矩形加肋板线性弯曲分析的移动最小二乘无网格法

提出了一种求解矩形加肋板线性弯曲问题的移动最小二乘无网格法。将矩形加肋板模拟成平板与肋条组成的复合结构。先基于一阶剪切变形理论,由移动最小二乘近似建立板和肋条的位移场,再利用板与肋条叠合处的位移协调条件,推导肋条与板的节点参数转换方程,最后利用此方程将板与肋条的应变能叠加,推导出整个加肋板的刚度方程。由于本文提出的加肋板无网格模型中不涉及到网格,肋条不必像有限元那样必须沿网格线布置,肋条位置的改变也不会导致板网格的重新划分。文末算例表明由本文方法得到的解与采用实体单元得到的ANSYS有限元解吻合良好,证明了本文方法的准确性。     

基于无网格法的弹性地基加肋斜板频率数值解

为了给实际地基工程中的经济效益提供技术指标参考，应用无网格法计算加肋斜板在地基上的自由振动行为，应用移动最小二乘近似MLS和一阶剪切变形原理描述加肋斜板的位移场，分别建立斜板与肋条的势能泛函，使用Winkler弹性地基模型处理加肋板与地基之间的接触势能。通过斜板与肋条的位移协调关系寻找斜板和肋条节点参数转换公式，确立加肋斜板的自由振动控制方程。本文运用了无网格法的优势，即使肋条位置改变也不需重置网格。与有限元解的对比验证了本文方法的有效性和精确性。     

面内变刚度薄板弯曲问题的挠度?弯矩耦合神经网络方法

发展了一种求解面内变刚度功能梯度薄板弯曲问题的神经网络方法. 面内变刚度薄板弯曲问题的偏微分控制方程为一复杂的4阶偏微分方程, 传统的基于强形式的神经网络解法在求解该偏微分方程时可能会遇到难以收敛、边界条件难以处理的情况. 本文基于Kirchhoff薄板弯曲理论, 提出了一种直角坐标系下任意面内变刚度薄板弯曲问题的神经网络解法. 神经网络模型包含挠度网络与弯矩网络, 分别用于预测薄板的挠度与弯矩, 从而将求解4阶偏微分方程转换为求解一系列二阶偏微分方程组, 通过对挠度、弯矩试函数的构造可使得神经网络计算结果严格满足边界条件. 在误差的反向传播中, 根据本文提出的误差函数公式计算训练误差并结合Adam优化算法更新模型的内部参数. 求解了不同边界条件、形状的面内变刚度薄板弯曲问题, 并将所得计算结果与理论解、有限元解进行对比. 研究表明, 本文模型对于求解面内变刚度薄板弯曲问题具备适应性, 虽然模型中的弯矩网络收敛较挠度网络要慢, 但本文方法在试函数的构造上更为简单、适应性更强.      

基于遗传算法的弹性地基加肋板肋梁无网格优化分析

基于遗传算法及一阶剪切理论, 提出一种弹性地基上加肋板肋条位置优化的无网格方法. 首先, 通过一系列点来离散平板及肋条, 并用弹簧模拟弹性地基, 从而得到加肋板的无网格模型; 其次, 基于一阶剪切理论及移动最小二乘近似原理导出位移场, 求出弹性地基加肋板总势能; 再次, 根据哈密顿原理导出结构的弯曲控制方程, 并通过完全转换法处理边界条件; 最后, 引入遗传算法和改进遗传算法, 以肋条的位置为设计变量、弹性地基板的中心点挠度最小值为目标函数, 对肋条位置进行优化达到地基板控制点挠度最小的目的. 以不同参数、载荷布置形式的弹性地基加肋板为例, 与ABAQUS有限元结果及文献解进行比较. 研究表明, 采用所提出的无网格模型可有效求解弹性地基上加肋板弯曲问题, 结果易收敛, 同时基于遗传算法与改进混合遗传算法所提出的无网格优化方法均可有效优化弹性地基加肋板肋条位置, 后者计算效率相对较高, 只进行了三次迭代便可获得稳定的最优解, 此外在优化过程中肋条位置改变时只需要重新计算位移转换矩阵, 又避免了网格重构.      

弹性地基加肋功能梯度板自由振动分析的无网格法

基于一阶剪切变形理论和移动最小二乘近似研究Winkler弹性地基上加肋功能梯度板的固有频率。假设功能梯度板的材料性质沿厚度方向按幂函数连续变化,基于物理中面和移动最小二乘近似分别推导功能梯度板和肋条的动能和势能,再通过引入位移协调条件,建立板和肋条节点参数转换关系,叠加两者的总能量,然后利用Hamilton原理推导加肋功能梯度板自由振动控制方程。采用完全转换法施加边界条件。通过将本文的计算结果与有限元以及文献的结果对比,验证方法的收敛性以及准确性。