一维抛物型方程参数识别反问题的数值解法

以函数逼近和Tikhonov正则化为基础，利用算子识别摄动法和线性化技术提出求解一维抛物型偏微分方程参数识别反问题的迭代算法，拓宽了求解此类反问题泛定方程和初边值条件的适用范围。数值模拟的结果表明，用此迭代法求解参数识别反问题具有数值精度高、稳定性好、收敛速度快的特点。     

基于单向投影矢量的数字电子稳像方法

为了减少计算量，进行实时稳像，提出了一种基于单向投影矢量进行运动估计的数字稳像方法．把匹配块像素灰度值向水平或垂直方向投影，形成一个原始矢量；对参考图像的搜索区进行投影，形成多个同样维数的矢量．构建一个参考矢量矩阵；比较原始矢量与参考矢量矩阵中的每个矢量之间的差分．找到最佳匹配点．在构建矢量时，绑定像素的位置信息，以降低误匹配，并运用快速搜索法找到矢量间的最小绝对差分．对该算法的运算量进行优化，在PC机上实现了实时稳像．     

某隧道围岩掉块成因分析

对某隧道为例，应用工程地质学，地质力学的方法对隧道围岩掉块的成因进行了分析，并对围岩的稳定性用赤平投影进行了解析，对围岩的稳定性判断提供了理论和实践依据，指出隧道中的不稳定块体主要为由于不良地质界面和临空面的相互组合形成的不稳定滑塌体。构造体系的型式为岩体的结构组合型式划分提供了依据，据此就可定性的评价岩体的稳定性，除此而外，隧道岩性及其组合，地应力及构造应力的大小和方向也是引起隧道围岩掉块不可忽视的因素。     

冻粘土三轴流变特性的神经网络预测

针对冻粘土特殊的物理力学性质，通过详细的冻粘土三轴应力条件下长期蠕变实验，讨论了温度，轴压，围压三种因素对冻粘土蠕变特性的影响，并利用人工神经网络（ANN）方法对冻粘土三轴流变特性进行了预测，建立了BP网络模型，预测结果与实验值吻合，因而具有一定的理论和实用价值。     

渐近非扩张映象的修正Reich-Takahashi迭代收敛性

 在Banach空间中研究具误差的修正Reich-Takahashi迭代序列的收敛问题,获得了第一型具误差的修正Reich-Takahashi迭代序列强收敛到不动点的充要条件,所得结果推广和改进了已有文献的相关结果.     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

关于一类集值拟变分不等式的广义投影算法

引入并研究了一类新的广义非线性集值强隐拟变分不等式，通过用投影方法，证明了这类变分不等式的解等价于一类不动点问题的解．基于这类不动点问题，我们构造了一个迭代算法，在没有紧性的条件下，证明了这类变分不等式解的存在性；同时，还证明了由迭代算法所产生的迭代序列收敛于这类变分不等式的解．     

非线性规划含三个参数的一族梯度投影法

利用偏斜梯度给出非线性不等式约束规划的含３个参数的一族梯度投影法．证明了方法的全局收敛性，并分析了算法族的几个有价值的特例．     

块对称加速超松弛迭代法及其收敛性

给出了解线性代数方程组Ａｘ＝ｂ的一个新的迭代算法模型——块对称加速超松弛迭代法（ＢＳＡＯＲ迭代法），并在系数矩阵Ａ为块Ｈ－矩阵的条件下，证明了该模型的收敛性．在该模型中，对参数取特殊值可得到块对称Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代法和块对称ＳＯＲ迭代法等常用的块对称迭代算法，并且还可产生许多新的块对称迭代法．即事实上建立了块对称迭代法的一般性收敛理论．     

一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法

讨论了迭代学习控制的基本概念,并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法.理论分析证明,这种控制算法对于跟踪重复运动的轨迹具有良好的效果.