广义协调平板型矩形壳元

本文根据修正势能原理通过广义协调方法提出了一种列式简单的平板型矩形壳元ＧＣＲ２４。它在四个角点处各有六个自由度，总共二十四个自由度。作为一种极限协调元，单元的收敛性得到保证，并且不发生薄膜闭锁现象。通过标准问题的数值检验，表明本文提出的平板型矩形薄壳元是性能可靠、计算精度高的优质单元。     

基于交叉评价策略的DEA灰色关联排序模型

数据包络分析(DEA)是评价决策单元相对效率的有效方法,其中的交叉效率评价方法可用来对决策单元进行区分排序.针对原有模型中交叉效率值的不唯一问题,结合灰色关联分析思想,构建理想决策单元,定义各决策单元与理想决策单元的灰色关联度,以灰色关联度值最大为目标,建立优化模型来计算输入和输出指标的最佳权重,据此得出决策单元的交叉效率值,实现对决策单元的完全排序.最后通过算例来验证模型的有效性和实用性.     

92单元三角栅格径向线子阵馈电系统的设计和实验研究

以探索更多单元数的三角形栅格径向线子阵馈电系统为目的,对92单元子阵馈电系统进行了研究,提出了一种新型耦合探针,以满足馈电系统对耦合量及幅频特性的要求。对馈电系统微波能量不均匀分布引起的探针难以实现耦合量的等幅输出问题进行了分析,并给出了相应的解决方案。实验测试结果表明:馈电系统在中心频率2.856GHz处,驻波系数为1.1,各探针耦合量实现了近似等幅馈电;在2.76~2.92GHz带宽范围内,驻波系数小于1.5,各输出端口的幅频特性一致性较好。实验测试结果与仿真设计结果基本相符。     

"改善大气质量"单元教材分析和核心内容教学活动设计

基于促进学生认识发展的理念,对"改善大气质量"单元核心教学内容进行解析,比较3种教材的单元教学内容,分析学生认知的偏差,提出核心内容教学活动的设计建议,简介教学实例.     

对"两个有趣的几何发现"一文的修正及改进

文[1]给出了两个几何结论及一个猜想,具体如下: 定理1:若凸m边形内有互不相同且任意三点都不共线的n(n∈N*)个点,把这n个点再加上m边形的m个顶点共有m+n个点作为顶点,连线组成互不重叠的小三角形,则一共可以组成的小三角形的个数为f(m,n)=m+2n-2.     

基于样本评价的广义数据包络分析方法

传统DEA方法是一种依据自评体系评价的方法,而无法自主选择参照系.为了解决DEA方法可以同时依据自评体系和其它参照系进行评价问题,首先给出了广义DEA有效的概念.然后,给出了一类基于样本单元评价的广义数据包络分析模型,包括面向输入的广义DEA模型、面向输出的广义DEA模型以及加性广义DEA模型.最后,分析了上述这些模型与传统DEA模型之间的关系,探讨了广义DEA有效与相应多目标规划Pareto有效之间的关系,并给出了决策单元的投影性质以及决策单元的有效性排序方法.     

涂层结构中温度场的边界元解

涂层结构由于其优良的物理化学性能而备受人们关注,但受其厚度尺寸的影响,涂层材料中物理量的数值计算一直是工程中的难点。边界元法分析涂层结构时,难点在于涂层子域的数值分析,边界量计算既涉及奇异积分又涉及几乎奇异积分。本文基于间接规则化边界积分方程,准确高效地计算奇异边界积分。针对计算边界量及内点物理量时涉及的几乎奇异积分,采用一类非线性变量替换法,有效地改善了被积函数的震荡特性,从而消除了积分核的几乎奇异性。通过采用二次单元逼近几何边界,使得高效准确地计算超薄的涂层结构成为可能。     

一种带有沙漏控制的新型EAS实体壳单元

基于 Hu-Washizu 变分原理推导了一种带有沙漏控制的实体壳单元的显式有限元列式;采用面内单点积分方案,提高了计算效率;同时引入沙漏控制力,抑制了沙漏现象.基于缩减积分方案,采用 B-bar 法消除体积自锁,并通过添加七个改善拟应变参数解决了泊松自锁和剪切自锁.采用改善拟应变法消除剪切自锁,使得表达式简洁.利用这种显式实体壳单元模型对3个非线性变形的标准算例进行了计算,并与相关参考文献和有限元软件 ABAQUS 的计算结果进行了比较.结果表明:该实体壳单元具有较高的计算精度,可有效地解决板壳非线性大变形分析问题,具有很好的工程应用前景.     

一种免装配微惯性测量单元的研制与开发

以柔性材料和高精度六面体作为惯性传感器的安装载体和基准,设计了一种免装配、安装误差小、体积小、功耗低且便于标定的微惯性测量单元。给出了安装误差小角度前提下的传感器的测量方程和标定方法;利用微控制器的并行工作机制,提出了一种快速有效的基于均值滤波和FIR滤波的组合滤波方案。实验结果表明:MIMU可以100 Hz的频率更新测量输出,加速度测量噪声小于2.5 mg、测量误差小于0.8 mg,旋转角速度测量噪声小于0.15 o/s、测量误差小于0.2 o/s,可满足微小型惯性导航系统的功耗、体积、测量精度和响应速度的应用需求。