Hestenes-Stiefel共轭梯度法的全局收敛性

其中g_k=(?)f(x_k)||·||为R~n中的L_2范数.在所有的共轭梯度法中,PR法被认为是最好的方法之一,在实际计算中HS和PR法效果差不多,它们都优于FR方法.在充分下降性假设下((?)f(x_k)~Td_k≤-σ_3||(?)f(x_k)||~2),Nocedal证明了只要β_k取正数,那么在采取Strong Wolfe-type搜索得到步长α_k的情况下,PR和HS法是全局收敛的.这里的StrongWolfe-type搜索形式如下:     

集值函数的广义共轭函数和次微分

该文通过推广实函数的凸共轭函数及其次微分的概念,建立了一类关于集值函数的广义共轭函数及其次微分理论——集值函数的(H,Ω)共轭函数及(H,Ω)次微分理论。这一理论可以用来建立非线性规划问题的一类对偶性原理。     

子群是正规子群的一个充分条件

判断子群是否为正规子群有多种方法,本文从有限群与其子群阶的关系上,给出子群是正规子群的一个充分条件。     

交错群显式（AGE）矩阵迭代方法

本文介绍一种新的显示迭代方法，以适合求解共轭转置矩阵方程，这是一种交错使用的迭代方法。     

基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

DEAE纤维素色谱法对肺源肝素亚组分的分步梯度分离

利用ＤＥＡＥ－纤维素柱层析分步梯度洗脱，将肝素分为活性高低不同的亚组分，即ＨＰ１、ＨＰ２、ＨＰ３，根据三亚组分特点，使肝素能更加对症、更加安全地应用于临床。     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

黏弹性基体中FG-CNTRCs圆柱壳热振动特性分析

建立了考虑碳纳米管（Carbon Nanotubes,CNTs）尺度效应的宏观功能梯度碳纳米管增强复合材料（Functionally Graded Carbon Nanotubes Reinforced Composites,FG-CNTRCs）圆柱壳自由振动特性的理论模型. 综合考虑CNTs的取向和尺度效应,基于Eshelby-Mori-Tanaka（EMT）方法和非局部理论建立了宏观CNTRCs的非局部EMT本构模型. 基于Kirchhoff-Love圆柱壳假设,采用Hamilton原理推导了热环境中visco-Pasternak基体中FG-CNTRCs圆柱壳的自由振动控制方程,利用Navier法得到两端简支圆柱壳的固有频率,并与文献中结果进行对比,验证了模型和方法的正确性. 分析了非局部参数、CNTs的体积分数和分布方式、圆柱壳的长厚比、环境温度以及地基参数等对简支FG-CNTRCs圆柱壳自由振动特性的影响. 研究发现,考虑CNTs的尺度效应后会降低FG-CNTRCs圆柱壳的抗弯刚度,环境温度对简支FG-X-CNTRCs圆柱壳固有频率虚部的影响随CNTs体积分数的增大而增大,且长厚比和地基的阻尼参数对虚部的影响有耦合作用.