【摘 要】
：
考虑求解阻尼结构重频特征灵敏度计算问题,针对传统Nelson方法无法计算重频特征灵敏度的问题,提出一种新的扩展Nelson方法.通过构造新的灵敏度特解控制方程,并证明其系数矩阵的非奇异性,使其可以计算结构重频复模态振型灵敏度,扩展了Nelson方法.该方法保持了传统Nelson方法的优点,仅利用重频频率对应的模态振型求解,无需扩大方程求解规模和矩阵重排.数值实例验证了该方法的有效性.
【机 构】
：
吉林大学数学学院,广东工业大学机电工程学院
【基金项目】
：
国家自然科学基金(批准号:11672118).
论文部分内容阅读
考虑求解阻尼结构重频特征灵敏度计算问题,针对传统Nelson方法无法计算重频特征灵敏度的问题,提出一种新的扩展Nelson方法.通过构造新的灵敏度特解控制方程,并证明其系数矩阵的非奇异性,使其可以计算结构重频复模态振型灵敏度,扩展了Nelson方法.该方法保持了传统Nelson方法的优点,仅利用重频频率对应的模态振型求解,无需扩大方程求解规模和矩阵重排.数值实例验证了该方法的有效性.
其他文献
考虑Black-Scholes模型下的美式看跌期权定价问题.首先,基于Black-Scholes模型,设计一种针对该模型的神经网络算法,并给出美式期权价格的数值近似;其次,通过与传统的二叉树方法对比,证明该算法的有效性.
用人工蜂群算法解决寻找时间依赖网络中两点之间的最短路径问题,针对时间依赖网络中先入先出网络的特性,改进原算法中的路径选择策略,以优化生成的个体质量.该算法使用的策略为每个个体(即每条路径)添加一张散列表,用于记录搜索路径时遇到的路段,通过查找该表可发现当前个体的更优解.实验结果表明,该改进方法能有效提升算法最终解的质量,并极大缩短运行时间.
为有效提高求解无约束优化问题的计算效率,提出一类新的修正Hager-Zhang共轭梯度法,该算法不依赖线搜索,具有充分下降性和信赖域性质.理论研究结果表明,在常规假设条件下,新算法不仅在弱Wolfe-Powell线搜索下对一般函数全局收敛,且对一致凸函数具有R-线性收敛速度.数值实验结果表明,新算法比经典Hager-Zhang算法及其两个修正算法性能更优.
针对非连续、非平稳语音信号中含有噪声的问题,提出一种基于参数优化的变分模态分解去噪算法.首先,利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合分解模态数K和惩罚因子α,通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF;其次,利用相关系数选择有效模态分量,并用小波阈值处理无效模态分量;最后,重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪.实验结果表明,该算法与其他经典算法相比能有效提升信噪比,降低均方误差,提高语音信号的质量.
首先,证明含单位元的结合环R是左广义弱零插入(GWZI)环当且仅当对任意的a,b∈R,ab=0蕴含存在正整数n,使得anRb=0;其次,利用矩阵分块方法证明环R是左GWZI环当且仅当对任意的整数n≥2,Sn(R)是左GWZI环.
针对机器人伺服抓取中对定位精度和实时性均要求较高的问题,提出一种特征匹配及目标定位快速算法.首先,采用Shi-Tomasi检测算法提取特征点;其次,提出一种新的特征描述子定义方法:先以特征点为中心截取子图像,利用二维Gauss函数偏导数确定特征方向,再根据特征方向对局部图像做旋转处理,提取旋转后标准局部图像局部二值模式作为特征描述子,该描述子具有良好的局部性以及平移、旋转不变性;最后,通过计算特征
设L=(-Δ)2+V2是n(n≥5)上的高阶Schr?dinger型算子,其中非负位势V属于反向H?lder类R Hq(q>n/2).记Vρ(e-tL)为与高阶Schr?dinger型算子L相关的变分算子.基于Herz型Hardy空间
针对超密集网络通信场景,提出一种基于集群分配的干扰管理与资源分配算法,以消除超密集网络中由于大量部署低功率基站而降低吞吐量等影响.首先,基于距离、小区间干扰、可用资源情况3个条件权衡为家庭基站分配集群;其次,根据分配结果将干扰关系建模为干扰加权无向图,按适当标准对家庭基站进行分类,针对不同类型的家庭基站采用不同着色算法;最后,根据整体着色结果图完成频谱资源块分配.仿真结果表明,该算法可以为家庭基站选择最适合的集群加入,降低集群间干扰,提升频谱资源利用率,提高网络的吞吐量.
针对多目标跟踪中因目标遮挡而导致跟踪过程中身份交换频繁的问题,提出一种行人多目标跟踪算法.该算法首先使用YOLOv4作为检测器,检测出目标并确定检测框坐标,利用扩展Kalman滤波器对轨迹进行预测;然后用匈牙利算法作为数据关联模块,采用级联匹配方法将扩展Kalman滤波预测的检测框与目标检测的检测框进行匹配,并将发生遮挡的目标加入轨迹异常修正算法;最后在数据集MOT16的测试集上进行实验.实验结果
针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题,提出一种新的基于暗通道的沙尘图像增强算法.首先通过在Lab色彩空间用灰度世界算法调整色差,有效避免图像出现色彩失真现象;然后利用伽马校正函数和暗通道去雾算法,避免图像出现噪声、色彩过度增强和光晕等现象;最后将亮度补偿后的图像与对比度增强后的图像进行加权融合,进一步提高图像的可见度,使图像细节更清晰可见.实验结果表明,该方法提高了