非线性方程数值解法的研究

本文主要是介绍非线性方程的数值解法,通过对牛顿迭代法、二分法和弦截法的实例化求解,分析并得出其一般性适用情况.由于非线性方程在科学计算中的广泛应用,使其对处理科学、工程问题以及相关的数值计算问题具有一定的启发意义.     

移频算法在加速子空间迭代法中的应用

基于子空间迭代法,采用移频加速算法,开发了一个高效、稳定、内存消耗低的移频子空间迭代特征值求解器SSubspace. 给出了详细的移频子空间迭代法求解广义特征值问题的步骤及关键参数的选取. 对刚度矩阵奇异时特征值的求解进行了探讨,实现了对刚体模态的求解. 与Intel MKL特征值求解器(FEAST v2.1)相比,SSubspace的求解效率高于FEAST,且内存消耗低于FEAST. SSubspace理论上可以求解出所有阶的特征值,且计算时间随特征值数的增加近似成线性增长关系,可用于求解大阶数特征值问题、大型矩阵的全特征值问题.     

含参数形式的鞍点问题SOR-LIKE求解方法

在求解鞍点问题的迭代方法SOR-LIKE算法中,通过引入参数构造出系数矩阵的一般化分裂算法,运用矩阵理论分析该算法的收敛性,并用数值实验来检验迭代法的收敛性.     

基于嵌入式迭代的高精度浸入边界法

针对传统浸入边界法施加边界条件精度不高的情况,将附加体积力的求解内嵌到压强泊松方程的迭代当中,提出了基于嵌入式迭代的浸入边界法.将所提出的算法应用到圆柱绕流数值模拟中,并与他人的实验值和数值解进行了对比,验证了所提算法具有较高的计算精度.分析了插值函数是导致浸入边界法高估圆柱阻力系数的原因,并对阻力系数进行了修正,修正值与采用贴体网格得到的结果非常吻合.比较了本文算法和传统算法的圆柱迎流侧驻点附近的速度矢量和圆柱周围的流线,证实了本文算法在施加边界条件方面的优越性.比较了两种算法的计算效率,迭代计算附加体积力所导致的额外耗时不显著.     

基于改进迭代模型的车-桥耦合系统竖向随机振动研究

采用改进的车-桥耦合系统迭代计算模型,建立了基于虚拟激励法(PEM)的列车-轨道-桥梁竖向随机振动分析模型.采用虚拟激励法将轨道不平顺精确地转化为一系列竖向简谐不平顺的叠加,并运用分离迭代法求解车-桥耦合系统振动方程.以CRH2高速列车通过5跨简支梁桥为例,对改进的车-桥耦合系统迭代计算模型的计算精度和效率进行了验证.结果表明:在保持与传统模型相同计算精度的前提下,改进模型能使计算效率提高5倍左右.通过对列车-轨道-简支梁桥竖向随机振动响应中确定性激励引起的均值和轨道不平顺引起的均方根进行分析可知:桥梁竖向位移主要受列车自重控制,轨道不平顺引起的桥梁竖向位移影响很小;桥梁和车体竖向加速度受轨道不平顺影响显著,改善线路条件能有效提高列车的乘车舒适性;同时,车速越高,桥梁和车辆随机响应的均方根越大,由轨道不平顺引起的耦合系统振动响应的离散度越大.     

一种用于室内定位的线性规划算法

针对基于ToA定位中存在的信标节点较少和发送时间不能提前预知的问题,提出了一种新的应用于无线传感网络室内定位的线性规划算法.通过考虑测量值的最小平均绝对值误差,利用线性逼近方法,将一个复杂的、非凸的室内定位问题转换为一个简单的线性规划问题,并用迭代求精的方法求出最优解.仿真结果表明,提出算法计算复杂度低,收敛速度快,可以快速地求出未知节点的坐标;通过和已有的定位算法相比,提出算法在信标节点较少的情况下,仍能保持很好的定位精度,利用较少的节点资源达到比已有算法更好的定位性能.     

显著边缘直接引导的动态模糊图像盲复原方法

针对主动视觉中运动载体和云台抖动导致图像模糊的问题,提出一种显著边缘直接引导的动态模糊图像盲复原方法。为了克服经典 Canny 算子只能对边缘进行标注的缺陷,设计了图像边缘搜索-增强算法,并基于此提出了仅依据图像中显著边缘邻域完成点扩散函数优化估计的方法;为解决传统残差图像方法不能适应预测图像错位的问题,提出图像解模糊的递归残差修正算法来抑制复原图像波动;设计了图像复原的分层迭代处理流程,保证模糊图像复原的可靠性和精度。理想光照条件下的仿真表明,算法能准确恢复模糊图像的边缘,同时抑制复原图像中的波动。非理想光照条件下的仿真也验证了算法对环境有良好的适应性,具有较高的实际应用价值。     

双曲随机迭代系统

本文引入了双曲随机迭代系统 ,讨论了它的一些性质 ,证明了它没有游荡的Fatou分支     

预条件后新分裂下的Gauss-Seidel迭代法收敛性讨论

针对Gauss-Seidel迭代法求解大型线性方程组Ax=b时,结合矩阵分裂理论及比较定理,给方程两边同时左乘非奇异矩阵P(也称为预条件矩阵),对新的系数矩阵PA进行矩阵分裂时,引入参数α,以使矩阵分裂更加一般化,说明这种方法不仅能加速Gauss-Seidel迭代法的收敛,而且优于一般的预条件方法.最后给出一个数值例子.     

多元线性模型回归系数有偏估计的实现

指出文献［１］ 所讨论的多元线性模型回归系数的有偏估计方法在计算实现上存在的问题, 提出计算多元线性模型回归系数的岭估计迭代算法