求解含多个右端向量非对称线性方程组的自适应块拟最小残量IOM(q)算法

许多实际应用问题需要求解含多个右端向量的大型非对称线性方程组 ,通常是把原来方程组分成单独几个含一个右端向量的方程组 ,再用某种迭代法分别单个求解 ,而更加经济有效的方法是应用能同时产生几个迭代向量的块迭代法来直接求解。本文在 IOM(q)算法的基础上 ,提出一种求解此类方程组的块拟最小残量 IOM(q)算法 ,讨论了如何收缩掉已收敛的部分方程组以及如何从产生的块 Krylov序列中删除线性相关或几乎线性相关向量的自适应技术。数值试验表明 ,此新的自适应块算法比块 GMRES算法及其他相关算法具有更好的收敛行为、更少的计算量和 CPU计算时间 ,是求解此类方程组的一种更加经济有效的算法。     

鲁棒变结构制导规律研究

研究存在相对速度测量噪声时的鲁棒制导问题，根据一类变结构制导规律，分析了相对速度测量噪声、制导参数对导引收敛性的影响，以弹道收敛为准则，给出了实现鲁棒制导的条件，研究结果对设计先进的雷达制导系统具有重要意义。     

严格伪压缩映象的Ishikawa迭代序列

证明了Ｌ＾ｐ（或ｌ＾ｐ）（Ｐ≥２）上的李普希茨严格伪压缩映象的Ｉｓｈｉｋａｗａ迭代序列必收敛到映象的不动点。     

非结构同位网格SIMPLE类算法收敛性能比较

以非结构网格的SIMPLE算法为基础,将算法扩展为SIMPLEC算法.利用30°角的斜方腔流动计算成果,分析了非结构同位网格的SIMPLE/SIMPLEC算法的收敛性能;比较了因网格的非正交而引入的非正交项的取舍对该算法收敛性能的影响;并采用显式校正步法对SIMPLEC算法进行了显式校正.比较表明,在非结构同位网格SIMPLEC算法中可忽略非正交项,但有必要对压力作亚松弛.显式校正步法可显著地加速在非结构网格上求解N-S方程的收敛性能,而且在不同的松弛因子组合下,均有较好的收敛速率.     

改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

关于Davidson—Lanczos方法的收敛率

本文对文[1]提出的求解大型对称矩阵A的极端(几个最大或最小)特征值及相应特征向量的Davidson—Lanczos方法,用Rayleigh—Ritz逼近理论,研究了该方法的收敛率。证明了由该方法产生的规范正交向量{v_i}_i~m=1是Krylov子空间K_m≡Span(v_1,Av_1,…,A~(m-1)v_1)的一组基。设A的k个最大特征值为又,λ_1>λ_2>…>λ_k,相应的近似特征值为λ_i~(m)(i=1,…,k),得到 这里γ_i(γ_i>1),W_i和W_i~(m)是常数。     

机器人运动的学习控制

机器人学习控制旨在采用简单的控制器结构和易于实现的控制算法,提高机器人轨迹动态跟踪精度。本文讨论了机器人控制研究中存在的困难,简要回顾了早期学习控制思想的形成和发展,重点介绍了近年来国内外有关机器人学习控制研究的现状。     

人工释能法求解线性代数方程组

本文建立求解线性代数方程组的人工释能法迭代格式,并给出该迭代格式收敛的充分必要条件和最佳释能时机,同时给出实现人工释能法的数值计算方法及其数值稳定性条件。     

无源滤波器频率漂移的一种迭代算法

文章介绍了无源滤波器在试验过程中产生的典型幅频特性漂移曲线，并针对这些典型曲线提出了基于均方误差最小原则和牛顿迭代的频率漂移算法。