Monte Carlo法计算Zr13.8Ti41.2Cu12.5Ni10-Be22.5大块非晶合金径向分布函数

利用日本SPring-8同步辐射光源和高压装置进行了常压和11.6 GPa高压下Zr_41.2Ti_13.8Cu_12.5Ni₁₀-Be_22.5大块非晶合金的原位能量色散X射线衍射测试, 得到了不同角度下的衍射数据. 基于Monte Carlo方法的思想, 结合计算大块非晶合金径向分布函数的基本原理, 利用Fortran语言编写程序对以上衍射数据进行了分析, 得到了常压和高压下大块非晶合金的全双体分布函数. 常压下原子最近邻区间与所有可能原子对的距离匹配; 同常压相比高压下对应各峰的位置均向原点处移动, 第一近邻的两小峰峰值分别从r₁₁ = 2.5Å, r₁₂ = 3.11 Å变成r′₁₁ = 2.32Å, r′₁₂ = 3.08 Å; 高压下峰形也发生了很多变化, 第二近邻峰由原来的单个衍射峰分解为紧挨的3个小峰. 根据高压下最高峰值相对于常压下的变化得出了大块非晶合金的压缩率为97.15%, 与已有经验公式计算的结果97.50%完全吻合. 结果表明用Monte Carlo数值模拟方法计算大块非晶合金的径向分布函数是可行的, 编写的程序可靠, 可移植性强. 该方法是一种有效的同步辐射数据分析手段, 适合求高温、高压以及两者协同作用等条件下非晶的结构信息.     

关于Hurwitz Zeta函数的积分均值

设ζ(s,α)为HurwitzZeta函数.当Re(s)>1时,定义ζ(s,α)=∑∞n=01(n+α)s(实数α>0),ζ′(s,α)、ζ″(s,α)分别表示关于复变量s的一阶导数、二阶导数.利用解析方法及三角和估计给出了ζ(s,α)对参数α的积分均值的一些有趣的渐近公式.     

非线性l1 问题的光滑近似算法

利用“ ”函数的光滑近似函数和无约束优化方法给出非线性l1的一种算法．在适当的假设下，算法是全局收敛的．初步的数值试验结果表明算法的有效性．     

基于伴性模糊检索的数学模型

模糊检索能极大提高系统处理非精确信息的能力，因而基于模糊语言的数学模型至关重要．在一些系统中，“模糊”的内容又与性别息息相关．本文提出伴性模糊检索的概念并给出相应的数学模型．实践证明．此模型能极好帮助用户在系统信息模糊的情况下检索出所需信息．     

离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

基于乘客流量概率分布的轨道车站合理间距优化模型

车站间距规划是城市轨道交通规划和设计的重要内容。在已有优化方法局限性分析的基础上，建立了以轨道线路系统总成本最少化为优化目标，并考虑乘客流量和乘行距离随车站间距概率分布的合理间距优化模型，提出了模型的算法，得到了各影响因素常见组合情况下的车站合理间距，分析了各因素变化对合理间距的影响，为实际工作中车站间距的合理确定提供了理论支持。     

二阶系统模糊变结构控制器设计及稳定性分析

采用滑模变结构控制时不可避免会产生抖振问题,尤其是对于那些变参数及具有不可测量持续扰动的系统,通过常规方法难以克服抖振对系统控制性能带来的不利影响。为此将模糊控制与滑模变结构控制相结合,设计了一种模糊变结控制器,既保持了变结构控制的鲁棒性及快速性,又能较好地消除抖振现象,并利用描述函数法分析了该控制系统的稳定性。最后通过一个具体的导弹变系数二阶控制系统的应用实例验证了该控制器的性能。     

基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

随机可变时滞系统的渐近稳定性

讨论了一类随机可变时滞系统解的渐近稳定性。应用It 公式、半鞅收敛定理与多个Lyapunov函数建立了这类随机可变时滞系统渐近稳定性的有效判据,使实际应用中构造Lyapunov函数更为方便。同时也说明了结果包含经典的随机系统稳定性结果为其特殊情况。与经典的随机稳定性理论相比,所建立的稳定性结果无须LV负定,充分利用了随机扰动项的作用,并且从理论上解释了一个不稳定的系统有时加入适当随机扰动后反而稳定。最后,举例说明了结果的有效性     

基于泛函网络的多维函数逼近理论及学习算法

提出一种多维函数逼近的泛函网络逼近方法,设计了一类用于函数逼近的可分离泛函网络,给出了基于泛函网络的函数逼近学习算法。而泛函网络的参数通过解方程组得到,它们能逼近给定函数到预定的精度。仿真结果表明,这种逼近方法简单可行,具有较快的收敛速度和良好的逼近性能。