Helmho1tz方程的径向基配点不重叠Schwarz交替法

将径向基函数配点法和不重叠型Schwarz交替法结合用于求解Helmholtz方程.该方法把求解大规模问题转化为求解多个小的子区域问题,克服了在求解大规模问题时用一般的全域径向基配点法所带来的配置矩阵为非对称满阵,且高度病态的问题.首先给出具体算法,然后给出算法的收敛性,最后通过数值算例得出相应结论.     

对流扩散方程的特征有限体积两重网格算法与误差估计

对于非线性对流扩散方程,构造了特征有限体积算法格式,再用两重网格算法计算非线性系统,先通过非线性迭代求出粗网格ΔH上的解uH,再利用粗网格上的解uH将问题线性化并求出细网格Δh上的近似解h(Hh)。理论分析及数值例子的计算结果均表明,在收敛阶保持不变的情况下,此算法既可消除非线性对流占优扩散问题数值震荡现象,又可简化计算,提高计算效率。     

Helmholtz方程的径向基配点不重叠Schwarz交替法

将径向基函数配点法和不重叠型Schwarz交替法结合用于求解Helmholtz方程.该方法把求解大规模问题转化为求解多个小的子区域问题,克服了在求解大规模问题时用一般的全域径向基配点法所带来的配置矩阵为非对称满阵,且高度病态的问题.首先给出具体算法,然后给出算法的收敛性,最后通过数值算例得出相应结论.     

基于极化因子神经网络的火电厂制粉系统故障诊断技术

制粉系统是火电厂的主要设备,其安全稳定运行对发电企业的经济生产具有十分重要的意义。针对制粉系统的运行特性和故障分析,提出了基于极化因子神经网络的火电厂制粉系统故障诊断方法,该方法将故障征兆相应的过程变量作为输入,将制粉系统故障类型作为输出,通过训练神经网络建立其系统故障诊断模型,其中训练过程中采用极化因子来自动调整神经网络的收敛速度,从而在满足误差目标的前提下,防止其陷入局部极小。选取实际火电厂制粉系统3个典型故障及其相对应的9个故障征兆参数进行了实验。结果表明,该方法具有良好的收敛性,完全可以满足火电厂制粉系统现场故障诊断的要求。