一类Fredholm-Hammerstein型泛函积分方程不动点迭代与Aitken加速迭代算法

利用Banach不动点原理,给出了一类Fredholm-Hammerstein型非线性泛函积分方程解析解的存在唯一性定理.分别给出了不动点迭代与Aitken加速迭代的数值算法、误差估计、收敛性分析.最后通过两个数值例子验证了收敛性定理的有效性,并得到两种算法的比较分析结果.

论迭代、加速、平衡:新时代继续教育的理论视角

人工智能时代,共时性在场按部就班的正规机构性教育,已不能满足人们对知识、技能和能力迅速提升的要求。继续教育以其非共时、非在场、非正规、非正式的灵活性,突显其在新时代的不可替代性。进入新时代,需要从三个理论维度拓展对继续教育的内涵及外延进行反思的视角:从迭代理论视角审视继续教育,显示存量缺失补遗与增值赋能递进的共存,这是对继续教育的原理性诠释;从加速理论视角审视继续教育,显现人工智能应用与时间结构契合的共鸣,这是对继续教育的社会性诠释;从平衡理论视角审视继续教育,显见职业工作发展与私人生活和谐的共情,这是对继续教育的心理性诠释。重构新时代继续教育生存与发展的三大理论视角,关涉继续教育的本质、形式和功能,昭示在职业教育、高等教育和继续教育“三教”协同的创新之林中,继续教育具有兀然自立的光明前景。

全球科技发展:迭代加速与地缘政治化

近年来,科技迭代加速和地缘政治化成为全球科技领域最为显著的趋势。一方面,科技创新速度加快、应用更加迅速和普及,对社会转型的作用更加明显;另一方面,全球科技发展在大国竞争等地缘政治因素的影响下呈现去全球化和分裂化的趋势,各国科技创新和应用更加强调本土化和自主化,一些国家的技术封锁、孤立和“脱钩”行为更是加剧了全球科技体系的分裂和碎片化。在科技全球化的时代,新技术的迭代加速会产生一系列安全风险,影响个人隐私、社会稳定乃至国家间的战略互信;科技发展的地缘政治化趋势则会提高人类科技发展的代价、影响全球科技的协同治理和气候变化等全球性问题的协同解决。

商用车驾驶室虚拟迭代目标谱优化与分解

商用车驾驶室总成载荷谱是影响虚拟疲劳预测精度与计算效率的关键。本文探究了道路载荷谱采集与编辑、高保真动力学建模以及虚拟迭代等重点环节,以期从工程应用角度获取准确、高效的外联点时域载荷。首先,在试验场实车采集了驾驶室总成全路径道路载荷谱,考虑随机误差对原始数据进行归一化拆分并重组,得到统计性较强的试验场总损伤目标;然后,利用等效损伤原则优选出9段工况及其循环数,不仅将误差控制在10%以内,同时时效提高了75%;随后,结合实测减振元件的性能参数,建立了高保真驾驶室刚柔耦合动力学模型,并通过驾驶室7通道道路模拟台架验证了模型精度;最后,通过虚拟迭代完成了优选工况的载荷分解,迭代误差小于10%。基于上述优选并分解得到的外联点载荷,高效完成了驾驶室本体虚拟疲劳计算,并准确预测了驾驶室焊点失效情况,与道路模拟台架耐久试验结果有较高的吻合度,为商用车驾驶室的设计和优化提供了有力的技术支撑。

方程求根迭代法的一类修正格式与收敛性分析

研究方程求根迭代法的一类修正格式及其收敛性.通过引入乘子函数λ和利用泰勒展开式,建立一般迭代法的修正格式,并对其进行收敛性分析,进而给出修正格式的全局收敛和局部收敛条件;通过误差补偿,建立修正格式的加速公式,以保证在较高精度的情况下降低一般迭代公式对初值选择的敏感度.

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing,CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterativehard thresholding,IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding,ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。

红外目标图像循环迭代复原算法的加速技术研究

为了提高图像处理的实时性,本文针对作者先前提出的循环迭代图像复原算法迭代次数多、收敛速度慢等问题,提出了一种基于线性搜索的加速迭代技术.该加速技术利用泰勒级数展开式根据当前次的迭代结果对下次迭代数据进行预测,合理地跳过原有的一些迭代点,从而加快算法收敛.在达到相同复原效果条件下,减少了迭代次数,提高了算法的实时性.本文对收敛加速技术进行了理论分析和推导,在微机上进行了一系列的对比实验,实验结果表明,本文给出的加速技术效果显著,获取了加速因子的有效取值等一些有用的实验参数,算法具有实用价值.

