The Fundamentals of Local Fractional Iteration of the Continuously Nondifferentiable Functions Derived form Local Fractional Calculus，杨小军，，A new posssible modeling for local fractional iteration process is proposed. Based on fractional Taylor’s series, local fractional calculus is investigated and a newly broad defi

轧制力在重轨生产中的研究应用了变分原理，这一研究方法主要用于解决重轨万能轧制过程中的轧制力问题。为了更深入地理解相关知识点，以下详细解析了重轨万能轧制过程中的轧制力问题及其解决方案。 万能轧制是一种将钢铁材料通过两个或多个轧辊的相互作用，改变其形状和尺寸的金属加工方法。在轧制过程中，金属材料会经历复杂的塑性变形，而轧制力就是指作用在轧辊上的力，它与材料的变形抗力、轧辊的尺寸、形状以及轧制过程中的速度等因素密切相关。重轨，即重型钢轨，是轨道结构的重要组成部分，其生产过程中轧制力的准确计算对提高产品质量、降低能耗和生产成本有着重要的意义。 研究者通过建立了一个简化的三维理论模型来模拟重轨的万能轧制过程。在该模型中，着重分析了轨腰、轨头和轨底三个部分的运动学许可速度场，即在给定轧制条件下，可以被允许的实际运动速度分布。与速度场相对应的，研究者还计算了应变速度场，即在轧制过程中材料内部各点的应变速率，以及剪应变率，这是描述材料在受剪切力作用时的变形速率。 为了计算轧制力，文章应用了变分原理中的刚塑性体理论。刚塑性体是指忽略材料弹性变形，只考虑塑性变形的简化模型。在刚塑性体理论框架下，可以计算出塑性变形功、速度不连续面上消耗的功率以及反向滑移和前向滑移产生的功率。这一计算过程基于变分原理，即在所有可能的速度分布中找到真实的速度分布，使得整个系统的塑性变形功达到最小。 通过变分原理得到的轧制力计算结果，与现场实际测量数据进行了对比。结果显示，根据变分原理得出的轧制力略大于现场数据，但通常不会超过实际值的13%，因此可以认为基于变分原理的计算是可靠和可行的。这对于预设和优化轧制工艺参数，提供了科学的方法和理论依据。 此外，文章还提到了从20世纪70年代以来，万能轧制法广泛应用于H型钢的轧制过程中，理论研究也随之发展和改进。尽管万能轧制法在轧制钢轨方面也有应用，但关于这一领域的理论研究相对较少。目前，万能轧机在生产高精度钢轨方面的应用越来越普遍，并逐渐取代了传统的生产方法。由于H型钢轧制与钢轨轧制在某些方面具有相似性，因此一些关于H型钢轧制的理论研究结果可以作为参考，应用于钢轨轧制的研究中。 关键词中提到了机械设计及其机制、重型钢轨、万能轧机、变分原理、轧制力等，这些词汇均为研究轧制过程中的关键概念和技术要点。通过这些关键词，我们可以看到该研究内容不仅涵盖了轧制力学和变形理论，还体现了在现代轧制技术中应用数学优化理论的先进性。 该研究的亮点在于将变分原理应用于实际的重轨轧制问题中，通过理论分析和计算，给出了一个既能理论支持又能指导实际生产的技术方案。这一方案的提出和验证，对于推动轧制技术的发展和优化具有重要的理论和实践意义。

