U（sl（2,F）（＋））的生成元及生成关系

设sl（2，F）是三维单代数，sl（2,F）是相应于sl（2，F）的无扭仿型Kac-Moody代数的导代数。讨论了sl（2,F）的子代数sl（2,F）（＋）的普遍包络代数U（sl（2,F）（＋））的生成元及生成关系问题。     

AEDMS工程文件编号的生成算法

工程文件编号生成算法是国航工程文件管理系统（AEDMS）开发的难点。提出的．工程文件编号生成算法包括．工程文件流水号和改版号的指派算法与自动编排算法。前者解决了新旧系统．工程文件编号的兼容问题；后者是一种新的基于关系代数的自动编号算法，其利用元组序号，具有紧凑简单、可靠性好、可维护性好、执行效率高、适用面广的特点。实算结果和AEDMS运行实践表明，此工程文件编号生成算法是可行的。     

约化代数自伴的充要条件

约化代数是自伴的吗?这是一个知名的问题,至今没有解决。它的肯定的回答将蕴含可传代数问题及约化算子问题的肯定回答。在这篇文章中,我们找到了约化代数是自伴的几个充要条件。例如,我们得到:约化代数u是自伴的充要条件是对于每个n≥2,u~(n)的每个稠定义的不变图形子空间是约化子空间。     

矩形截面弯管内气固两相流及对管壁磨损的数值分析

在便于描述矩形截面弯管流动的曲线坐标系中，计算了气固两相流，颗粒对管壁的磨损位置与磨损量。分析了弯管曲率、弯管安放方式、颗粒大小对磨损状况的影响。本文计算与实验数据比较，符合良好。     

基于LSTM的空间机器人系统惯性张量在轨辨识

在空间机器人抓捕目标的过程中,整个系统的惯性张量会随时间变化且在目标被捕获瞬间发生突变,这会严重影响整体姿态控制的精度。针对以上问题,提出了一种基于长短期记忆（LSTM）的系统惯性张量在轨实时辨识方法。首先,对于目标捕获前后的2个阶段,利用拉格朗日方程建立了空间机器人的动力学模型;然后,基于所建空间机器人模型采用域随机化方法生成足量训练数据,并用其对由LSTM网络与多层全连接网络构建的参数辨识网络进行训练;最后,使用训练好的参数辨识网络对系统惯性张量进行辨识。数值仿真结果表明：所提方法能够精确辨识空间机器人抓捕过程中的系统惯性张量,所研究系统的主惯量平均相对辨识误差小于0.001,惯性积的平均相对辨识误差小于0.01。     

磁场全张量测量计算方法与误差分析

矢量磁场和磁场全张量数据是多磁源反演的数据基础。针对矢量磁场和磁场全张量的测量问题,文章提出了矩阵式矢量磁场连续扫描方法。对利用矢量磁场计算磁场全张量所用的数据结构进行了研究,应用MATLAB软件对常用的十字形和六面体两种不同数据计算结构进行了仿真分析,结果表明,两种计算结构的误差相近且均不大于10%;并分析了基线距离对磁场全张量计算的影响,结果表明,磁场全张量计算误差随着基线距离的增加而增加。     

基于张量分解的动态Web服务推荐

在服务计算领域中,为了能够在大量具有相同功能的Web服务以及API等数据资源中选择适合用户的服务和接口,提出了服务推荐系统。当前常用的基于服务质量（QoS）的服务推荐系统所采用的模型假定服务的QoS值恒定不变,是一种由服务和用户的二元关系构成的二维静态模型。针对实际应用中,QoS是受到多种因素影响的变量这一问题,提出了一种可以描述多个影响QoS因素的张量模型,并利用张量分解算法来对服务推荐算法进行了改进。实验结果表明:提出的基于张量分解的服务推荐算法与6种现有算法相比较,预测服务的QoS值的绝对平均误差（MAE）不同程度地降低了20%~50%,并且所建模型能够描述更多的影响因素,从而可对服务进行动态推荐。      

某大结构变化空间飞行器转动惯量在轨估计

针对某空间飞行器在轨运行时转动惯量变化大的特点,对其转动惯量的在轨估计方法进行了研究。基于姿态动力学模型建立状态方程,用陀螺测得的角速度、推力标称值和推力作用点的位置信息构造量测,用最小二乘法估计转动惯量。仿真结果证明了算法的有效性,误差小于5%。估计算法计算简单,估计时间和所用燃料消耗少,工程上易于实现。     

关于Grothendieck代数的特征标

本文用群表示理论和复向量理论证明了Grothendieck代数的一些性质,特别是关于Grothendieck代数基的描述,即设B为K_G(X)的基,Θ={(θ,ρ)|θ是G在X上的轨道,ρ是G_x的一个不可约表示,x∈θ},其中G_x={g∈G|gx=x},则存在1—1对应f:B→Θ使得对于任意V∈B,f(v)=(θ,ρ):V_y≠0<==>y∈θ,且ρ是G_x在V_x上的一个不可约表示,x∈θ,利用这一性质,本文给出了一个求Grothendieck代数的特征标的方法,从而改进了由Luszrig,G.在文[1]中提出的方法,并且给出二面体群D_n关于其一些子群H的Grotheodieck代数的特征标表。     

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