基于特征线的N－S方程算子分裂有限元法

本文提出了一种求解Navier—Stokes（N—S）方程新的有限元方法：基于特征线的算子分裂有限元法（CBOS法）．该方法在每一个时间层上,采用算子分裂法将N-S方程的对流项与扩散项分开求解,扩散项时间离散采用向后差分格式,空间离散采用标准Galerkin有限元法,隐式求解;对流项离散采用特征线．Galerkin法,显式求解．应用此算法对方腔流和后台阶流动进行了数值模拟,通过与标准解或实验值对比表明该算法具有较高的精度和较好的稳定性,为以后求解N—S方程提供了一种很有应用前景的研究方法．     

非平稳环境激励下模态参数识别的连续时间AR方法

针对受非平稳高斯随机激励下的线性时不变系统,基于连续时间AR模型,提出了一种时域模态识别的新方法,这种方法仅从响应数据就能够识别系统的物理参数．为了对参数进行估计,把结构动力学方程看作一个连续时间AR模型,并给出了它的状态空间形式,其中的状态方程就是一个随机微分方程;接着利用在非常短的时间段内均匀调制函数接近于一个常数矩阵的事实,得到均匀调制函数的估计;然后再利用Girsanov定理,得到物理参数的精确极大似然估计;最后进行特征分析,从而实现线性系统模态参数的识别     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题,提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计;引入高斯分布估计算法（GEDA）的思想,对蛙群中适应度好的蛙进行分布估计再生,提高收敛速度;结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示,与PSO算法相比,振幅平均估计精度提高了5．3％,相角平均估计精度提高了4．7°。研究表明,该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

热波现象的热质理论研究

基于热质的概念建立了热量输运的守恒方程,并得到了考虑热质运动的空间和时间惯性的普适导热方程,该方程反映了一般条件下热的波动传递现象．当热流和温度的空间惯性以及温度的时间惯性可以忽略时,所得到的导热定律退化为CV模型,表明CV模型实质上仅考虑了热流对时间的惯性效应．对热波传递和叠加现象的数值分析表明：当热扰动较小时,热流对空间加速的惯性可以忽略,基于热质理论的热波方程和CV模型符合得较好;但是,在描述较大的热扰动时,由于热流对空间的加速惯性不能忽略,CV模型的求解结果会出现负温度的非物理现象,而基于热质理论的热波方程则克服了这一缺陷．     

加性噪声条件下的UKF算法

UKF算法是广泛应用的非线性滤波方法之一,在加性噪声条件下,根据是否状态扩展和是否重采样有四种实现方式.从算法精度、适应性和计算效率等方面进行了理论分析和仿真计算,证明适当选择滤波器参数,常用采样策略下,状态扩展与非扩展的UT变换结果相同,但后者的计算效率较高;加性测量噪声条件下,扩展与非扩展UKF可获得相同的滤波结果;加性过程噪声条件下,扩展与非扩展UKF仅能获得相同的状态预测结果;重采样不总是构建滤波器的必要环节,但理论分析和仿真计算发现了重采样对滤波器增益的自适应调节能力,指出其在状态偏差或未知机动模式较大时对改善滤波器收敛性和精度有重要贡献.在此基础上,给出了实际应用中的滤波器设计准则:对于加性测量噪声宜采用非扩展方式;对于加性过程噪声,状态偏差或机动较小时宜采用扩展或非扩展的非重采样方式,系统状态偏差或机动较大时宜采用非扩展的重采样方式.性能分析方法和系统设计准则对研究其它的滤波器同样有参考价值.     

基于双容积卡尔曼滤波的车辆状态与路面附着系数估计

针对车辆行驶过程中的车辆状态与路面附着系数估计问题,论文研究了基于双容积卡尔曼滤波的车辆状态与路面附着系数估计算法,建立了采用Dugoff轮胎模型的三自由度车辆估算模型,基于双容积卡尔曼滤波理论设计了车辆行驶状态与路面附着系数估计器,使二者在估计过程中相互联系、形成闭环反馈,实现对车辆状态与路面附着的实时准确估计.选择典型工况,应用驾驶模拟器在环实验对双容积卡尔曼滤波估计算法进行了验证,并与双扩展卡尔曼滤波的估计算法进行对比分析.结果表明:基于双容积卡尔曼滤波的估计算法相对于基于双扩展卡尔曼滤波的估计算法更能够较准确地实现对车辆状态和路面附着系数的估计.     

