系统并行处理的集合分解方法

提出单连集和双连集的概念,并用此概念重新安排系统方程组,使之化成接近对角方块的形式.最终目的是把大系统方程组分解为若干关联尽可能少的子系统,使得在应用分解法进行并行仿真时,减少子系统之间的通信,提高计算速度.在分析的基础上,给出对大系统进行自动优化组合的计算机程序算法.举例说明这种方法的有效性.     

数字式自校正控制方法

通过实例说明自校正控制的设计和实现过程.从参数辨识开始,给出递推最小二乘算法和遗忘因子法.在数字控制器离线设计中,应用PID和极点配置两种方法来解决系统跟踪调节的参数选定问题.最后,将系统辨识、控制器设计和控制过程实现融为一体,在线实时地应用自校正算法来解决给定实例的跟踪控制,并通过计算曲线说明系统对于外界参数变化的自适应功能.     

大系统辨识的准最优线性化方法

本文应用预报线性化方法研究了大系统在线参数辨识问题。通过对大系统进行分级分解处理,将系统分为若干互相联系的子系统,分二级迭代地估计状态变量和系统参数。第一级用不变式嵌入法求解优化的二点边值问题,给出子系统的最优解;第二级应用预报插值法求得协调变量。这种方法不仅简化了上机前的公式推导,而且提高了计算速度,并给出满意的结果。为实时辨识大系统创造了条件,成为大系统辨识行之有效的手段。     

大规模系统仿真的并行方法

对于大系统,特别是刚性系统的仿真算法,隐式法与显式法相比,前者在精度、稳定域、解题的阶次、对刚性系统适应性等方面更为优越。文中介绍了三种所述系统的隐式并行算法:分级分散法、分级分解法和分解的牛顿法。其中,分解的牛顿法及其软件LEIDEC 的应用对于所述系统结构无依赖性,通过实例计算,表明它的运算速度比分级分解法高数倍,可得到广泛的应用。