通过采用Adomian分解方法，解决了分数阶简化Lorenz系统并在数字信号处理器（DSP）上实现了该方法。 该系统的Lyapunov指数（LE）光谱是基于QR分解法计算的，与相应的分叉图非常吻合。 我们通过颜色最大LE（LEmax）和混沌图分析了参数和分数导数阶数对系统特性的影响。 发现阶数越小，LEmax越大。 迭代步长也会影响混沌的最低顺序。 此外，我们在DSP平台上实现了分数阶简化的Lorenz系统。 在DSP上生成的相图与通过计算机仿真获得的结果一致。 它为分数阶混沌系统的应用奠定了良好的基础。 ### 基于Adomian分解方法的分数阶简化Lorenz系统的特性分析和DSP实现 #### 摘要 本文研究了分数阶简化Lorenz系统的特性，并使用Adomian分解方法求解该系统。此外，还在数字信号处理器（DSP）上实现了此方法。系统Lyapunov指数（LE）光谱的计算基于QR分解法，结果显示其与对应的分岔图高度匹配。我们通过色彩最大LE（LEmax）和混沌图来分析参数和分数导数阶数对系统特性的影响。研究发现，阶数越小，LEmax越大；迭代步长也会影响混沌存在的最低阶数。此外，我们还在DSP平台上实现了分数阶简化的Lorenz系统，生成的相图与通过计算机仿真得到的结果相符，为分数阶混沌系统的应用提供了良好的基础。 #### 关键知识点详解 **1. 分数阶微积分** 分数阶微积分是一门研究非整数阶导数和积分的数学分支，它扩展了传统的微积分理论。在分数阶微算中，导数的阶数可以是非整数形式，例如0.5或1.7等。分数阶微积分在描述具有记忆特性的物理过程方面具有独特优势，特别是在非线性动力学、控制理论等领域有着广泛的应用前景。 **2. 简化Lorenz系统** Lorenz系统是一种经典的混沌模型，由爱德华·诺顿·洛伦兹在1963年提出，用于模拟大气环流。简化Lorenz系统是指在原始Lorenz系统基础上进行简化后的版本，通常保留了原系统的混沌特性但减少了复杂度，使其更易于数值分析和理论研究。 **3. Adomian分解方法** Adomian分解方法（ADM）是由乔治·阿多米安提出的一种解析和数值解非线性方程的方法。这种方法将复杂的非线性方程分解成一系列容易解决的线性方程，从而避免了传统方法中的迭代过程，提高了计算效率和准确性。对于分数阶微分方程，Adomian分解方法特别有用，因为它能够有效地处理这类方程的复杂性。 **4. Lyapunov指数光谱** Lyapunov指数是用来衡量动力系统长期行为稳定性的指标，特别是对于混沌系统来说非常重要。Lyapunov指数光谱可以揭示系统中的各种动态特征，如稳定性、周期性和混沌性。通过计算系统不同参数下的Lyapunov指数光谱，可以深入理解系统的动态行为。 **5. QR分解法** QR分解是一种矩阵分解方法，用于将矩阵分解为一个正交矩阵Q和一个上三角矩阵R的乘积。在本文中，QR分解法被用来计算简化Lorenz系统的Lyapunov指数光谱。这种计算方法的优点在于能够提供更加准确和稳定的指数估计值。 **6. 数字信号处理器（DSP）实现** DSP是一种专门设计用于快速执行信号处理算法的处理器。本文中，在DSP上实现了分数阶简化Lorenz系统及其Adomian分解方法。这不仅验证了方法的有效性，还为实际应用中的实时处理提供了可能。通过在DSP上生成的相图与通过计算机仿真得到的结果的一致性，证明了该方法在DSP平台上的可行性。 **结论** 本研究通过采用Adomian分解方法解决了分数阶简化Lorenz系统，并在数字信号处理器上实现了该方法。通过对系统特性的影响分析表明，分数导数阶数的减小会导致最大Lyapunov指数增大，而迭代步长也会影响混沌现象的存在条件。此外，DSP实现的成功验证了分数阶混沌系统在实际应用中的潜力，为进一步的研究和发展奠定了坚实的基础。

