惯组小系统动力学建模与非线性特性分析

基于"三心重合"的设计思想和飞行器的姿态需求,建立了含立方项非线性刚度的惯组小系统动力学模型。提出了惯组小系统存在系统动刚度和减振器动刚度的"双层级"概念。利用龙格-库塔法求解渐软非线性系统对正弦扫频激励的响应,得出减振器动刚度存在对激励幅值和激励频率的敏感区域,采用动刚度曲线表征了减振器的非线性软化特性。利用虚弧长延拓法计算惯组小系统的非线性频响函数和传递特性,预示了高量级振动下减振器的动力失稳现象。通过惯组小系统传递特性试验,验证了减振器具有渐软刚度的非线性特性。扫频法计算结果与正弦扫频试验结果的吻合度达到96.5%,检验了构建模型的正确性。所建立的模型工程应用简便,对惯组小系统非线性特性的预示具有较高的精度,可供飞行器姿控系统设计时参考。     

一类非线性发展方程的精确解

利用hirota双线性法,得到(3+1)维孤子方程、(3+1)维KP-Boussinesq方程、(2+1)维修正Caudrey-Dodd-Gibbon-Kotera-S awada方程、Hirota-Satsuma浅水波方程的精确解,并做出一部分解的图形,进一步研究解的结构和性质.     

基于模糊神经元PID算法的注塑机注射速度控制算法研究

基于一款市场较为畅销的注塑机, 设计出一种能精确控制注射速度的模糊神经元PID控制器. 首先, 设计出具有自学能力的神经元PID控制器, 利用模糊算法对其进行优化; 其次, 在原有注射速度线性数学模型的基础上, 构建注塑机注射速度的非线性模型; 最后, 利用MATLAB在所建数学模型的基础上对模糊神经元PID控制器进行仿真实验. 实验结果表明, 所设计控制器具有响应迅速、无超调量、控制精度高、控制稳定等优点.     

偏缠绕模的Frobenius性质

主要给出了偏缠绕模的Frobenius性质，推广了缠绕模相应的性质。     

一类压缩型映射的不动点定理

在完备的度量空间中,讨论了一类新型的非线性压缩映射ρ(Tx,Ty)≤a(ρ(x,y))ρ(x,Tx)+b(ρ(x,y))ρ(y,Ty)+c(ρ(x,y))ρ(x,y)通过构造迭代序列,指出该映射的不动点的存在性和唯一性,并给出相应的误差估计式,拓展和改进了有关文献的范围.     

托卡马克中磁流体不稳定性与高能量离子相互作用

在托卡马克中,磁流体不稳定性与高能量离子相互作用是一个非常重要的问题,它对未来聚变堆稳态长脉冲运行至关重要。HL-2A是我国第一个具有先进偏滤器位形的非圆截面的托卡马克核聚变实验研究装置。撕裂模是托卡马克中的一种基本的电阻磁流体不稳定性,它可以改变磁场的拓扑结构,形成输运短路,甚至会触发大破裂。高能量离子在燃烧等离子体和各种外部辅助加热过程中是不可避免会产生的。目前,撕裂模与高能量离子相互作用依然存在一些关键性问题,例如撕裂模与高能量离子相互作用的共振关系、该物理过程导致高能量离子损失的物理机理等,并且还没有完整的关于撕裂模与高能量离子共振相互作用的数值模拟工作。因此,本综述论文主要从以下三个方面展开:1)回顾撕裂模与高能量离子相互作用的研究历史;2)基于HL-2A实验,从数值模拟的角度讨论撕裂模与高能量离子共振相互作用的物理机理以及其导致高能量离子损失的物理机制;3)展望未来聚变堆中撕裂模与高能量离子相互作用的情况。     

大展弦比气弹机翼柔性非线性变形的气动力效应分析与风洞试验

从飞行器刚弹耦合动力学模型出发，引入柔性机翼准定常假设，建立大柔性飞行器非线性静气动弹性气动力方程，利用非线性迭代求解思路模拟了柔性飞行器的静气动弹性响应行为，开展了大展弦比飞机静气动弹性风洞试验验证，采用气动力有限基本解与机翼的耦合计算，发现了大柔性飞机大变形状态下载荷及结构变形形式随风速的变化规律.传统基于小变形假设的线性分析方法和刚体分析由于无法考虑气动面随结构变形的曲面气动力因素和结构变形后的非线性刚度特性，均与风洞试验存在一定的误差.对于大展弦比柔性飞机的非线性静气动弹性分析十分必要.      

排名聚合算法在少量长列表聚合中的性能比较分析

排名聚合将多个排名列表聚合成一个综合排名列表,可应用于推荐系统、链路预测、元搜索、提案评选等.当前已有工作从不同角度对不同排名聚合算法进行了综述、比较,但存在算法种类较少、数据统计特性不清晰、评价指标不够合理等局限性.不同排名聚合算法在提出时均声称优于已有算法,但是用于比较的方法不同,测试的数据不同,应用的场景不同,因此何种算法最能适应某一任务在很多情况下仍不甚清楚.本文基于Mallows模型,提出一套生成统计特性可控的不同类型的排名列表的算法,使用一个可应用于不同类型排名列表的通用评价指标,介绍9种排名聚合算法以及它们在聚合少量长列表时的表现.结果发现启发式方法虽然简单,但是在排名列表相似度较高、列表相对简单的情况下,能够接近甚至超过一些优化类方法的结果;列表中平局数量的增长会降低聚合排名的一致性并增加波动;列表数量的增加对聚合效果的影响呈现非单调性.整体而言,基于距离优化的分支定界方法 (FAST)优于其他各类算法,在不同类型的排名列表中表现非常稳定,能够很好地完成少量长列表的排名聚合.