一种显式动力有限元快速积分方法

我国众多大型地下洞室群位于西南地震频发区,其抗震安全特性值得关注.显式动力有限元时程分析法在实际洞室群工程地震分析中耗时较长,严重制约了该方法的广泛应用.结合显式有限元的积分特点,从有限元积分层面上提出了单、多高斯点分区混合积分方法,以便降低计算量,缩短求解耗时.在计算中,根据计算任务对单元进行积分区域划分,对重点分析的计算区域、边界单元等部位采用八高斯点积分,确保计算精度及人工边界的数值稳定.对其余模型区域采用单高斯点积分,节省计算耗时.采用该方法对某水电站地下厂房洞室围岩进行动力时程计算,速度提高82.4%,取得较好效果.     

型钢热轧全过程有限元仿真

提出了一种适用于型铜轧制及其类似过程的六面体网格重构方法。利用基于变步长中心差分格式的显式积分方法分析瞬态轧制过程；提取稳态单元集节点形成截面网格；利用隐式积分方法分析轧制道次间隙瞬态温度场；对型钢断面进行平面四边形网格划分并映射节点温度数据；利用六面体单元构建有限元分析模型，映射单元节点的温度、积分点的等效塑性应变，进行数值分析。     

H型钢热连轧工艺过程数值分析

根据Gleeble-1500实验数据,建立Q235流变应力模型,并由压缩试样的金相观测结果计算出Q235奥氏体再结晶模型的相关参数。通过FORTRAN程序将其复合到ABAQUS显式积分算法的求解过程中,并选择某典型规格H型钢七架次热连轧过程进行分析。结果表明,采用本法在分析轧件宏观尺寸变化的同时,可以实时计算其内部奥氏体晶粒的演化过程。     

基于隐式Taylor级数法的电力系统暂态稳定计算

基于快速高阶Taylor级数法暂态稳定计算,结合隐式积分梯形公式,推导了隐式Taylor级数法。对该方法的数值稳定性进行了分析,得到了一种可调谐的隐式Taylor级数法。该方法保留了显式Taylor级数法准确、快速、递推和编程简单的优点,并明显提高了数值计算稳定性。分析与计算表明,该方法具有隐式积分数值稳定性好、可以采用较大的积分步长、能够适应较长动态过程仿真计算的特点,同时又具有显式积分编程简单可靠、便于扩展的优点。     

基于BP神经网络和一次二阶矩法的结构可靠度分析

工程结构的功能函数大多为隐式表达式,使得以功能函数的显式表达式为基础的可靠度计算方法难以应用。为此,基于BP神经网络法和一次二阶矩法,根据结构随机变量的统计特性进行随机抽样获取有限数量的样本点,计算出每组样本点下结构的响应值;然后,将其代入由结构响应容许值与实际响应值建立的功能函数中,得到每组样本点下结构的功能函数值;利用BP神经网络对功能函数进行拟合,得到其显式表达式之后,采用一次二阶矩法计算结构可靠度,提出了一种针对隐式功能函数的结构可靠度分析方法。本文方法可以将结构的隐式功能函数进行拟合,从而得到显式功能函数,并最终利用基于显式功能函数的可靠度算法来计算结构可靠度。算例分析表明,本文方法能正确计算结构的验算点和可靠指标,具有较高的计算精度,为功能函数无法显式表达的结构可靠度分析提供了一种可行的方法。     

关于非线性积分不等式的估计

在研究各种动力系统时,具有显式估计的不等式是关键的和广泛应用的解析工具之一.这些不等式无需提前知道积分方程的显式解,就能获得这些解的有价值的信息.为了处理新的积分方程,给出了关于一些基本积分不等式的新的显式估计.主要结果为：积分不等式x^p（t）≤a（t）＋m（t）∫0^t[f（s）x^p（s）＋g（s）x^q（s）]ds蕴涵x（t）≤a^p^-1（t）＋p^-1a^p^-1-1（t）m（t）h（t）exp∫0^tF（s）ds,t∈R＋.这里p≥1,0〈q≤p,a（t）〉0,x（t）,m（t）,f（t）,g（t）≥0.作为应用,得到一个非线性积分方程解的显式估计.     

基于Jacobi椭圆函数的CH-γ方程的求解方法

利用积分分支法结合Jacobi椭圆函数积分,研究了CH-γ方程.在不同的参数条件下,结合Jacobi椭圆函数积分,获得了CH-γ方程的各种参数精确解和一种显式精确解.     

二维导体目标瞬态散射分析的混合快速算法

将时域积分方程法(TDIE)和时域物理光学法(TDPO)相结合,分析横电(TE)波入射情形下二维导体复合目标的瞬态散射特性.推导出了基于电场积分方程的显式时间步进方程.该方法将电大尺寸且表面结构平滑的目标用TDPO法求解,将电小尺寸且表面结构精细的目标用TDIE法求解.为考虑目标之间的耦合,对TDIE与TDPO进行混合迭代.数值算例中,计算了目标表面的电流响应.计算结果表明,与纯TDIE法相比,在精度相近的情况下,该混合法计算效率大大提高.     