金融随机过程是一门应用随机分析来研究金融市场和金融资产定价的学科。金融随机过程运用数学模型来分析和解释金融市场的不确定性和风险，对于金融理论的发展和实际金融工程的应用都有着重要意义。本部分将详细解析金融随机过程中所涉及的关键知识点。 金融随机过程的学习通常从离散时间模型开始，例如二项资产定价模型（Binomial Asset Pricing Model）。这个模型的核心在于无套利定价原则，即在市场中不存在无风险套利机会的情况下，资产的价格应该如何被合理定价。在二项模型中，资产价格的变动是离散的，并且是在一系列固定的时间点上发生的。在二项模型的框架下，可以通过股票上升或下降的两种状态来推导出无套利条件，进而定价衍生金融产品。 概率论在金融随机过程中扮演了核心角色，尤其是在抛硬币空间（Coin Toss Space）上的概率理论，其为金融模型提供了数学上的严格基础。在离散模型中，状态价格（State Prices）是一个重要的概念，它反映了不同状态下的金融资产价格，对于理解资产定价和风险管理具有关键意义。 随着金融随机过程理论的深入，随机过程的模型被拓展到连续时间模型。连续时间模型涉及到更复杂的数学工具，包括布朗运动（Brownian Motion），它是连续时间随机过程中一个核心的随机过程，用于描述资产价格的随机变动。布朗运动的一个重要性质是它具有独立增量和连续路径，这使得它成为描述金融资产价格变动的一个自然选择。 在连续时间模型中，信息和条件化（Information and Conditioning）是指在给定的信息集合下，对随机过程进行建模和预测。而随机微积分（Stochastic Calculus）则是处理随机过程中的导数和积分的数学分支，它是研究连续时间金融模型的关键工具，如伊藤引理（Ito's Lemma）就是基于随机微积分的重要结果之一。通过随机微积分，可以构建风险中性定价模型（Risk-Neutral Pricing），该模型提供了一种在风险中性测度下对金融资产进行定价的方法。 金融衍生工具（如期权）的定价涉及偏微分方程（Partial Differential Equations），这些方程从随机过程的动态特性中推导而来。奇异期权（Exotic Options）和美式期权（American Derivative Securities）等复杂的金融衍生产品，它们的定价和对冲策略在连续时间模型中有着更为深入的研究。 此外，金融随机过程还涉及到资产定价中的利率依赖性（Interest-Rate-Dependent Assets），这涉及到在不同利率环境下对金融资产的价值进行评估。在连续时间模型中，还研究了术语结构模型（Term-Structure Models），即描述不同期限债券价格如何随时间变动的模型。跳跃过程（Jump Processes）是处理金融资产价格发生非连续跳跃情况的随机过程模型，它补充了标准布朗运动模型的局限性。 本文还提到了与金融随机过程相关的教学材料，即由Steven Shreve编著的《Stochastic Calculus for Finance》一书。这本书分为两卷，其中第一卷主要研究离散时间模型，而第二卷则专注于连续时间模型。文档还提到了Yan Zeng对本书练习题答案的解答手册，这为学习金融随机过程的学生提供了一个宝贵的资源。需要注意的是，当前版本的答案手册省略了一些练习题的解答，具体未解答的题目列表也被提供。 在金融随机过程的学习中，理解各个部分之间的联系非常重要。例如，布朗运动和随机微积分对于理解连续时间模型至关重要，而无套利定价原则则是定价衍生品的基础。而掌握相关的数学工具如概率论、偏微分方程和信息论等，则是深入理解金融随机过程的前提。此外，对于不同的金融资产和衍生工具，理解和应用适当的模型，例如利率依赖性资产的定价模型，和针对不同市场条件（如跳跃过程）的模型，对于全面理解和运用金融随机过程同样重要。 金融随机过程是一门综合应用数学、统计学和金融学理论的复杂学科，其对金融市场的深入理解和金融产品的定价与风险控制起到了至关重要的作用。通过对诸如《Stochastic Calculus for Finance》这类经典教材的学习，可以为金融工程和金融学研究提供坚实的理论基础和实践技能。

