XiaoMi-AI文件搜索系统
World File Search System数值优化
燃气涡轮发动机性能预测与仿真...
引言 2-1 2.1 固定翼飞机应用的燃气涡轮发动机模拟 2-1 2.1.1 初步设计概要 2-3 2.1.1.1 燃气涡轮概念设计流程 2-4 2.1.1.2 任务发动机或循环选择 2-7 2.1.1.3 控制系统概念定义/评估 2-10 2.1.1.4 燃气涡轮循环设计方法 – 数值优化 2-13 2.1.2 设计和验证概要 2-16 2.1.2.1 技术风险评估 2-16 2.1.2.2 硬件在环 2-22 2.1.2.3 飞机模拟 2-25 2.1.2.4 安装对整台发动机的影响 2-29 2.1.2.5 统计分析 2-32 2.1.3 系统设计和开发概要 2-36 2.1.3.1 性能 2-37 2.1.3.2 可操作性 2-55 2.1.3.3 寿命评估和耐久性 2-60 2.1.3.4 恶劣天气 2-65 2.1.3.5 控制 2-67 2.1.4 认证后和在役支持概要 2-72 2.1.4.1 用户环境 2-73 2.1.4.2 发动机模型的需求和用户要求 2-74 2.1.4.3 发动机健康监测和故障诊断 2-75 2.1.5 固定翼应用的参考资料 2-91 2.2 旋翼飞机应用的燃气涡轮发动机模拟 2-93 2.2.1 历史 2-93
燃气涡轮发动机性能预测与仿真...
引言 2-1 2.1 固定翼飞机应用的燃气涡轮发动机模拟 2-1 2.1.1 初步设计概要 2-3 2.1.1.1 燃气涡轮概念设计流程 2-4 2.1.1.2 任务发动机或循环选择 2-7 2.1.1.3 控制系统概念定义/评估 2-10 2.1.1.4 燃气涡轮循环设计方法 – 数值优化 2-13 2.1.2 设计和验证概要 2-16 2.1.2.1 技术风险评估 2-16 2.1.2.2 硬件在环 2-22 2.1.2.3 飞机模拟 2-25 2.1.2.4 安装对整台发动机的影响 2-29 2.1.2.5 统计分析 2-32 2.1.3 系统设计和开发概要 2-36 2.1.3.1 性能 2-37 2.1.3.2 可操作性 2-55 2.1.3.3 寿命评估和耐久性 2-60 2.1.3.4 恶劣天气 2-65 2.1.3.5 控制 2-67 2.1.4 认证后和在役支持概要 2-72 2.1.4.1 用户环境 2-73 2.1.4.2 发动机模型的需求和用户要求 2-74 2.1.4.3 发动机健康监测和故障诊断 2-75 2.1.5 固定翼应用的参考资料 2-91 2.2 旋翼飞机应用的燃气涡轮发动机模拟 2-93 2.2.1 历史 2-93
带有钻孔季节性热能储存的区域供热制冷系统的设计优化
钻孔热能存储系统的优化设计可以确保满足其技术经济目标。当前的设计优化方法要么采用不适合数值优化的详细建模，要么使用不考虑操作条件的简化模型。本文提出了一种面向优化的模型和非凸优化公式，与文献中的其他研究不同，它可以考虑季节性存储大小和温度对其容量、损耗、传热速率以及连接热泵或冷却器的效率的影响。该方法应用于一个案例研究，考虑了两种情况：仅存储冷却产生的热量和集成太阳能热发电。结果表明，随着电力二氧化碳强度分布、冷却需求和碳排放价格等边界条件的变化，不仅最佳季节性存储规模会发生变化，其最佳运行条件也会发生变化。在标准边界条件下，二氧化碳排放量的潜在减少量有限（最多 6.7%），但冷却需求的增加和二氧化碳强度季节性变化的增强导致排放量减少 27.1%。太阳能发电的整合率进一步提高到43.7%，而年成本则略有增加，仅为6.1%。
受限室内环境中的四旋翼飞行器 - INAOE
无人机在民用领域的应用越来越广泛。四轴飞行器是一种经过广泛研究的无人机，是新型控制技术的绝佳试验台。四轴飞行器的一些预期用途需要在受限环境中运行，其中物体与飞行器距离很近。在这些条件下，飞行会受到气动相互作用（力和扭矩）的影响。直观地讲，这些相互作用可以看作是气流从周围环境中反弹回飞行器。开发用于描述此类相互作用的有效计算方法仍有待改进，因为现有的精确模型需要大量的计算负荷，并且不能用于四旋翼飞行器的实时控制回路。这项研究假设，使用一个可以实时部署并近似气动相互作用行为的简化数学模型，可以改善四旋翼飞行器的飞行控制。为了证实这一假设，我们的目标是开发一种有效的气动相互作用模型，该模型可以从模拟和实验数据中检索出来。为解决这个问题，我们将探索三个主要知识领域：控制理论、人工智能和流体力学。作为初步进展，我们提出了非线性四旋翼控制的数值优化技术。
