基于全周期分段步加的极小子样加速实验方法

针对滚动功能部件在其使用过程中的磨损失效等将直接影响其服役性能的问题,为方便高效地获得滚动功能部件不同时间历程下的在线监测和离线状态数据,提出了一种基于全周期分段步加策略的极小子样滚动功能部件加速实验方法.将滚动功能部件沿轴线方向分成n+1个子段,从子段1开始在加载力Fi作用下以速度vi自子段i至子段n往复跑合zi次,建立了各分段的等效加载力、等效跑合速度、第i个子段单位长度上正常应力水平下总的服役时间Ti的计算模型,并搭建了滚动功能部件服役性能加速实验台.该加速实验方法可应用于细长轴类零件的服役性能和失效演变机理分析及其寿命和可靠性的预测评估.     

极大群和极小群的弱c-正规对有限群结构的影响

利用极大和极小群的弱c-正规性对有限群的结构进行刻画,得到可解群和p-幂零群的一些充分条件,推广了一些已知的结果.     

基于分方向选择搜索的多目标进化算法

Pareto 解空间为分区域连续时,基于极大极小策略和确定权重的多目标进化算法在进化的每一代都会在无最优解的区域搜索解点.为解决此问题,文中提出了一种新的判断机制,根据每个权重在不同方向上选取的解点集来判断权重对应的Pareto有效解区域是否存在最优解点,并以此来调整搜索的区域;为了避免算法陷入局部收敛和种群早熟,提出...     

约束优化问题的一种对偶性刻画

首先对一类集合,从两个不同的侧面刻画了集合沿某个方向的极小极大问题,并阐述了极小值与极大值相等的条件.对应于经典的优化问题,借助于目标函数的上图,将原问题与对偶问题对应于某个集合的极小极大问题,得到强对偶定理.最后,对Hilbert空间上的一类约束优化问题进行了刻画,得到了这一类约束优化问题的强对偶定理,进而可以通过对偶问题求解原问题.     

关于一类非自治二阶哈密顿系统的周期解

文章的主要目的是研究一类二阶哈密顿系统的周期解的存在性,通过使用临界点理论中的极大极小方法获得了一个新的存在性定理。     

关于有限群的循环子群的注记

利用循环子群之外的元素的阶和该循环子群的阶的关系给出了关于循环群的一个刻画;刻画了导子群G′的每个极小子群或者正规或者具有循环正规化子的有限群G,并证明了这类群G是可解的.     

黎曼流形中的近Yamabe孤立子

主要研究了黎曼流形中的等距浸入近Yamabe孤立子.使用Hopf极大值原理及子流形的基本方程,得到了近Yamabe孤立子是全测地或全脐的充分条件.对欧氏单位球面S n+1中的非平凡紧致极小梯度近Yamabe孤立子(Mn,g,f,ρ),证明了若Mn的数量曲率S≥n(n-2),则Mn等距于欧氏球面.     

构造极小广播网络的新方法

广播是指从网络中某一成员开始 ,将消息传递给网络中其余成员的过程 .极小广播网络就是指能在最短时间内广播一条消息的通讯网络 .本文主要讨论一种构造极小广播网络的新方法 ,这种方法在大多数情况下改进了极小广播网络的最少边数的上界.     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

有限极大极小问题的拟牛顿法

给出了解极大极小问题的一种拟牛顿法, 在不假设在Danskin点处满足严格互补条件的情况下证明了算法具有超线性收敛速度及全局收敛的性质.