基于迭代算法的磨料颗粒加速机制研究

在前混合射流磨料加速机制研究中一般将阻力系数当作常数且忽略巴西特力的影响。针对这一问题,采用实时对比插值法分析阻力系数且考虑巴西特力对磨料加速的影响,在此基础上建立磨料运动微分方程,并通过迭代算法进行求解,较为全面、准确地阐释磨料加速机制。结果表明:在管道及喷嘴直线段内磨料受力由大到小分别为黏性阻力、巴西特力、视质量力,在喷嘴收敛段内磨料受力由大到小分别为压强梯度力、视质量力、黏性阻力、巴西特力,且全程中巴西特力都有不可忽略的影响;在喷嘴收敛段前半段磨料加速度大于液相加速度,在收敛段后半段磨料加速度略小于液相加速度,在喷嘴直线段内磨料加速趋缓。

位移-加速度振动台迭代学习控制方法试验研究

针对传统位移控制液压伺服振动台台面加速度波形再现不精确的问题,提出了基于位移-加速度振动台迭代学习控制方法,并通过数值模拟和储罐振动台模型实验研究迭代学习控制方法的性能。研究结果表明:基于位移-加速度迭代学习控制方法相比基于位移-位移迭代学习控制方法对于加速度的再现精度更高,修正迭代方法相比直接迭代方法的收敛速度稍快。

图像恢复的小波域加速Landweber迭代阈值方法

该文利用对忠诚项的二次逼近方法,提出了一种小波域加速Landweber迭代阈值算法。该算法的每次迭代是对前两次迭代结果的线性组合做阈值处理。与标准的迭代阈值算法相比,该方法收敛速度更快。由于参数的可选择性,新算法更有灵活性。数值实验表明新算法能够有效地提高恢复图像的质量,是一种行之有效的图像恢复方法。

区间可调节的变增益加速迭代学习控制

为加快迭代学习控制律的收敛速度,针对线性时不变系统,以P-型、D-型学习律为例,提出了区间可调节的、具有指数加速、含反馈信息的迭代学习控制算法。首先,根据每次学习效果,确定下一次迭代需要修正的区间并在该区间内修正控制律增益;其次,分析了所提算法的收敛性并给出其收敛条件;最后,理论结果表明收敛速度主要取决于被控对象、控制律增益、修正指数和学习区间的大小。相同仿真条件下,与传统算法相比,所提算法具有更快的收敛速度。

大范围求解非线性方程的加速迭代法

为了解决一些传统方法不能解决的非线性方程求根问题,提出一种大范围求解的加速迭代法,利用卷积实现了大范围内选用初值,并加速过渡到根的邻域中,由于在局部迭代求根的过程中采用了松弛参数,局部迭代过程得到加速,加速效果非常明显.相关算例显示这种加速迭代算法不仅能在大范围内选取初值,不用计算导数,而且计算量和迭代步数少,收敛速度快,计算精度高.

一种新的GM（1，1）建模方法——迭代加速法

在GM（1，1）逐步优化直接建模方法的基础之上，得到了迭代的收敛速度，并由此得到了迭代－加速公式。在参数a较大时，迭代加速法具有收敛速度快等优点，弥补了原逐步优化直接建模方法收敛速度慢的缺陷。

Landweber迭代正则化的加速

Landweber迭代法是求解大规模的不适定问题的一种有效方法,但其迭代序列收敛速度是相当慢。为了加快Landweber迭代收敛速度,将每一步Landweber迭代分解为矩阵计算和求解,对矩阵计算部分设计了一种快速迭代格式,并给出了相应的加速算法,通过数值实验验证了这种算法能够大大加快收敛速度,有效的减少计算量,解决了Landweber迭代正则化方法在实际应用中的障碍。

矿井风温预测的一种加速迭代计算新方法

分析了当前矿井风温预测的计算方法,引入了n维空间的埃特金加速迭代法,证明了其多变量同时迭代明显优于传统的多变量分步迭代,算法时间复杂度由O(n2)减为O(n),迭代收敛速度得到提高.采用面向对象的Visual C++6.0语言,设计开发了基于n维空间的埃特金加速迭代法的矿井风温预测软件,建立了相应的矿井风温预测数据库,实现了矿井风温的计算机预测分析与信息管理.应用结果表明,该算法收敛速度快、计算精度高,是求解矿井风温预测非线性模型的最有效方法之一.

陀螺特征值问题的广义SRR子空间迭代法及其加速法

本文基于非Hermitian矩阵的Schur—Rayleigh-Ritz加速的子空间迭代法,构造了状态空间表示的陀螺特征值问题广义SRR子空间迭代法,这是与由质量阵和刚度阵构成的广义特征值问题的子空间迭代法平行的一种算法。在迭代中充分利用陀螺特征值问题的反对称特性,使得投影及SRR加速过程得到极大的简化。在采用Schur型对幂加速进行分析的过程中发现,Meirovitch所构造的陀螺特征值问题求解方法的本质是反对称Schur型的平方乃是对称Schur型。这一发现揭示了对称与反对称特征值问题之间的内在联系,反映了保守系特征值问题的优良数学品质。本文构造了Meirovitch法中利用稀疏性方法,改变了认为它破坏稀疏性的看法。文中算例证实了方法的有效性。

加速算法闭环P型迭代学习在电液伺服协调加载系统中的研究应用

针对某具体电液伺服协调加载系统，提出了一种加速算法闭环Ｐ型迭代学习控制律。该方法控制精度高，计算简单，对耦合干扰有较强的鲁棒性。理论分析和试验结果表明，该方法有较大的应用价值。

带加速因子的线性方程组通用性迭代解法

在行处理法的基础上,提出一种带加速因子的线性方程组通用性迭代算法,用几何方法证明了该算法的正确性,并对加速因子进行了简单讨论.该算法可保证对任意相容线性代数方程组均收敛,且容易并行计算和加速.

一个并行迭代的加速法

本文运用加速技巧 ,给出了一个求复多项式零点的并行迭代法 ,该方法具有较高的收敛阶和计算效率 .

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。