广义特征值问题的并行EBE向量迭代法

本文利用ＥＢＥ策略和共轭梯度法,将广义特征值问题向量迭代法中各步的计算在单元级上进行,避免了总刚度和总质量矩阵的组集,大大节省了存储量。由此建立的ＥＢＥ向量迭代法尤其适宜于并行处理。数值算例结果表明无论是串行、还是并行计算,这类ＥＢＥ向量迭代法都能有效提高计算速度。     

线性广义特征值问题的摄动迭代法

本文给出了一种适用于迭代计算的矩阵摄动法,它是进行广义特征值问题Ax=λBx的摄动重分析的一种高精度算法,同时也可用于改进由其它矩阵摄动分析方法提供的近似解的精度。实际算例表明,当结构参数修改量不太大时,采用这种摄动迭代法进行特征值问题的精确重分析是十分有效的。     

广义特征值问题的并行块Jacobi-Davidson方法及应用

给出了对称矩阵广义特征值问题AX=λBX的并行块Jacobi-Davidson方法.该方法使用投影技术将大型矩阵特征值问题转变成低维子空间中矩阵特征值问题,并利用Neumann级数展开对校正方程进行预处理.该方法可同时并行计算广义特征值问题的几个极端特征对,具有良好的并行性.将这一方法应用于某型号机翼及挂架的结构动力分析并行计算,在IBM-P650并行计算机上的数值试验结果表明,在相同迭代精确度的条件下,Jacobi-Davidson方法比子空间迭代法使用较少的迭代次数和运算时间,并具有更高的加速比和并行效率.     

求解广义特征值问题的多重Ritz向量法

借鉴子空间迭代法,将求解广义特征值问题的单个初向量的Ritz向量法（下称为单R法）推广为多重Ritz向量法吓称为多R法）;从而解决了单R法在处理重频结构时的漏频问题;且分析指出,奇异的矩阵M将导致一个数值不稳定的Gram－SchmidtM-正交化过程,从而使Ritz向量法导致错误振型．为此提出了解决方案．单R法经上述修正,兼备了高效与可靠两个特点．目前该法已在特殊多高层分析程序ETS5中实现,取得了良好效果．     

一类有限元结构分析的EBE计算方法

本文利用ＥＢＥ策略￣［１］的基本思想,给出一类有限元结构分析的ＥＢＥ计算方法,即ＥＢＥ共轭梯度法ＥＢＥ－ＣＧ和ＥＢＥ预处理共轭梯度法ＥＢＥ－ＰＣＧ,这类方法避免了传统有限元结构分析中总刚度阵的组集而可大大降低存储量要求。同时它们还特别适合在各种粒度下的多处理机系统上实现。初步数值试验结果表明：这类ＥＢＥ有限元结构分析方法对串行和并行计算都是很有效的。     

广义特征值问题中重特征值的特征向量导数

本文把重特征值的特征向量导数的计算方法,推广到非亏损矩阵的广义特征值问题,并给出了特征值导数也有重根时特征向量导数的计算式。本方法的优点是只需已知所考虑的重特征值的特征向量,因而计算量小,对于大型复杂结构更为适用。     

一种大型结构特征值问题的并行解法

本文提出了一种求解大型结构固有频率与模态的并行解法。该方法在子空间迭代过程中,利用子结构刚度阵和质量阵并行进行凝聚,求得下一次的迭代基矢量,直到收敛。该算法在西安交通大学ELXS1-6400并行机上程序实现,计算结果表明能大幅度节省计算时间,同时也有效地节省了内存。     

广义特征值问题中重特征值的特征向量导数

本文把重特征值的特征向量导数的计算方法，推广到非亏损矩阵的广义特征值问题，并给出了特征值导数也有重根时特征向量导数的计算式。本方法的优点是只需已知所考虑的重特征值的特征向量，因而计算量小，对于大型复杂结构更为适用。     

大型结构特征值问题的混合粒度并行算法

本文提出一种求解大型结构特征值问题的粗细粒度混合并行算法:在子结构模态综合粗粒度并行算法的基础上,综合系统的特征值问题采用细粒度并行方式求解。细粒度并行包括子空间迭代法的子结构并行算法、雅可比分块并行计算的方法和一种Newton-Raphon迭代法在多处理器上任务均衡分配的有效策略。子空间迭代法的子结构并行计算的实施是利用子结构的刚度阵和质量阵而不必完全组集系统刚度阵和质量阵求解综合系统的特征值问题。利用雅可比方法的特性,行列完全不相同的子矩阵块可以同时实施雅可比方法而不改变其结果。为了保持每个处理器任务的均衡性,在考虑到初始迭代特征对精度的情况下提出了一种Newton-Raphon迭代法在多处理器上并行求解的任务分配策略。数值结果表明这种求解大型结构特征值问题的粗细粒度混合并行算法是可行有效的。