计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

基于MPP编程环境的一种并行子空间失代法

子空间迭代法是科学与工程计算中求解广义特征值问题的有效方法,针对向量机和共享内存的多处理机,前人已成功地作了并行处理。文中给出了适合ＭＰＰ大规模并行计算机的并行子空间迭代法。该算法将广义特征值问题转换为一般特征值问题,其计算工作量主要体现在矩阵乘法,通过对该方法作并行处理,使矩阵求逆及一部分乘法运算转换为各结点机上三角形方程组的并行求解。在大规模并行计算机ＰＡＲ９５上结合Ｊ８－ＩＩ机翼的动力特性问     

基于MPP编程环境的一种并行子空间迭代法

子空间迭代法是科学与工程计算中求解广义特征值问题的有效方法 ,针对向量机和共享内存的多处理机 ,前人已成功地作了并行处理。文中给出了适合 MPP大规模并行计算机的并行子空间迭代法。该算法将广义特征值问题转换为一般特征值问题 ,其计算工作量主要体现在矩阵乘法 ,通过对该方法作并行处理 ,使矩阵求逆及一部分乘法运算转换为各结点机上三角形方程组的并行求解。在大规模并行计算机 PA R95上结合 J8- II机翼的动力特性问题对该算法作了数值试验 ,结果说明所给算法是非常有效的     

先进的短距起飞垂直降落(ASTOVL)升力风扇飞机的动态逆控制

研究了推力矢量喷管、升力风扇以及气动舵面共同作用下 ASTOVL升力风扇飞机的飞控问题 ,采用非线性动态逆理论进行控制系统的设计。针对 ASTOVL升力风扇飞机的俯仰控制设计了动态逆控制律 ,并将所设计的控制律进行了仿真。结果表明 ,该方法能够满足控制系统性能的要求 ,具有工程应用前景。     

无刷直流电机的模型预测与反演控制

为提高永磁无刷直流电机的控制精度、负载工作能力和响应速度，分析了电机的电气特性与机械特性，建立了连续时间系统下状态空间形式的电机模型，得到了电机转角、转速受控变化的规律;在离散时间控制系统中，采用了状态转移模型预测和估计系统误差，根据电机转动规律反演控制指令，提出了一种基于模型预测与反演，对电机转速、转角进行独立/联合控制的方法;在考虑工程实际应用中电机存在参数、测量等误差的情况下，与PID控制、滑模控制方法进行了负载情况下典型工况的对比仿真。仿真表明:所设计的控制器具有较好的控制精度、响应速度和鲁棒性。     

函数传递法求解悬链线问题

悬链线问题是一类经典又多变的力学问题，其曲线构形指导着桥梁等工程应用的结构设计。为了求得结构特征或载荷特征不同的悬链线的变形，提出了一种基于传递矩阵法思想的、通用性较好的求解方法。首先，提炼出悬链力学模型，将悬链顺序划分成若干简单单元，结合单元力平衡和本构-几何关系解得单元特征函数方程组，顺序嵌套单元特征函数方程组获得整体特征函数方程组；然后，使用离散Newton迭代法对该非线性方程组进行求解，获得悬链的受力和变形；最后，算例验证了结果与解析解的一致性。函数传递法对具有复杂结构特征和载荷特征的悬链线问题有很好的适用性，对求解其他可划分为若干首尾相接结构单元的结构系统的广义变形也适用。      

广义矩阵法及其在流体力学中的应用

本文提出了由作者发展的、建立在非笛卡儿张量分析基础上的广义矩阵法,并根据选择的任意坐标系和基,在非正交的一般曲线坐标系中,导出三维空间的流体力学的一系列方程。作为示例,在任意的、不均匀螺旋距的螺旋线坐标系中,用广义矩阵法导出了包括粘性耗散函数表达式在内的、完整的可压缩粘性流动方程。还可导出在两种流体的分界面上,带有粘性及表面张力的应力边界条件。用该法导出的方程,文献已证实是正确的。     

求解广义特征值问题的并行保域行列式查找法

结构分析领域有着重要应用的广义特征值问题的并行算法，因为难度很大，且当问题的规模较大时还必须有先进的计算环境支持，所以迄今研究得很少。文中提出了一种适用于流水线型向量机的求解大型稀疏实对称矩阵广义特征值问题的并行保域行列式查找法。该方法不但保持了传统的行列式查找法的优点，而且克服了其迭代不收敛、漏根等缺点，并具有较高的速度加速比。该算法在ＹＨ－１计算机上进行了数值实验，结果表明该法是一种求解大型对     

基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。