径向基函数参数化翼型的气动力降阶模型优化

基于小扰动和弱非线性假设,提出了一种基于气动力降阶模型和径向基函数参数化的翼型优化方法.其主要方法是用径向基函数参数化翼型扰动;通过CFD辨识参数扰动对翼型气动力影响的降阶模型核函数;基于叠加法建立了参数变化对翼型气动力影响的降阶模型;最后基于该气动力降阶模型计算并优化翼型升阻特性.NACA0012翼型优化的结果表明基于气动力降阶模型的优化方法是可行的,可以极大地提高翼型优化速度.     

MISO的离散动力系统的最小二乘模型降阶方法

利用最小二乘原理,提出一个基于SVD-Krylov的模型降阶方法,方法兼顾基于SVD模型降阶方法的理论性质和基于Krylov模型降阶方法的有效计算,使得到的降阶系统既能匹配原系统的前r阶模,又能够保持系统的稳定性.利用对称矩阵特征值的极小极大原理,给出了保持系统稳定性的一个新的证明方法,与已有的方法相比,提出的理论证明方法更为简洁.对于离散系统,方法除了能匹配原模型的前r个Markov参数,还可将其推广到任意点处模匹配.数值例子也证明了方法的有效性.     

基于矩阵指数函数Laguerre多项式展开的模型降阶方法

在经典平衡截断模型降阶方法的基础上, 提出一种基于矩阵指数函数Laguerre多项式展开的模型降阶方法. 该方法首先利用矩阵指数函数的Laguerre多项式展开, 给出控制系统可控Gram矩阵和可观Gram矩阵的近似低秩分解, 然后构造正交投影变换得到近似平衡系统, 进而通过截断较小的Hankel奇异值对应的状态得到降阶系统. 该方法计算高效, 且具有一定的自适应性. 最后, 通过数值算例验证算法的有效性.     

基于降阶模型和数据驱动的动态结构数字孪生方法

针对受动载荷作用的结构,提出了一种基于降阶模型库和机器学习数据驱动的数字孪生构建方法. 首先根据物理结构服役过程中可能出现的损伤状态,采用有限单元法建立高保真有限元模型. 其次采用Krylov子空间模型降阶方法对模型进行降阶,建立了物理结构各种状态下的降阶模型,形成模型库. 最后利用随机森林机器学习算法训练获得模型选择器,通过物理结构上传感器的数据推断当前物理结构的状态,驱动数字孪生体跟随物理结构一同演化. 设计制作了一个框架结构物理模型,模拟了结构不同位置损伤及不同损伤程度,验证了提出的数字孪生构建方法.     

基于POD-RBF方法的管道内壁几何识别

针对天然气、石油等管道内部被腐蚀问题,基于本征正交分解-径向基函数(POD-RBF)提出了一种管道内壁几何识别方法. 考虑静磁场并建立管道的简化有限元模型,构建变几何样本库,实现了POD-RBF对任意形状的响应预测. 该方法在降阶分析的同时避免了迭代过程中因几何的改变需反复求解刚度矩阵,在很大程度上提高了计算效率. 采用灰狼优化(GWO)算法对目标函数实施优化,避免了在变几何过程中灵敏度的求解. 算例结果显示,该文方法可高效准确地反演管道内壁的几何形状,即使在引入噪声后GWO算法仍具有较好的稳定性.     

分数阶Hopfield神经网络的稳定性

利用Mittag-Leffler函数的相关性质和积分变换方法,研究了分数阶Hopfield神经网络(FHNN)的稳定性,给出了相应的充分性条件,并通过实例仿真验证了结论的正确性.     

基于时域误差限的大规模系统自适应模型降阶

为满足解大规模动态系统常微分方程组对精度和速度权衡的要求,提出了一种基于误差限的大规模系统自适应模型降阶方法,其中方法的误差分析基于时域最大误差限,降阶方法基于SVD-Krylov子空间的方法.方法既考虑了算法的复杂性,又保证了算法的精度.通过对典型实例分析,结果表明该方法在给定相对误差限10~(-4)下得出的降阶阶数在不同频率下都能给出很好的近似精度,低频1~10Hz平均相对误差为1.1812×10~(-5),高频1~10GHz平均相对误差为5.6408×10~(-5),即在很宽的频率范围内都能满足精度要求.     