基于显/隐式表达的时空模型分类

根据时空对象与时空拓扑关系的显/隐式表达模式,提出了一种新的时空数据模型的分类方法.将时空模型分为时空对象与时空关系,其中时空对象包括事件与状态两种原子,时空关系包括事件之间关系、状态之间关系、事件与状态之间关系等三种基本关系;时空表达分为显式、隐式、半显半隐式三种模式.基于显隐式表达的时空模型分类系统采用时空对象、时空关系与时空表达的三元组结构描述,并列举了典型的时空数据模型,为用户选择满足不同应用需求的时空模型提供了理论依据.     

板料成形数值模拟有限元求解策略

正确选择板料成形数值模拟有限元方程的时间积分方法是成形模拟成功与否的关键技术之一。本文阐述了板料成形数值模拟有限元求解方法的三种格式，即静力隐式算法、动力显式算法和静力显式算法，并对这三种求解格式进行了论述和比较。在此基础上，探讨了在板料成形模拟中如何选择有限元算法进行可靠、高效的有限元分析。     

改进型Boussinesq方程高精度紧致差分显格式

采用一种高精度的紧致差分显格式对改进型Boussinesq方程进行数值求解;采用具有TVD性质的三阶Runge-Kutta方法进行预报,用三次样条函数进行校正,时间精度可达到四阶;在空间离散上采用六阶精度的三点紧致显格式进行计算;运用以上数值格式对Beji和Nadaoka改进型Boussinesq方程进行了求解,求解证明:高精度的数值结果和已知的试验结果吻合良好.作为验证算例,同时对波浪在台阶上的传播进行了模拟,从效果对比上可以看出,所得结果明显比Kittitanasuan的计算结果更靠近试验值.     

数字环境下的油田地质构造图制图综合

地质构造图制图综合是石油地质学综合制图的一个核心和难点.数字环境下石油地质构造图制图综合要素的选取和形状化简缺乏明确的量化指标,其整个操作过程也无规律性.数字条件下地质构造图制图综合更侧重于数据集成、数据表达、数据分析和数据库派生的数据综合.     

基于本体的产品知识集成

针对产品生命周期中知识表达和集成的需求,提出一种基于中间层的产品知识集成框架,采用本体技术,具有显式定义语义、统一表达和动态集成产品知识的能力.元本体层定义了本体关系原语,提供通用的本体描述方法;本体层扩展元本体为共享本体、领域本体、过程本体和应用本体,支持本体的协作定义和集成映射;知识层提供了相应的逻辑结构,支持对知识实例的结构化、标准化管理,并给出使用Web本体语言（OWL）形式化表达的方法.以汽车减振器为实例说明该方法能有效提高产品数据管理（PDM）系统对知识集成的能力.     

利用XML和C#实现异构数据源的数据集成

针对目前数据集成问题的研究现状,分析异构数据源的结构,利用处理XML文档的DOM和数据库连接的OLEDB两种关键技术,提出一种以XML文件为中介的数据集成方法。该方法在.NET平台上,结合XML和C#的特性实现,给出了详细的设计思想,实现了从文本数据和Oracle数据库数据到SQL Server数据库的集成。     

分布式异构供热数据源集成方法研究

如何利用信息化手段加强城市供热管理工作,实现对供热企业运行情况的实时监测,确保广大人民群众温暖过冬是省、市供热数字化监管平台建设中需要考虑的重点问题.在分析供热数据集成面临问题的基础上,借鉴已有数据集成方法,提出了基于战略数据规划方法建立全局数据模型、基于星型网络结构实现数据交换、基于ETL实现数据采集的设计思路。有效实现了分布式异构供热数据源的集成.     

拟动力实验中的数值积分方法

拟动力实验方法是目前最新的抗震实验方法，它克服了振动台实验中承载力不足、拟静力实验中无法真实模拟地震过程的缺点．本文详细论述了拟动力实验中的数值积分方法，其中包括：显式方法，隐式方法以及采用于结构技术时所需的特殊教值积分方法，并对这些方法的适用范围作了介绍．     

拟动力试验中显式数值积分方法改进研究的综述

传统拟动力试验数值积分方法主要分为显式和隐式两种算法。以往的研究表明,显式算法较隐式算法更适合于拟动力试验。然而,显式算法本身有着许多固有缺陷,而且现代教学和科研对拟动力试验结果精度越来越高的要求也促使算法做出必要的改进。详细介绍了国内外学者对显式算法改进的研究进展和现状,并通过对显式算法几个主要改进方面的探讨和总结,指出了其中需要解决的几个问题,依此提出了今后合理的研究目标和方向。     

面向对象技术在武器动力学仿真软件中的应用

利用面向对象编程技术设计了自动武器机构运动分析计算仿真软件.本软件针对自动武器自动机的结构特点和发射方式,基于面向对象编程技术和VisualC++编程环境,分析了软件系统的数据结构,设计了针对数据输入、输出、计算模型等父类及其继承类,给出了软件设计的框架和系统的集成方法.软件经实际应用和测试,具有较高的计算精度.     

基于广义信息论的决策森林数据挖掘模型

针对模式识别中的多分类器集成,通过挖掘测试样本特征属性的相关性,结合训练集的条件独立性分析对每个样本赋予分类规则,构造分类森林(而非单个决策树)进行模型集成。整个学习过程能够自适应确定各决策树结构和数量,并充分发挥集成模型的伸缩性和扩展性。在UCI机器学习数据集上的实验结果验证了本方法的有效性。