应用自动微分的Newton-PCG算法

一类新的使用符号微分的Newton-PCG型算法在文献[1]和[2]被导出来了。本文建立和研究应用自动微分的相应的Newton-PCG算法，理论分析和数值实验结果显示应用自动微分之后，目标函数的维数或复杂性越大，Newton-PCG算法对Newton法的改进越显著。     

光纤传感振动检测系统及其实验研究

实际工程结构中的振动检测是十分重要的，也是十分复杂的，常用的结构振动检测传感器易受工程现场恶劣环境的影响．而光纤传感器具有小巧、抗电磁干扰、灵敏度高、适合长期监测等优点。本文建立了基于马赫—曾德(Mech-Zehnder)干涉原理的光纤传感振动检测系统．研制了运用先进的数字信号处理技术采集和处理数据的专用软件，并在典型结构件——钢制悬臂梁结构上进行了外加信号作用下的强迫振动检测和冲击载荷作用下的自由衰减振动检测，测量了该结构件的频率及振幅，其结果与同时进行的成熟的电测结果相近，说明光纤传感器用于结构件的振动测量是可靠的。本文为光纤传感器应用于实际工程的振动检测提供了新的技术装置，具有工程应用前景。     

光学非球面二次曲面常数及顶点曲率的研究

受光学非球面制造过程中诸工艺参数的影响,能否保证非球面顶点曲率及二次曲面常数的精度是一个重要问题。基于二次曲面方程,推导出确定光学非球面二次曲面常数k以及顶点曲率半径r的一组算法,并在对一块口径为760mm×200mm标准非球面反射镜的实际测算中进行拟合,经过优化,拟合精度达到Δk=0.015,Δr=0.341mm,从而有效的控制了光学非球面制造过程中的顶点曲率及二次曲面常数的偏差。     

切伦柯夫相互作用中分段式慢波结构与均匀慢波结构的比较研究

 分析了切伦柯夫束波相互作用中使用单段慢波结构的缺点。指出在分段式慢波结构中，漂移段及其两端的慢波结构组成一Bragg谐振腔，当漂移段长度合适时，根据渡越时间效应理论，这种结构能减小调制束中电子的速度分散，提高束波转化效率。通过粒子模拟方法，比较了均匀慢波结构与分段式慢波结构中束波相互作用的物理图像，验证了理论分析结果，并说明了后者有束密度群聚充分，束电子速度分散小，产生微波功率高、频谱质量好，最佳工作电流大，输入电功率高等优点。     

强流四脉冲电子束源实验研究

 为了进行强流多电子束源研究，对现有2MeV LIA 注入器进行了四脉冲改造，二极管脉冲电压约500kV。实验研究了天鹅绒阴极在四脉冲条件下的发射能力、传导电流负载效应以及阴极等离子体运动对阴极电子发射和束能量的影响。利用空间电荷限制流模型推算出阴极等离子体膨胀速率在1 ~4cm/μs之间。     

爆磁压缩发生器通过脉冲变压器对脉冲形成线充电的理论分析

 将爆磁压缩等效为电流源的方法，对爆磁压缩发生器通过脉冲变压器对脉冲形成线充电进行了理论分析，得出爆磁压缩发生器在负载上产生电流波形（简称负载电流）为直线情况和任意电流波形情况下充电电流和充电电压的表达式。分析表明变压器耦合互感与负载电流随时间变化增长率是脉冲形成线充电的两个重要参数，脉冲形成线第一个充电电压峰值与变压器的耦合互感和负载电流波形斜率成正比，负载电流波形斜率的变化可以改变充电电压峰值的时间，斜率不断增加可以延长第一个充电电压峰值时间，从而可能增加充电电压的幅值，提高爆磁压缩发生器能量的利用效率。     

行波管内不连续性的简易模型分析

 根据行波管内微波信号在输能装置和切断衰减器处两个不连续性之间来回反射的物理现象，建立行波管输出段的简易网络串模型，并对行波管输出段传输特性参数的幅频特性、相频特性进行计算分析。结果表明：输能装置和切断衰减器的不连续性是造成幅相一致性行波管相位不可补偿的重要因素之一。     

乳糖修饰壳聚糖微载体的制备及对培养肝细胞代谢活性的影响

液体石蜡作分散介质。戊二醛作交联刑，通过反相悬浮聚合制备了微米级的壳聚糖微载体．环氧氟丙烷活化后，乳糖进行修饰．用孔糖修饰的微载体进行原代大鼠肝细胞培养，利用相差显微镜对培养细胞进行形态观察，并测定肝细胞的代谢活性，结果显示，乳糖修饰壳聚糖微载体是一种优良的肝细胞培养支架．     

非线性陀螺系统的稳定准则

本文根据Ляпунов的稳定性理论,研究了陀螺系统在非线性耗散力与非线性保守力作用下的稳定性问题,得到了非线性陀螺系统的稳定准则.结果表明:线性系统的稳定准则也同样适用于非线性系统,从而推广了KTC定理的应用范围.     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.