对称分段线性系统主共振的分叉

由ＫＢＭ法推出的分段线性系统主共振的一次近似解，导出了分叉方程，然后应用奇异性理论对主共振的分叉类型进行了系统的分析，并用计算稳态周期运动的参数延续数值方法结果与其中感兴趣的部分进行了对比，发现基于弱非线性分析的主共振一次近似解在较强的非线性情况下仍具有一定的精度。     

求解大型非对称线性方程组的UNSYMMLQ方法

本文给出了求解大型非对称线性方程组的Lanczos方法的一个判据,提出了求解非对称方程组Ax=b的UNSYMMLQ方法,它是Paige和Saunders求解对称线性方程组的SYMMLQ方法的推广。文中描述并讨论了一些数值试验。     

一般线性阻尼系统的预解式以及模态正交性

本文研究一般线性阻尼系统的振动问题。仅假定系统的质量矩阵非奇异,将系统模态的加权正交关系式作了拓广,并利用相互等价的一次本征方程与二次本征方程间的转换关系,简捷地求得了预解式的各种模态展开式。     

固体发动机切割分离泄压过程分析

本文依据质点动力学和一维可压缩流体动力学原理，利用无限大容器的出流结果，在适当的简化假设基础上，建立了固体发动机切割分离泄压过程的数学模型，并对泄压过程和分离后的状态变化进行预测．通过比对分析试验容器的理论和试验结果，证明本文方法的误差在15％以内。     

应用Householder变换的混合GMRES算法执行(英文)

为求解大型非对称线性方程组,混合GMRES算法的标准执行包含了一个Gram-Schmidt正交化过程,但此过程可能会导致严重的数值错误。本文给出了算法的另一种执行方法,应用Householder变换来进行正交化.数值例子表明,执行新的算法更稳定可靠。     

求解大规模矩阵问题的Krylov子空间方法

求解大规模矩阵问题包括线性方程组和特征值问题等是计算数学和科学工程计算中的重大课题，最近几年，其研究工作取得了许多重大进展。文中给出大型线性方程组和特征值问题Krylov子空间方法若干进展的一个概述，其中包括作者对这些问题的研究成果。涉及的专题包括求解大型线性方程组的共轭梯度法、SYMMLQ算法、MINRES算法、GMRES算法、Lanczos双正交化算法、QMR算法以及这些算法的块格式；求解大对称特征值问题的Lanczos算法和块Lqnczos算法；求解大型非对称特征问题的Lanczos算法、Arnodi算法以及这些算法的推广。讨论求解大规模矩阵问题的加速技术和预处理技术。了一些有待进一步研究的问题。     

码分复用系统的纠错码

依据有限域直和与有限环同构的代数性质，对多路复用系统构造线性分组码。其特点是既实现码分复用，又具有纠错能力，提高系统的传输可靠性。合路器是一种同构映射运算，将ｍ路有限域上的线性分组码唯一地映射成有限环上的单一码字，实现在宽带信道上同时传输ｍ路数据。收端经逆映射完成分路，一旦发生信道传输错误时，译码器在各码纠错能力范围内实现纠错。文中叙述了复用系统线性分组码的编译码方法，给出了同构映射运算的算法。     

近地点变轨固体火箭发动机平衡试验

对长二捆近地点变轨固体火箭发动机动平衡用校验转子、工装、空载／满载发动机、卸载／不卸载发动机以及有无喷管发动机等各种状态下动平衡参数进行了试验研究，并对其动平衡在数进行了理论计算。     

考虑性能及成本的固体火箭发动机多学科设计优化

为综合考虑固体火箭发动机的燃烧室、药柱、内弹道、喷管及成本等学科影响,梳理学科间耦合关系,并建立了以总冲最大、成本最小为优化目标的固体火箭发动机多学科设计优化（MDO）模型。为降低MDO问题的计算成本,提出一种基于Kriging代理模型的多目标自适应优化方法（KRG-MAOM）。优化过程中,分别对目标与约束构建Kriging模型,并采用多目标优化算法求解,在伪Pareto解中综合考虑支配关系与分布特性选取新增样本点,引导优化快速收敛。算例结果表明,KRG-MAOM算法在全局收敛性与优化效率方面具有显著优势。最后,采用KRG-MAOM算法求解该MDO问题,得到可行的Pareto解集方案,与初始方案相比,同性能情况下成本节省约3.36%;同成本情况下性能提升约10.93%,从而验证MDO模型合理性与KRG-MAOM算法有效性。     

玻璃纤维增强酚醛基复合材料平均线胀系数测试影响因素

研究了保温时间、升温速率、预处理温度等对玻璃纤维增强酚醛基复合材料线胀系数测试的影响。结果表明,玻璃纤维增强酚醛基复合材料在加热条件下进一步固化,造成样品收缩与样品受热膨胀相抵消,升温曲线出现平台。因此,测试前应对样品进行预处理,处理温度高于试样最终的测试温度,低于样品固化温度,以免材料内部结构发生变化;设置合适的升温速率,升温速率低,增加了时间成本,升温速率太高,测温热电偶引入的误差增加,且不均匀的加热使试样产生热应力,影响试验结果。