蚁群算法中参数设置对超声回波估计性能的影响

摘要针对超声回波参数估计问题存在着耗机时长,估计结果严重依赖于初始值的缺点,本文将蚁群算法应用到超声回波参数估计中,结合超声回波的非线性高斯模型,提出了基于蚁群算法的超声回波参数估计算法,并就蚁群算法在超声回波估计中参数的优化组合设置进行了分析研究通过数值仿真,在信噪比为10dB条件下计算了蚁群算法中各参数的不同取值对估计结果的不同影响,包括计算时间、估计精度和算法稳定性,得出了算法中各参数的组合优化设置,给出了最优参数下的超声回波参数估计结果,并通过与其他算法的比较验证了蚁群算法在超声回波参数估计问题中的有效性．该研究有助于提高超声回波估计的精度和算法的稳定性,缩短蚁群算法的计算时问,以达到优化算法性能的目的．     

两步EFOP参数估计的递推算法

经验频域最优参数（EFOP）估计方法是基于时域估计和频域估计的一种系统辨识方法．其优点在于能够降低噪声影响，对小样本数据的随机系统具有较好的辨识效果．利用松弛算法而建立的两步EFOP方法，可适用于ARMA和Box-Jenkins等模型．文中对受干扰的随机系统，推导出两步EFOP方法的递推算法．对新的递推算法进行了仿真，并利用实验结果分析和验证了该算法的有效性．     

同时发生的颗粒凝并和沉积现象的Monte Carlo模拟

同时发生的颗粒凝并和沉积所导致的离散系统动力学演变过程数学上可由通用动力学方程描述. Monte Carlo算法是求解通用动力学方程的一类重要方法. 然而, 常体积法由于模拟颗粒数目的波动而存在着计算代价和计算精度无法协调的矛盾, 常数目法由于计算区域的不断收缩或扩展而难以工程实际应用和科学定量分析, 且这些Monte Carlo算法均依赖于子系统概念而大大限制了其扩展性和应用范围. 发展一种多重Monte Carlo算法求解同时考虑凝并和沉积的通用动力学方程. 该算法引入加权虚拟颗粒的概念, 基于时间驱动, 在颗粒尺度分布时间演变过程中同步保持恒定的虚拟颗粒数目和稳定的计算区域体积, 这使得MMC算法具有考虑边界条件、颗粒尺度分布空间扩散、甚至颗粒-流体动力学的可扩展性. 利用多重Monte Carlo算法对几种特殊工况进行数值模拟, 结果与理论分析解符合很好, 表明该算法具备较高且稳定的计算精度和较低的计算代价, 这是由于虚拟颗粒数目稳定且较少的缘故. 最后分析了该算法的误差源以及相对误差.     

一种求解带有时间调度的四维长方体装填问题的启发式算法

长方体的Packing问题被证明是NP-hard问题。对于低维度Packing问题,国内外学者给出了模拟退火算法、遗传算法、分枝限界算法、拟人算法等求解算法。文中针对带有时间调度的三维长方体的Packing问题,引入封装级别、空间距离和周边生成序数等评判标准,提出了一种基于贪心策略的启发式算法。该算法对每个长方体每一占角位置进行评判,依据空间利用率选择给定格局下的最佳放置长方体及其放置方式,并进行填放。算法的运算复杂度是一个与容器参数A,B,C,T以及长方体数目n有关的多项式O(A~2B~2C~2T~2n~5)。利用该算法对非闸断模式和闸断模式测试样例进行实验,算法求解得到非闸断模式测试样例的平均空间利用率为98.81%,闸断模式测试样例的空间平均利用率为99.87%。并且,对于一半以上样例,该算法能够求出最优解。实验说明该算法对于求解带有时间调度的三维长方体Packing问题十分有效。     

基于CVODE求解器的饱和-非饱和土壤水分运动数值模型

为研究地表滴灌条件下的土壤水分分布特征和运动规律,构建了基于二维Richards方程的土壤水分运动数值模型TIVS（TsinghuaIntegratedVariablySaturatedsoilwatermovementmodel）．将Richards方程空间半离散后利用CVODE常微分方程求解器进行求解,改进了地表滴灌积水动边界的处理方法,提高了数值求解稳定性和计算效率,模拟结果能保持良好的水量平衡．数值模拟检验和试验验证结果表明,模型具有较高的模拟精度,可用于地表滴灌复杂边界条件下的土壤水分运动长期模拟．     

三维矩形Packing问题的拟人求解算法

基于当前格局下可能填充的最大矩形空间的概念以及围城战术,将求解三维矩形Packing这一典型NP难度问题的拟人型穴度算法做了关键性的改进,得到了新的更强有力的算法ICDA.在时间开销与当今代表性算法大致相当的前提下,ICDA对于国际上公开的由100个实例组成的天然的最困难的问题类,即待放长方体的形状大小随机给定、几乎两两皆不相同的情形,得到了90.92%的平均空间利用率.所得精度比国际学术界最新公开发表的同时也是迄今为止最好的结果要高出0.54个百分点.     

