关于非扩张映像的修正粘滞迭代格式

设H是Hilbert空间,X是Banach空间,C是H或X中的非空闭凸子集,T是C→C的非扩张映射,且f是C→C的压缩映射。受H．K．Xu对粘滞迭代算法讨论的启发,提出一种新的粘滞迭代算法,xn＋1=T[（1-αn）xn＋αnf（xn）],n≥0,其中x0∈C,C是Banach空间中的非空闭凸子集,分别在Hilbert空间和Banach空间框架下证明了序列{xn}是强收敛的。     

q-一致光滑Banach空间中的严格伪压缩映像

提出一种不用投影算子的修正的Mann遮代的循环算法,用于逼近q-一致光滑的Banach空间中有限个严格伪压缩映像的公共不动点,并证明了算法的强收敛性。本结论推广了Kim等和Zhang等关于非扩张映像的相应结果。     

一种大变形多空间域连续体结构拓扑优化方法

针对大变形非线性结构拓扑优化问题,提出了基于混合细胞自动机(HCA, Hybrid Cellular Automata)多空间域连续体结构拓扑优化方法;采用密度法,建立了单元相对密度表示的材料弹-塑性模型;以单元相对密度和应变能作为细胞自动机(CA,Cellular Automata)的状态信息,利用CA局部控制规则,修改相对密度,迭代实现各设计空间域应变能均匀分布;设计了多空间域拓扑优化HCA算法,采取多个对象同时耦合优化迭代,各自收敛策略,解决了多空间域优化迭代算法收敛稳定性问题;最后,以汽车保险杆结构横梁和支撑等两个设计空间为例,施加大变形动态载荷作用,对提出的多空间结构优化算法进行了验证,优化后结构有效地降低了碰撞作用力峰值达54％,提高了结构安全性.     

基于支持向量机的航空发动机PID解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性.      

一种基于切比雪夫插值的联想记忆系统

提出了一种基于切比雪夫插值的高阶联想记忆系统(TI-AMS),能提供对任意阶多变量多项式函数的无误差逼近.切比雪夫插值的近似于最优一致逼近的性质从理论上保证了对任意连续函数的全局逼近精度.特别在对一些不连续函数(如矩形脉冲函数)的逼近中也有其它AMS无法比拟的优势.理论分析和数值模拟表明,该系统具有计算简单、学习精度高、收敛速度快、总的存储单元空间较小等优点.可广泛应用于图像压缩、模式识别、及高精度实时智能控制等领域.      

基于UKF的实时弹道解算参数稳健设计

在基于UKF(Unscented Kalman Filter,无迹卡尔曼滤波)的实时弹道解算应用中,外部环境不稳定的影响以及观测过程中野值的存在,使得基于经验参数设置的滤波易于发散.因此,需要针对指定型号调节和设置滤波器参数的取值,使其克服上述现象.针对这一问题,提出了基于理论弹道先验的参数稳健设计方法,对滤波器参数最优值进行预测.从滤波器的架构出发,梳理出影响滤波器性能的相关参数,结合稳健设计思想,外设计部分基于理论弹道先验信息,通过模拟弹道特征点构造弹道观测模型;而内设计部份,构造模型的测元数据进行正交试验,判断参数的显著性,获取相应的最优参数取值,从而为实时解算弹道的参数设置提供指导.实际数据试验结果表明,该方法可显著提高滤波器的实算稳健性和收敛性能.     

基于NHDO的机动目标拦截攻击角度约束导引律

为了精确控制导弹在有限时间内以期望攻击角度拦截机动目标,采用将导弹自动驾驶仪简化为惯性环节的方法,结合终端滑模控制理论设计了一种带攻击角度约束的有限时间收敛制导律。为了滤除视线角速率噪声,提出一种非线性跟踪微分滤波器对噪声进行滤波,建立了考虑滤波的制导系统状态方程,基于此方程设计非齐次干扰观测器,用于目标机动不确定项的估计补偿。仿真结果表明,所设计的制导律能达到对视线角速率有效滤波,对目标机动状态精确估计的目的,克服系统动态延迟对制导精度的不利影响,满足攻击角度和制导精度的双重要求。     

EDU──766显示组件的会聚电路分析

本文以通用彩色监示器会聚原理为基础，对ＥＦＩＳ──７００系统显示器ＥＤＵ──７６６中的会聚电路（Ａ３卡）进行了详细地分析，并给出实际电路。     

一种金融投资模型的数值逼近方法

对一种金融模型，给出了一、二阶的Itoe-Taylor逼近的估计，并对这两种估计证明了其强收敛性，同时给出了收敛的阶数．通过比较得出Itoe-Taylor逼近阶数越高，得到的估计强收敛的阶越高。     

幂指函数在非线性规划中的应用

给出一种自适应近似函数－幂指函数f^-(x)在非线性规划中的收敛算法。它采用minx∈Enf^-(x)的最优解序列｛x^-｝去逼近原问题minx∈Enf^-(x)的最优解x^*.与传统优化算法相比：该算法最优解｛x^-｝可以通过f^-x(x)=0直接解析得出；该算法不要求序列｛f(x)^k｝具有单调减特性，却能够保证算法的收敛性，该算法的计算量对变量的维数不敏感，从而具有广泛的应用前景，从方法论上，它是采用“特殊非线性”来研究“一般非线性”的一种新方法。