黎曼联络的新思考

文章将黎曼流形中联络的概念推广到一般流形,并讨论了它的相关性质.     

一类非线性椭圆方程奇异边值问题的正解

证明了环域上一类非线椭圆方程奇异边值问题Δ（ｕ＾ｍ）＋ｆ（│ｘ│，ｕ）＝０，ｘεΩ，ｕ│ｘ＝ａ＝０，ａｕ／ａ│ｘ＝ｂ＝０在Ｃ（Ω）ηＣ＾２（Ω）中径向正解的存在性和唯一性。     

广义强非线性拟变分不等式的分歧值

给出了广义强非线性拟变分不等式的分歧值存在的条件，为求分歧值的近似解的迭代算法做准备。     

用奇异摄动法设计线性二次型准最优直流控制系统

利用线性最优调节器理论可以设计出具有良好性能指标的晶闸管直流电机控制系统。这种设计方法优于传统的“双环系统”设计。然而,求解Riccati方程的计算量相当大。为寻求最佳加权Q阵,可能耗费许多时间。采用奇异摄动法设计准最优线性系统时,可以化高阶为低阶,从而简化计算工作量。本文利用奇异摄动理论设计了一个晶闸管直流电动机系统。已肯定本法适应于此类设计。本文还比较了不同设计方法所达到的动态性能。     

粘结平面对称分叉裂纹的奇异积分方程数值解

本文对一个含分叉裂纹的弹性半平面与另一不同材料的半平面粘结的问题用复势方法化为一组三个复Caucby型奇异积分方程。采用修正的Gauss-Legendre和修正的Lobatto-Legendre数值求积法则化成一代数方程组,裂纹尖端的应力强度因子值可从代数方程组的解求得。本文计算得到了弹性半平面、刚体与弹性半平面相粘结、两种不同材料的弹性半平面相粘结的三种问题的几种几何形状的对称分叉裂纹的应力强度因子。本文的结果扩充了“应力强度因子手册”的内容。     

稀土高碳当量灰口铸铁组织与性能的研究

本文研究了利用稀土合金改善高碳当量灰口铸铁质量的可能性,稀土合金对高碳当 量灰口铸铁组织和性能影响的规律,以及稀土夹杂物在铸铁各相中分布的规律．发现了 稀土合金加入量与铸铁的机械性能之间明显的对应关系——“双峰值效应”。对稀土高 碳当量灰口铸铁的某些高温机械、物理、化学性能进行了研究。结果表明稀土合金加入 到高碳当量灰口铸铁中以后能净化铁水,改善组织,并提高其性能．     

边界元法在计算地下水稳定水位和流量中的应用

边界元法是一种新的数值计算方法。该法易于处理无限区域的地下水流问题,并且计算流量也较其他方法准确。本文介绍在二维稳定流的情况下如何计算地下水的水头和流量。承压含水层中的稳定流动,水头H满足拉普拉斯方程。利用格林第二公式,可以得到边界积分方程,即边界元的基本公式。可以用数值方法计算这一边界积分。为此,在边界上选取有限个点,称为节点,两节点间的线段称为单元。本文中选用线性单元和线性插值。引进局部坐标系,可以得到表示H和( H/ n)关系的方程。我们可以选一个节点作为固定的基点,其他节点为动点,对于每一选择都可得到一个方程。依次把每一节点作为基点,可得到N个方程,构成一个线性代数方程组。根据边界条件,每一节点中的H或( H/ n)有一个是已知的,解方程组可求出另一个。解出边界上的全部H和( H/ n)以后,可算出内部的水头和流量。对于非均质问题可划分为几个区域来处理。分界线上要满足相容性方程。对于( H/ n)的不连续点,可用“节点多值法”处理。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。