多通道雷达天线阵列的设计理论与算法

多通道雷达天线阵列的设计,尤其是MIMO雷达阵列的设计是一个全新的研究内容,涉及MIMO雷达的目标回波空间分集实现、空间采样能力,由此影响目标参数估计、DOA和雷达成像性能.论文从目标散射模型、收发信号模型出发,提出了基于空间卷积理论的MIMO雷达天线阵设计方法与算法,着重分析和介绍了收发复用线性阵情况下的MIMO雷达阵列设计算法,给出了并证明了其等效接收阵列存在的充要条件,在此基础上,论文以目标成像的空间采样和DOA估计性能为例,给出了典型的空间采样模型,对于空间卷积不存在解析解的空间采样模型,也给出了逼近算法.     

基于POD-Observer技术的非定常气动力建模方法

基于本征正交分解（POD）结合观测器（Observer）技术,发展了一种新的适合于气动弹性分析的非定常气动力降阶方法.通过全阶系统行为的样本采用POD方法导出一组流体模态.将POD训练的全阶响应投影到流体模态上,得到模态幅值的响应时间历程.经由deadbeat观测器处理,这些训练数据用于识别模态幅值动态系统的Markov参数.采用特征实现算法基于上述的Markov参数构建系统的状态空间模型.算例选取了亚声速流场中的二维翼型系统.结果表明降阶模型复现了全阶系统的主要动态特性,极大缩减了原系统的自由度数量并且显著提高了计算效率.     

分布式驱动HEV自适应无迹卡尔曼车速估计

针对四驱混合动力汽车,为改善其电子稳定性系统(electronic stability program,ESP)车速估计的精度和鲁棒性,考虑后轮毂电机转矩精确可测可控,以及前轮驱动转矩可推算的特点,结合ESP系统既有的传感器输出信号,提出了分布式自适应无迹卡尔曼车速估计算法.首先,建立了四驱混合动力汽车动力系统及动力学模型,其包括驱动系统模型、7自由度车辆动力学模型和Burckhardt轮胎模型.其次,考虑模型的时变及强非线性特性,采用无迹卡尔曼滤波(unscented Kalman filter,UKF)算法设计了主/子滤波器.一方面通过对量测噪声的自适应,改善了UKF算法量对量测信号干扰的鲁棒性;另一方面将主/子滤波器结果进行融合,并用融合后结果重置了各滤波器,提高了车速估计精度.最后,搭建了四驱混合动力汽车Carsim-Simulink联合离线仿真平台和硬件在环仿真试验平台,分别开展了双纽线、低速双移线两种驱动工况的离线仿真和硬件在环仿真试验.试验结果表明,所提出的分布式自适应无迹卡尔曼车速估计算法不仅估计精度较高,而且也有着较强的自适应性和鲁棒性能.     

基于约束构造算法的密码协议安全性分析

基于形式化方法开发自动分析工具是密码协议安全性分析的一种有效的方法，然而，由于密码协议参与主体的任意性、消息运算复杂性和运行的并发性，密码协议的安全性分析是高度计算复杂性的难题。基于最近提出的密码协议代数（CPA）模型，采用代数方法描述密码协议活动，精简密码协议描述，提出一个高效的密码协议安全性自动分析算法。该算法通过泛多项式方程求解技术，减少密码协议安全性分析过程中产生的冗余状态数量，并可提供在无限状态空间运行的协议安全性分析。根据该算法，实现了一个密码协议自动分析系统ACT-SPA，应用该系统分析了二十多个密码协议，结果显示系统显著提高了运行效率，并发现了新的密码协议攻击。     

不确定性气动弹性系统辨识及鲁棒极限环分析

模型的不确定性直接影响鲁棒颤振和极限环分析的准确性．从基于数据的角度提出考虑非线性环节和模型不确定性的鲁棒极限环分析框架．采用时域方法辨识包含非线性环节的Block—oriented结构的气动弹性系统模型集合的不确定度大小．以在线弹性结构的极点构造正交基底,将不确定性模型集合辨识问题转化为不确定性参数上下界估计的优化问题,通过求解非线性优化得到不确定性模型集合．将辨识后的无记忆非线性算子用正弦输入描述函数表示,利用线性分式变换技术对辨识后的不确定性模型进行重新建模,最后采用结构奇异值（μ）理论对系统集合进行鲁棒极限环分析．采用某二元翼段气动弹性算例验证该辨识和分析框架的准确性．结果表明辨识的不确定性的模型集合能够刻画气动弹性动力学特性．在相同速度下,考虑不确定性的模型集合的鲁棒极限环幅值比标称系统极限环幅值要小．该方法可以应用于鲁棒颤振和极限环预测．     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

一种新的信号二进小波变换模极大值重构信号的迭代算法

基于Hilbert空间单调算子理论和求解单调算子方程的迭代算法, 给出了一个新的基于信号二进小波变换模极大值重构信号的迭代算法, 证明了算法的收敛性. 同Mallat的交替投影算法相比, 该算法更加简单、快速和有效. 数值实验表明, 对于不同类型的信号, 该算法仅需要较少的几次迭代, 就可获得较好的重构效果.