加肋双曲冷却塔的非线性稳定分析*

本文采用有限元数值分析方法对土木工程中的大型钢筋混凝土双曲冷却塔壳的非线性稳定问题作了具体的数值计算.文中为了讨论双曲塔壳在屈曲后的特性,采用了将普通的载荷增量迭代法与改进的R.C.弧长法相结合的混合算法.为了与实际工程相符合,文中除了将钢筋混凝土当作非均匀体以外,还考虑了塔自重、底部的离散支承、及环向加肋等因素的影响.     

薄板热力耦合的屈曲分析

基于Rayleigh-Ritz理论,采用有限元方法,推导了薄板在热力耦合载荷作用下屈曲临界载荷的表达式.假设力载荷与热载荷同时加载,采用MATLAB编译环境编写的有限元程序求解薄板结构在热力耦合载荷作用下的屈曲临界载荷.在做屈曲分析时,热载荷以温度场的形式施加到节点上.采用非均匀温度场加载,分析了力载荷分量与热载荷分量对薄板结构失稳的影响.研究结果表明,随着给定温度载荷、力载荷的增加或者降低,临界载荷随之增加或者降低,它们几乎呈线性变化.     

求解非线性方程七阶收敛的牛顿迭代修正格式

本文研究了非线性方程求解的问题.利用泰勒公式和耦合方法,获得了一种求解非线性方程的加速收敛的七阶迭代改进格式,该格式不需要计算高阶导数,且具有更大的收敛半径,大大提高了计算效率.     

求解非线性方程七阶收敛的牛顿迭代修正格式（英文）

本文研究了非线性方程求解的问题.利用泰勒公式和耦合方法,获得了一种求解非线性方程的加速收敛的七阶迭代改进格式,该格式不需要计算高阶导数,且具有更大的收敛半径,大大提高了计算效率.     

加热弹性杆的热过屈曲分析

基于轴线可伸长细杆的过屈曲变形几何理论,建立了两端轴向不可移的均匀加热直杆热弹性过屈曲行为的精确数学模型.这是一个包含杆轴线弧长在内的多未知函数的强非线性一阶常微分方程两点边值问题.采用打靶法和解析延拓法直接数值求解上述非线性边值问题,分别获得了两端横向简支和夹紧杆的热过屈曲状态解,给出了具有不同细长比杆的热过屈曲平衡路径.     

复合材料旋转壳非线性稳定性分析计算

利用前屈曲一致理论和能量变分法分析计算了复合材料旋转壳非线性稳定性.前屈曲应变-位移关系采用非线性的卡门方程,能量积分采用数值积分,用势能最小原理求解前屈曲位移和内力,提出了求解临界载荷的实用计算方法,用FORTRAN语言编制了相应的计算机程序,并给出了算例.     

薄壳小挠度屈曲方程的加权解法

基于薄壳小挠度屈曲方程,提出了一种求临界载荷解析表达式的加权解法.在复杂边界条件下,小挠度屈曲方程的解析解仍然是一个难点.以轴对称屈曲问题为例,从方程中找出临界载荷的影响因素,加权平均得到临界载荷,再用特例解确定影响系数.这一方法利用特殊问题的已知解来求一般问题的解析解,简化了求解过程,拓宽了解决问题的范围;其计算结果与利用Algor有限元程序得到的数值解一致.     

结构非线性屈曲载荷的摄动有限元分析理论

本文提出了结构非线性屈曲载荷的不完全分析、和完全分析的摄动有限元修正理论。     

分析结构跳跃问题的自适应参数增量迭代方法

通过对Riks切线弧长法和Crisfield圆弧长法的综合及改进,本文提出分析结构跳跃问题的自适应参数增量迭代方法,并建立相应理论基础。最后文中给出中心分布压力作用下圆底扁球壳跳跃问题的数值结果,以验证它的有效性。     

用向量组共轭化方法改进Powell法

本文利用共轭化变换提高向量组共轭度的方法,对Powell法及修正Powell法作了改进。这一改进保持了原算法的二次终止性和关于连续可微严格凸函数的收敛性。文末用十六个公认的考机题检验了这一改进的效果。计算表明,改进后的Powell法及修正的Powell法比原算法收敛得快。     

求解微分方程初值问题的一种弧长法

对于连续介质力学问题中导出的微分方程初值问题,常常具有解奇异性,如不连续、Ｓｔｉｆ性质或激波间断·本文通过在相应空间,引入一个或数个弧长参数变量,克服解的奇异性·对于常微分方程组引入弧长参数变量后,奇异性得以消除和削弱,应用一般的解常微分方程组的方法（如Ｒｕｎｇｅ＿Ｋｕｔａ法）求解·对于偏微分方程引入弧长参数变量后,在相应的空间离散成常微分方程组,用解奇异性常微分方程组相同的方法即可求解·本文给出了两个算例     

