复杂外形的计算模拟当中。二维圆柱,三维钝锥及空天飞机算例的结果表明：(i)对于高超声速粘性流动的计算,粘性项应进行隐式处理;(ii)BLU-SGS方法给出的内迭代方式的收敛性优于DP-LUR方法所给出的内迭代方式;(iii)LU-SGS算法中雅克比系数矩阵的计算方式对计算量及收敛性影响较大,若采用精确的矩阵形式则在流动无分离情况下能取得快速收敛的效果,而在含有流动分离的情况因受稳定性的影响精确的矩阵形式的收敛表现不及对角近似形式。     

BP神经网络的收敛问题

研究了BP神经网络的收敛问题。基于随机理论 ,提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答 ,而且收敛速度很快     

ATS:一种基于通告时间戳的BGP收敛性改进机制

研究BGP收敛性改进问题,考虑网络运行状况,提出一种新的机制,称为通告时间戳机制ATS(advertisement time stamp)。在该机制中,BGP路由器在向对等体发送路由通告报文时,将相应的路由前缀打上时间戳。当通告报文准备好时,通过查看相应前缀的时间戳来判断报文是否可以立即发送还是应该等待。该机制充分融合了每对等体每目的网络速率限制定时器和每对等体速率限制定时器各自的优点,克服各自缺点。分析表明,该机制可以较大地减少Tup、Tlong及Tshort事件的收敛延迟。     

光电载荷安装误差标校的飞行航路

无人机搭载光电载荷进行安装误差标校时,飞行航路的选择与规划在很大程度上影响着标校算法的收敛性与误差识别结果。为增强标校飞行架次的有效性,提高安装误差可被识别的程度,改善标校算法的收敛性及标校精度,对标校的原理和标校算法进行了理论分析,并利用考察差异函数偏微分的方法找到了标校航路和安装误差标校之间的相互联系,然后结合标校实施过程中所遇到的实际问题提出标校航路规划应遵循的原则,给出了标校航路规划的参考范例。     

稳定性、收敛性及其它

本文阐述了稳定性、收敛性、自适应估计、平稳/非平稳随机过程概念内函,以便在科学研究和 工程研制中正确运用它们。     

一种模糊学习Petri网模型及其收敛性分析

Petri网是对具有产生式规则的故障诊断系统建模的有力工具,但其学习能力不强。以Petri网的基本定义为基础,结合模糊逻辑和Petri网模型,并在此基础上引入人工神经网络技术,定义了模糊学习Petri网模型。模型中的隐含库所和变迁将人工神经网络中隐含神经元内部信息处理过程明确化,然后对该模型提出一种逐层调整变迁阈值的训练算法,该算法通过逐层调整的方式来获取变迁的阈值,改善了网络的学习效率,并对算法的收敛性进行了证明。最后,以故障推理实例验证了算法的有效性与实用性。