《单变量微积分，第八版》是詹姆斯·斯图尔特所著的一本经典教材，专注于介绍微积分的基础概念和核心理论。这本书以其清晰的解释和丰富的实例为学生提供了深入理解单变量微积分的途径。 微积分是数学的一个重要分支，主要研究两个基本概念：导数和积分。在本书中，作者詹姆斯·斯图尔特，一位来自麦克马斯特大学和多伦多大学的知名数学家，详细阐述了这些概念，并将其应用于各种实际问题中。第八版不仅包含了传统的微积分内容，还可能更新了某些现代应用和数学方法，以适应不断发展的数学教育需求。 导数是微积分的核心之一，它描述了一个函数在某一点的瞬时变化率。通过导数，我们可以了解函数的增减性、极值以及曲线的斜率。在书中，斯图尔特会讲解如何求解导数，包括基本导数规则（如幂规则、链式规则和分离变量法），并引导学生应用这些规则解决实际问题，如物理中的速度和加速度计算。 积分则是导数的逆运算，它被用来求解面积、体积以及其他与累积有关的问题。斯图尔特会讲解不定积分和定积分的概念，以及积分的应用，如物理学中的工作和能量计算。此外，他还可能会讨论微积分的基本定理，这将导数和积分紧密联系在一起，证明了积分可以用来求解导数问题。 除了基础理论，本书可能还包括极限、连续性、多元函数的微积分简介等内容。极限概念是微积分的基石，它帮助我们理解和定义导数和积分。连续性则描述了函数在某区间上的平滑性，对于理解函数行为至关重要。在多元函数微积分部分，读者将接触到偏导数和多元函数的积分，这是进入更高层次数学学习的基础。 为了增强学习体验，该书可能配备了一系列辅助材料，如习题解答、在线资源和教学视频。这些资源旨在帮助学生巩固理解，提高解决问题的能力。 《单变量微积分，第八版》是一本全面而深入的微积分教材，适合大学本科阶段的初学者使用。通过学习本书，学生不仅可以掌握微积分的基本知识，还能培养分析问题和解决问题的能力，为未来进一步的数学学习或相关科学领域的研究打下坚实基础。

Better Explained Math，更好的解释（数学篇），中文; Bettern Explained Math/calculus两本英文。

This is math book. It is for student who study calculus

外国数学分析教材 非常不错简单容易读，习题又多又好。

数学1013、1014课本 香港各大学、美国大学通用

（1）整车动力性需求功率验算 1）最高车速对应的功率需求计算 最高车速时，车辆主要受到滚动阻力和风阻的影响，忽略坡度阻力的情况下，最 大需求功率 _ maxm vP 为 2 max max _ max ( ) 3600 21.15 d m v v C Av P mgf     ································ (4.1) 其中， max v 为最高车速；   为系统效率；m 为在原车整备质量基础上加载 165kg 后的质量。根据目标车型的基本参数可以得到在最高车速下的功率需求约为 45kW。 2）最大爬坡度对应的功率需求计算 以稳定车速 0 v 通过 max  的坡度时，车辆所需功率 0_ v P  为 0 2 minmin _ max max ( cos sin ) 3600 21.15 d v C Avv P mgf mg         ···················· (4.2) 取最大坡度为 30 度， max max arctan  。最低通过车速为 20km/h 时，所需功率为 36.3kW。 3）加速时间对应的功率需求计算 车辆加速过程中，所受到的阻力主要包括滚阻、风阻以及加速阻力，忽略坡路阻 力，加速后期所需功率最大，此时的加速功率需求 acc P 为 2 ( ) 3600 21.15 d acc f w j C Avv dv P P P P mgf m dt          ····················· (4.3) 其中， 为旋转质量换算系数； v为加速后期车速； dv dt 为加速后期加速度。 在初步验算过程中，为了简化计算，采用一种常用的等效方式表达加速过程中的 车速与加速末时车速和加速时间的关系，如式 4.4 所示[37] ( ) a m m t v v t  ································ ·············· (4.4) 其中， m v 为车辆加速后期车速； m t 为加速时间； a 为拟合系数，通常取为 0.5。 由此可得，加速时间需求功率为 3 2 1 ( ) 3600 1.5 52.875 7.2 m d m m acc m m m v C Av v P mgf t t m t      ························ (4.5) 初步估算得加速功率需求为 72.6kW，大于其他两个动力指标下的功率需求。 （2）基速比选择及电机功率需求计算