复合载荷作用下带边缘大波纹膜片的非线性弯曲

采用轴对称旋转壳体的简化Reissuer方程,研究了在复合载荷作用下具有硬中心的带边缘大波纹膜片的非线性弯曲问题。应用格林函数方法,将波纹膜片的非线性边值问题化为非线性积分方程进行求解。为了求解积分方程并防止发散,引人一个插值参数到选代格式中。计算表明,当载荷很小时,任何插值参数值均能保证迭代的收敛性,取插值参数值接近或等于1获得较快的收敛速度;而当载荷较大时,插值参数值不能取得过大。绘出了不同载荷组合下波纹膜片的特征曲线,得到的特征曲线可供设计参考。由于均布压力和中心集中载荷的共同作用,将产生比均布压力单独作用更大的挠度。提出的解决方法适应于任意轴向截面的波纹壳体。     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

Convergence analysis of multigrid methods with residual scaling techniques

In this paper, multigrid methods with residual scaling techniques for symmetric positive definite linear systems are considered. The idea of perturbed two-grid methods proposed in [7] is used to estimate the convergence factor of multigrid methods with residual scaled by positive constant scaling factors. We will show that if the convergence factors of the two-grid methods are uniformly bounded by σ (σ<0.5), then the convergence factors of the W-cycle multigrid methods are uniformly bounded by σ/(1−σ), whether the residuals are scaled at some or all levels. This result extends Notay’s Theorem 3.1 in [7] to more general cases. The result also confirms the viewpoint that the W-cycle multigrid method will converge sufficiently well as long as the convergence factor of the two-grid method is small enough. In the case where the convergence factor of the two-grid method is not small enough, by appropriate choice of the cycle index γ, we can guarantee that the convergence factor of the multigrid methods with residual scaling techniques still has a uniform bound less than σ/(1−σ). Numerical experiments are provided to show that the performance of multigrid methods can be improved by scaling the residual with a constant factor. The convergence rates of the two-grid methods and the multigrid methods show that the W-cycle multigrid methods perform better if the convergence rate of the two-grid method becomes smaller. These numerical experiments support the proposed theoretical results in this paper.     

基于种群自适应调整的多目标差分进化算法

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略,它依据对非支配解集的贡献程度淘汰较差的个体以减少计算负荷,并预留一些空间给新的带有种群多样性的扰动个体;引入精英学习策略,防止算法陷入局部收敛。通过典型的多目标优化函数对算法进行测试验证,结果表明所提算法相对于其他算法具有明显的优势,其性能优越,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,尤其适合于高维复杂多目标优化问题的求解。     

The choice of the system of geometric parameters of an optimized wing

A direct optimization method is used to determine the form of the wing which enables the aerodynamic performance to be improved for a given lift in the supersonic flow of ideal gas. The flow around the wing and its characteristics are calculated within the framework of a model based on Euler's equations. On the basis of a local analysis of the load distribution on the wing, a method is proposed for choosing the system of geometric parameters which ensures rapid convergence to the optimum. It is shown that one of the parameters of the system (the angle of rotation of the wing panel relative to the central chord) has a very slight influence on the aerodynamic characteristics of the wing.     

Eigenvibrations of a bar with elastically attached load

We study the problem on the eigenvibrations of a bar with an elastically attached load. The problem is reduced to finding the eigenvalues and eigenfunctions of an ordinary secondorder differential problem with a spectral parameter nonlinearly occurring in the boundary condition at the load attachment point. We prove the existence of countably many simple positive eigenvalues of the differential problem. The problem is approximated by a grid scheme of the finite element method. We study the convergence and accuracy of the approximate solutions.     

一种改进灰狼优化算法研究及应用

针对灰狼算法易陷入局部最优、收敛精度不高、收敛速度慢等缺点,提出一种改进的灰狼算法.引入莱维飞行,扩大搜索范围,增强全局搜索能力,避免陷入局部最优;引入贪婪原理,提升种群优良性以提高算法收敛精度;引入自适应收敛因子,加快收敛速度;引入动态权重策略,制约全局搜索与局部搜索的相互影响.将改进算法与其他四种算法作对比,实验表明,改进算法在收敛速度与收敛精度上都有更好的性能.最后,应用于图像多阈值分割中,采用GWO-Otsu法可以克服传统Otsu法在多阈值分割时计算量大,实时性差的特点,不但能够取得最优解,且明显缩减计算时间.     

结合广义Armijo步长搜索的超记忆梯度算法及其收敛特征

对无约束规划 ( P) :minx∈ Rnf ( x) ,其中 f ( x)是 Rn→ R1上的一阶连续可微函数 ,设计了一个超记忆梯度求解算法 ,并在去掉迭代点列 { xk}有界和广义 Armijo步长搜索下 ,讨论了算法的全局的收敛性 ,证明了算法具有较强的收敛性质     

A new application of Lagrange-Bürmann expansions. I. General principle

A new scheme is developed for improving the convergence of slowly convergent series solutions. The method is based on a transformation of variables of similarity form whereby the resulting composite function is constructed by its Lagrange-Bürmann expansion. It is the improved convergence of the new expansion that we take most advantage of in this method. The convergence of the Lagrange-Bürmann expansion as well as its inversion scheme is proved for analytic (object) functions. The inversion is required to recover from the Lagrange-Bürmann expansion the object function which is imbedded in the mapping functions. Several numerical examples demonstrate the improved convergence of the new method. The improvement owes much to the invariance properties of the mapping function under a group and the “built-in” feature of analytic continuation of the method. These features are elucidated in detail.