一类偶数阶非线性中立型偏微分方程组的振动判据

讨论一类偶数阶非线性中立型偏微分方程组的振动性,利用Green公式和边值条件将这类非线性中立型偏微分方程组的振动问题转化为中立型微分不等式不存在最终正解的问题,并利用最终正解的定义和微分不等式方法,获得了该类方程组在两类不同边值条件下所有解振动的若干充分性条件。所得结果为解决物理学、生物学、工程学等学科领域中的实际问题提供了数学理论基础。     

谐波平衡法数值模拟周期性非定常流动

谐波平衡法是目前非定常流动数值研究中颇受关注的频域计算方法,该方法计算效率高,特别是对于周期性非定常流动问题具有明显的计算优势。采用谐波平衡法数值模拟高超声速导弹标模模型在不同参数下的强迫俯仰振动,重建气动力/力矩系数迟滞曲线,将计算结果与时域方法相比较,详细考察谐波平衡法的计算精度、效率和内存需求,分析不同参数对谐波平衡法计算的影响。计算结果表明,谐波平衡法适用于中小振幅下的非定常流动计算,且计算时间基本不受减缩频率的影响,对于长周期低频问题,较时域方法有明显计算优势。     

鳐鱼胸鳍模式的运动学建模与仿真

由于流场环境中的鱼类动力学建模困难,目前胸鳍模式研究进展受到制约.随着计算机的高速发展和数值计算的进步,将有限元建模应用于水动力学研究,近年来也成为热点.而利用有限元建模,必须进行对象的运动学建模.本文提出了鱼类胸鳍模式的运动学模型,通过物理特征和运动参数探讨了运动波形,简化了鳐鱼胸鳍模式的运动方程,利用运动方程作为模型的运动边界条件,对牛鼻鲼的有限元模型进行仿真,探讨了牛鼻鲼的运动规律,验证了运动学模型的有效性.     

基于改进QPSO-NN的冗余机械臂逆运动学算法

针对某种冗余机械臂逆运动学求解的问题,提出了一种基于改进量子粒子群神经网络的求解算法。以冗余机械臂末端位姿为输入,经神经网络求得其逆解;针对神经网络输出结果误差较大的问题,把神经网络求初值加入初始化的粒子群中,通过基于Metropolis准则改进量子粒子群算法,避免了量子粒子群算法的早熟现象;以关节坐标经正向运动学求得的末端位姿和期望位姿的误差为适应度函数,对机械臂关节坐标迭代寻优。仿真结果表明该方法结合了神经网络算法的快速性和改进量子粒子群算法的精确性,满足求冗余机械臂逆运动学问题的速度和精度要求。     

空间双体系绳系统展开阶段末端星姿态动力学分析

为了研究空间系绳系统展开过程中末端星的姿态运动,采用第二类拉格朗日方程建立系统展开及末端星角运动的数学模型,分析展开阶段末端星的姿态动力学特性。建模时将系绳末端连接的母星与子星视为尺寸不可忽略的刚体,且母星质量远大于子星质量,系绳视为有质量的刚性杆。利用该数学模型可以分析系绳系统的展开过程,研究影响末端星姿态运动的主要因素,包括姿态角初始扰动以及末端星动/静不对称性。仿真结果表明,系绳展开时末端星姿态角初始扰动及动静不对称性可能会导致姿态角失稳,出现系绳缠绕星体的情况。仿真结果可以为展开阶段末端星姿态控制提供参考。     

一类二阶微分方程Poincaré分岔极限环的不存在性

讨论一类二阶微分方程x¨+εf(x,x.)x.+g(x)=0的Poincar分岔极限环的不存在性,利用一阶Mel’nikov函数直接从整体上进行分析讨论,得出了若干充分条件和判别准则。     

广义Liénard方程Poincaré分岔极限环的唯一性和不存在性

讨论了一类广义Linard方程x¨+f1(x)x.2+εf2(x)x.+g(x)=0的Poincar分岔极限环的唯一性和不存在性。将不对Abel积分进行分项,而是利用一阶Mel′nikov函数直接从整体上进行分析讨论,得出了若干判别准则和充分条件。     

线性方程组迭代解法的另类矩阵形式

改进了线性方程组迭代解法的矩阵形式．以最简单的Jacobi迭代法的迭代矩阵为基础,只需经过简单的加减和数乘运算就可得到Seidel和SOR的迭代过程,使得算法新形式的求解过程数学意义非常明确,表达形式也非常简洁,这样不仅便于理解记忆,还非常有利于编程实现。改进后的矩阵迭代形式求解计算量为:Seidel需要大约n2次乘除法．SOR约为2n2次乘除法,且改进后的Seidel迭代法和SOR方法存储空间也较传统形式为少。     

奇型偏微分方程的柯西问题

定解条件给在奇线上的偏微分方程的各种定解问题早已有研究^[1～4],多数作者使用了特殊函数作工具。本文用能量不等式组来解决一类奇型双曲型方程的柯西问题。 本文主要讨论如下问题解尚存在唯一性： Lu≡[(t^a/2?_t-λ₁(x,t)?_x)(t^a/2?_t-λ₂(x,t) ?_x)+a(x,t)?_t+b(x,t)?_x+c(x,t)]u(x,t)=f(x,t) (x,t)∈R×(0,T] u∣_t=0=φ(x),limt^a/2u_t=ψ(x) 这是一个二阶偏微分方程,当 α>0时,?_t²的系数当t=O 时变为零,因而这是一个初始值给在奇线上的柯西问题。我们假定： (A) α为常数,0<α<1;所涉及的都是实函数; (B) α(x,t),b(x,t),c(x,t),λ_j(x,t)(j=1,2)∈C¹([0,T],C²(R)),且上述函数的所有可能的导数都有界; (C) φ(x),ψ(x)∈C₀⁴(R)); （D）f(x,t)∈C((0,T],C₀²(R)),且sup{t^a/2(∣f∣+∣f_x∣+∣f_xx∣}＜+∞（Ⅱ） (E)存在常数δ＞0,使当（x,t)∈R×[0,T]时,有：∣λ₁(x,t)-λ₂(x,t)∣≥δ条件（Ⅱ）中关于实函数的假设不是必要的,作此假设仅为方便。本文主要得到：定理1：在（Ⅱ）的假设下,（Ⅰ）存在唯一弱解u,并 u∈C([0,T),H¹(R))∩C¹((0,T),L₂(R)).为证明该定理作了一系列准备,关键是证得引理1,引理2和引理6。     

Fitting Lanchester equations to the battles of Kursk and Ardennes

Lanchester equations and their extensions are widely used to calculate attrition in models of warfare. This paper examines how Lanchester models fit detailed daily data on the battles of Kursk and Ardennes. The data on Kursk, often called the greatest tank battle in history, was only recently made available. A new approach is used to find the optimal parameter values and gain an understanding of how well various parameter combinations explain the battles. It turns out that a variety of Lanchester models fit the data about as well. This explains why previous studies on Ardennes, using different minimization techniques and data formulations, have found disparate optimal fits. We also find that none of the basic Lanchester laws (i.e., square, linear, and logarithmic) fit the data particularly well or consistently perform better than the others. This means that it does not matter which of these laws you use, for with the right coefficients you will get about the same result. Furthermore, no constant attrition coefficient Lanchester law fits very well. The failure to find a good‐fitting Lanchester model suggests that it may be beneficial to look for new ways to model highly aggregated attrition. © 2003 Wiley Periodicals, Inc. Naval Research Logistics, 2004.