基于子结构模型降阶和数据驱动的杆塔结构损伤识别方法

针对受静载作用的输电杆塔大型复杂结构,提出了一种基于子结构模型降阶和数据驱动的损伤回归识别方法. 根据杆塔框架结构特征及其在自重和覆冰静载作用下的变形特征划分子结构,确定结构可能出现的损伤状态,定义损伤指标. 采用子结构模型降阶方法对含损伤结构的有限元模型进行降阶,形成降阶模型库. 进一步,根据杆塔受载特征确定标定载荷,根据变形及破坏模式设计应变传感器布置方案,采用有限元方法计算降阶模型库中所有模型在标定载荷作用下的变形,构建数据集. 以传感器测点的应变数据作为输入,损伤指标作为输出,利用BP神经网络算法建立损伤回归识别模型,实现杆塔损伤位置识别和损伤指标预测,为杆塔结构健康状态实时监测技术开发奠定了基础.     

FA-RBF复合神经网络模型及其在地下水位预测中的应用

地下水动态变化过程呈现出高度复杂的非线性特征,增加了地下水位预测的难度.为充分反映地下水位变化过程中自变量和因变量之间的非线性映射关系,克服在获取水文地质参数与查明水文地质条件方面的困难,避免部分智能方法实现繁琐复杂、计算效率低、限制条件多等不足,提出将因子分析方法与RBF神经网络算法构成复合模型,用于地下水位预测.结果表明,复合模型可以用于地下水位预测,模型计算结果可靠,网络训练时间缩短,计算精度有所提高;而且有成熟算法,实现简单.     

线性代数中行列式的降阶方法

本文归纳线性代数中关于行列式的常用降阶方法,通过摄动法将这些降阶公式由子矩阵块的可逆情形推广到一般情形,并基于矩阵的满秩分解,给出降阶公式的使用技巧.     

Approximation by radial bases and neural networks

In this paper, we study approximation by radial basis functions including Gaussian, multiquadric, and thin plate spline functions, and derive order of approximation under certain conditions. Moreover, neural networks are also constructed by wavelet recovery formula and wavelet frames.     

基于多元二次径向基神经网络的偏微分求解方法

为提高偏微分方程的计算求解精度,设计了以多元二次径向基神经网络为求解单元的偏微分计算方法,给出了多元二次径向基神经网络的具体求解结构,并以此神经网络为求解基础,给出了具体的偏微分计算步骤.通过具体的偏微分求解实例验证方法的有效性,并以3种不同设计样本数构建的多元二次径向基神经网络为计算单元,从实例求解所需的计算时间以及解的精度作对比,结果表明,采用基于多元二次径向基神经网络的偏微分方程求解方法具有求解精度高以及计算效率低等特点.     

On lower bounds in radial basis approximation

We investigate the approximation by manifolds _n() generated by linear combinations of n radial basis functions on R^d of the form (|–a|), where is the thin-plate spline type function. We obtain exact asymptotic estimates for the approximation of Sobolev classes W^r(B^d) in the space L(B^d) on the unit ball B^d. AMS subject classification 41A25, 41A63, 65D07, 41A15     

服务台不可靠的重试排队系统均衡分析

本文研究服务台不可靠的M/M/1常数率重试排队系统中顾客的均衡进队策略, 其中服务台在正常工作和空闲状态下以不同的速率发生故障。在该系统中, 服务台前没有等待空间, 如果到达的顾客发现服务台处于空闲状态, 该顾客可占用服务台开始服务。否则, 如果服务台处于忙碌状态, 顾客可以选择留下信息, 使得服务台在空闲时可以按顺序在重试空间中寻找之前留下信息的顾客进行服务。当服务台发生故障时, 正在被服务的顾客会发生丢失, 且系统拒绝新的顾客进入系统。根据系统提供给顾客的不同程度的信息, 研究队长可见和不可见两种信息情形下系统的稳态指标, 以及顾客基于收入-支出函数的均衡进队策略, 并建立单位时间内服务商的收益和社会福利函数。比较发现, 披露队长信息不一定能提高服务商收益和社会福利。