混合状态估计：将物理信息的神经网络与动态系统的自适应UKF整合
摘要：在本文中，我们通过将物理知识的神经网络（PINN）与自适应的无气味卡尔曼过滤器（UKF）相结合，提出了一种新型的动态系统估计方法。认识到传统状态估计方法的局限性，我们通过混合损失功能和蒙特卡洛辍学来完善Pinn结构，以增强不确定性估计。使用自适应噪声协方差机制增强了无味的卡尔曼滤波器，并将模型参数纳入状态矢量以提高适应性。我们通过将增强的PINN与UKF集成为无缝的状态预测管道，进一步验证了该混合动力框架，这表明准确性和鲁棒性有了显着提高。我们的实验结果表明，位置和速度跟踪的状态估计保真度明显增强，并通过贝叶斯推理和蒙特卡洛辍学的不确定性定量支持。我们进一步扩展了对双摆系统的模拟并进行了评估，并在四轮驱动器无人机上进行了状态估计。这种综合解决方案有望推进动态系统估计中的最新解决方案，从而在控制理论，机器学习和数值优化域中提供无与伦比的性能。
Microsoft Word - 带照片的新简历 2008 年 6 月 1 日.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 房屋编号413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度贾朗达尔 科目 数学 专业 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学。系，I.I.T.，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学。印度理工学院，鲁尔基 2004 年 5 月 5 日至今
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
Microsoft Word - 2008 年 6 月 1 日带照片的新简历.doc
姓名 Kusum Deep 婚前姓 Kusum Shanker 官方地址 印度理工学院鲁尔基分校数学系副教授，鲁尔基 – 247667，印度 住宅地址 House No. 413/4, 35 – A, Civil Lines, 鲁尔基 – 247667，印度 电话 ++91 – (0) 1332-285339（办公室） ++91 – (0) 1332-275334（住宅） 手机 9837164078 传真 ++91 – (0) 1332-273560 电子邮件 kusumfma@iitr.ernet.in kusumdeep@gmail.com 官方网站http://www.iitr.ernet.in/departments/MA/people/faculty/facthtml/kusumfma.htm 出生日期 1958 年 8 月 15 日 出生地点 印度，贾朗达尔 专业 数学 数值优化技术 并行计算 教学/研究经历 研究员科学家，CBRI，鲁尔基 1988 年 6 月 15 日至 1989 年 12 月 19 日 科学家 C，CBRI，鲁尔基 1989 年 12 月 20 日至 1996 年 6 月 24 日 助理教授，数学系，印度理工学院，鲁尔基 1996 年 6 月 25 日至 2004 年 5 月 4 日 副教授，数学系，印度理工学院，鲁尔基 2004 年 5 月 5 日至今
深度套期保值和深度校准
摘要机器学习到财务领域的应用已成为主题讨论的主题。，预计深度学习将显着推进对冲和校准的技术。由于这两种技术在金融工程和数学金融中起着核心作用，因此对他们的应用吸引了从业人员和研究人员的关注。深度套期保值，将深度学习应用于对冲，预计将有可能分析交易成本等因素如何影响对冲策略。由于由于计算成本而难以对这些因素的影响进行数量评估，因此深度对冲不仅为衍生品的精炼和自动化对冲操作提供了可能性，而且为风险管理中的更广泛应用提供了可能性。深度校准将深入学习用于校准，有望进行参数优化计算，这是衍生品定价和风险管理中必不可少的过程，更快，更稳定。本文概述了现有文献，并从实际和学术角度提出了未来的研究方向。具体来说，本文展示了深度学习对现有理论框架和财务上的实际动机的影响，并确定了深度学习可以带来的潜在发展以及实践挑战。关键字：金融工程；数学金融；衍生物；对冲校准;数值优化