叶栅内定常及非定常粘性流动数值模拟

本文给出了一个模拟叶栅内准三维定常和非定常粘性流动的数值方法。对于定常流动,采用ＴＶＤ Ｌａｘ－Ｗｅｎｄｒｏｆｆ格式和代数湍流模型求解雷诺平均Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ方程,使用当地时间步长和多网格技术使计算加速收敛到定常状态;对于非定常流动,使用双时间步长和全隐式离散,采用与求解定常流动相似的多网格方法求解隐式离散方程。文中给出了ＶＫＩ透平叶栅内的定常流结果和１．５级透平叶栅内的非定常数值结果。     

一种单位化的增量梯度算法

研究目标函数是若干光滑函数和的可分离优化问题,提出了一种单位化增量梯度算法。该算法每次子迭代只需要计算一个（或几个）分量函数的单位负梯度方向作为迭代方向。在一定条件下,证明了采用发散步长的单位化增量梯度算法的收敛性。作为应用,新算法和Bertsekas D P,Tsitsikils J N提出的（没有单位化）增量梯度算法分别用来求解稳健估计问题和源定位问题。数值例子表明,新算法优于（没有单位化）增量梯度算法。     

面向杆系结构的离散元异步长计算方法

为了提升离散元法处理连续介质问题的计算效率, 提出一种基于重叠颗粒的离散元分区异步长计算方法来处理连续介质问题。该方法采用颗粒分割将连续介质划分为若干子分区, 各分区采用velocity-Verlet积分格式求解运动方程。相邻分区通过重叠颗粒构成局部耦合区域, 边界数据传递过程中不涉及插值和截断过程。数值算例表明, 该方法在保证高精度的同时有效地降低了计算时间。在实际应用中可以有针对性地将连续介质划分为不同尺度颗粒的分区, 根据问题规模及分区颗粒尺度特性采用不同时间步长, 节省存储空间且大幅提升计算效率。     

对相移技术中Carre算法的相移步长的讨论

讨论了在Ｃａｒｒｅ算法中如何由任意相移步长得到正确的位相分布,通过误差分析对最佳相移步长的选择作了说明。     

基于共轭梯度优化算法的BP神经网络在高能粒子鉴别等领域中的应用

人工神经网络方法已被引入高能物理实验领域并被广泛地应用于夸克胶子喷注的鉴别、电子强子分辨、顶夸克和Higgs粒子的寻找等等。本文采用了一种改良的共轭梯度优化算法并应用于高能物理实验中粒子的鉴别。在该应用中,此算法既能实现每步迭代时在搜索方向上获得最优步长,又能避免目标函数陷入局部收敛点,从而使目标函数快速收敛,提高了算法的有效性。分析结果表明,我们改进后的BP算法显著地提高了粒子物理数据分析中的粒子鉴别能力。     

模拟盒参数对汽液体系模拟过程的影响

为探讨模拟盒参数对分子动力学模拟影响这个长期被忽略的问题,采用Verlet-List搜寻法和Leapfrog差分算法,对分子数目为1000的汽液共存体系进行分子动力学模拟,得到了系统温度为100K时,汽液两相密度、表面张力随系统切片数、汽相空间尺寸、液膜厚度以及步长等模拟盒参数的变化情况.研究结果表明,系统切片数不会影响表面张力及两相密度;体系z轴无量纲长度为60时,模拟值与实验值吻合较好;液膜无量纲厚度达到13以后,液相密度将趋于稳定,两侧界面分子不会相互影响;分子动力学步长不影响平衡后的系统密度,但对表面张力的计算影响较明显.     

基于全牛顿步长求解凸二次规划问题的不可行内点算法

借助于全牛顿步长对凸二次规划问题提出了一种新的不可行内点算法.算法主要迭代由可行迭代步和中心路径邻域迭代步组成.其优点是线性搜寻方向是不需要的.最后证明算法迭代复杂性为O(nlogn/ε),与目前最好的不可行内点算法复杂性一致.     

改进的布谷鸟算法在结构损伤识别中的应用

布谷鸟算法受自然界中布谷鸟寻找鸟窝产卵过程启发而提出,其参数设置简单且效率高。为了平衡布谷鸟算法的求解速度和精度,提高算法的全局搜索能力,本文应用动态步长和锦标赛选择策略对原算法进行性能改进,并将其应用于结构损伤识别。在数值模拟中,选取频率等系统参数建立用于结构损伤识别的目标函数。基于改进的算法求解目标函数。最后分析得出结构损伤情况。数值结果显示,改进后算法准确识别损伤单元,并对噪声不敏感;验证了其有效性和实用性,可进一步应用于工程。     

变步长似p范数约束稀疏水声信道估计方法

针对范数约束类归一化最小均方(NLMS)算法在正交频分复用(OFDM)稀疏水声信道估计中误码率较高的问题,提出一种改进的变步长似p范数约束信道估计方法。采用改进双Logistic函数构造步长,并将误差信号自相关函数引入其中,实时调整步长和零吸引项,使得收敛速度和估计精度能够很好地折中。算法仿真结果表明,在浅海多径稀疏水声信道下,相比于传统方法,所提出的信道估计获得的最高性能提升为收敛速度提高72.3%,稳态误差降低95.9%。湖上试验数据处理结果显示,相比于传统信道估计方法,所提出的方法能使通信误码率降低2~3个数量级,实现零误码水声通信。      

基于改进RBF神经网络的变形场插值算法研究

传统的物体表面力学变形场计算方法存在计算量大,无法计算边缘点变形等问题;提出一种改进的萤火虫算法优化RBF神经网络的变形插值方法,利用阈值约束RBF神经网络隐含层结点数,运用可变步长萤火虫算法优化RBF神经网络隐含层节点的中心和宽度,采用递推最小二乘法计算隐含层到输出层之间的权值,建立物体表面位移神经网络插值模型;为提高位移插值精度,在训练和测试的输入中增加坐标组合数据;应用于混凝土梁三点弯实验,仿真结果表明,该算法比常用的神经网络算法有更快的仿真速度和更高的预测精度,可用于土工材料表面变形场的快速、准确的计算。