弹性地基多块板结构的材料参数反演分析

应用有限元压缩柔度矩阵,建立了具有接缝传荷能力多块板的位移计算方法,在此基础上,根据系统识别原理,应用修正牛顿法作为参数调整算法建立了具有接缝传荷能力的弹性地基多块板结构材料性能的反演分析方法,反算结果表明,在相当大的模量初始值范围内,该方法具有稳定的收敛性。     

花菁染料聚乙烯醇延伸膜的三阶非线性光学极化率的各向异性

采用飞秒共振简并四波混频技术,检测了花菁染料的聚乙烯醇延伸膜平行和垂直于延伸方向的三阶非线性光学极化率.结果表明:单向延伸的花菁染料的聚乙烯醇膜具有较高的三阶非线性光学极化率的各向异性.     

不确定时滞广义系统的鲁棒H∞控制

讨论一类含有参数不确定性和外部干扰的线性广义时滞系统的鲁棒H∞控制问题．假设不确定性是范数有界且所考虑的系统事先没有假设是正则和无脉冲,采用线性矩阵不等式处理方法,经状态反馈控制器,得到了闭环系统是正则、无脉冲和稳定的时滞相关充分性条件,并且满足一定的H∞性能指标,所得的结论可由线性矩阵不等式（LMI）问题求解．最后给出的实际算例验证了该设计方法的有效性．     

非对称载荷作用的Griffith裂纹问题的Fourier积分变换解法

本文使用Ｆｏｕｒｉｅｒ积分变换，对非对称载荷作用下的Ｇｒｉｆｆｉｔｈ裂纹问题进行了研究。利用裂纹两侧的位移和应力联结条件，将问题归结为一组带Ｃａｕｃｈｙ核的奇异积分方程，通过Ｃａｕｃｈｙ反演求得了问题的精确解，在此基础上．给出了其应力强度因子的表达式。该结果可作为基本解用于求解一般裂纹系问题。     

带非线性扰动多时滞系统的鲁棒稳定

研究一类带有非线性扰动的不确定多时滞系统的鲁棒稳定问题.基于李雅普诺夫定理,给出了系统多时滞相关的稳定准则,再通过对闭环系统进行稳定分析,推导出状态反馈控制的充分条件,该条件进一步等价地转化为一系列线性矩阵不等式的可解性问题.通过两个例子说明文中所提出的方法可减少结果的保守性,证明文中鲁棒控制方法的有效性.     

东准噶尔贝勒库都克铝质A型花岗岩微量元素地球化学特征及地质意义

通过对新疆东准噶尔卡拉麦里地区贝勒库都克岩体的岩石地球化学特征的研究,结果表明,在贝勒库都克黑云母花岗岩中Rb、K和Th等大离子亲石元素明显富集,相对富集Zr、Hf等高场强元素,相对亏损Ba、Sr、Nb和Eu等元素,稀土元素含量相对较高,Eu的负异常极强,稀土元素配分模式呈平坦的“V”字型,属于典型的铝质A型花岗岩。该花岗岩在成因上属于A2型,形成于后碰撞的张性环境,其来源可能与洋壳和岛弧建造组成的年轻地壳有关。花岗岩微量元素构造判别图显示它是一种后碰撞花岗岩,标志卡拉麦里地区在晚石炭世造山作用的结束和板内构造演化的开始。该岩体锡质量分数普遍都比较高(15.50×10^-6),为锡的成矿物质来源和锡矿矿床学的深入探索提供重要参考。     

INS／GPS紧耦合系统中的模糊自应SRUKF算法

为解决惯性导航系统(INS)与全球定位系统(GPS)紧耦合中标准无迹卡尔曼滤波(UKF)由于计算舍入误差使协方差矩阵负定和实际应用中由于量测噪声时变而严重影响滤波精度的问题,提出了基于模糊控制理论的自适应平方根无迹卡尔曼滤波(NASRUKF)算法.该算法在滤波过程中不是直接计算协方差矩阵,而是计算协方差矩阵的平方根,从而可以保证协方差矩阵的非负定性;然后根据实时得到的量测信息的实际方差与理论方差的比值,通过设计的模糊控制系统(FCS)实时调整量测噪声矩阵.实验表明:该算法对时变的噪声具有很好的自适应性,相比于UKF算法具有更高的精度并使得系统具有更高的稳定性和鲁棒性.     

板条共线裂纹问题的超奇异积分方程方法

结构工程中频繁使用板条构件,对于板条构件疲劳破坏的研究大多局限于实验方法,而从断裂力学的角度进行理论分析的为数不多,针对这种情况,采用积分变换,对平面无限板条中对称共线内裂纹问题进行了研究,根据混合边界条件,在有人分的意义下将问题归结为以裂纹表面的位错为未知函数的超奇异积分方程,并建立了相应的数值计算方法,给出了应力强度因子的计算公式,最后通过数值算例的计算分析了裂纹之间的相互影响。     

集中载荷作用下四直边上任意点支承矩形板的弯曲

基于薄板弯曲问题的广义简支边界条件,通过对集中载荷作用下四直边上任意点支承矩形板的弯曲问题分解为6个基本的薄板弯曲问题,应用叠加法首次得到了该问题的解析解,对典型的薄板弯曲问题进行了计算分析,取得了较好的效果。该结果可以作为基本解用于求解任意荷载作用下四直边上任意点支承矩形板的弯曲问题。     

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。