功能梯度碳纳米管增强复合材料板弯曲和模态的广义有限差分法

由复合材料构成的板结构一直以来受到很大关注,其中功能梯度碳纳米管增强复合材料(functionally graded carbon nanotube-reinforced composite,FG-CNTRC)具有异常优越的力学性能,使得诸多学者展开了对功能梯度碳纳米管增强复合材料板结构力学行为的研究.本文以FG-CN...     

广义有限差分法求解Kirchhoff和Winkler薄板弯曲问题

本文将广义有限差分法用于数值计算Kirchhoff板和Winkler板的弯曲问题.广义有限差分法是基于最小二乘原理的一种区域型无网格方法. 相比于传统的网格类数值解法,广义有限差分法无需网格生成且无需数值积分.通过数值实验结果表明,广义有限差分法可以有效地求解两类薄板在不同横向荷载作用下的弯曲问题.     

A Novel Localized Meshless Collocation Method for Numerical Simulation of Flume Dynamic Characteristics北大核心CSCD

局部边界节点法是一种基于非奇异半解析基函数和移动最小二乘原理的新型无网格配点技术,该方法把每个节点处的未知变量表示为该点对应的局部子域内节点处物理量的线性组合,该文基于局部边界节点法对数值波浪水槽进行了研究。首先,通过基准算例确定了Laplace算子非奇异半解析基函数的合理形状参数值。进一步,基于合理的参数选取,用较少的离散节点即可成功模拟波浪传播行为,将得到的数值结果与其他文献数值结果比较,可以发现局部边界节点法用更少的局部点即可得到较好的数值结果。最后,以保护近海岸建筑物为目标,模拟了水下防波堤对波浪传播的影响。结果表明,当波浪与梯形防波堤发生作用后,波峰变得比较陡峭,而波谷变得相对比较平坦,为近海岸防波堤的相关研究和设计提供了数值参考。     

基于物理信息的神经网络求解曲面上对流扩散方程

引入基于物理信息的神经网络PINNs(Physics-informed Neural Networks)并将其用于求解曲面对流扩散方程。区别于传统的神经网络模型,PINNs在建立模型过程中引入了自动微分技术,并将物理信息即偏微分方程信息编译其中,通过定义损失函数得到关于该模型中神经网络参数即权重和偏置的优化目标,随后利用已有的优化算法进行求解。显而易见,PINNs通过添加额外的物理信息约束放宽了对于数据量的要求,对于一个确定性模型显示出更好的鲁棒性。本文基于曲面微分算子与欧氏空间下标准微分算子的解析关系,引入两种曲面微分算子处理技术,即非本征技术和嵌入技术,并结合PINNs针对定义在高维复杂曲面上的对流扩散方程进行求解,多个数值算例证明了该方法的有效性、鲁棒性以及其在求解此类问题的潜力。