非线性方程组的解法:局部弧长法

描述了一个新的非线性方程组的求解方法——局部弧长法．该方法是在弧长法的基础上发展起来的适合于材料非线性有限元分析的数值解法．其约束方程充分利用了结构中破坏区域内的非线性变形信息，有效地解决了材料非线性分析中的稳定性与收敛性问题．数值计算表明，该方法不仅适合于求解结构的极限承载能力，也适合于求解结构达到极限承载参力以后的荷载－变形的全过程     

基于物理信息神经网络的功能梯度材料稳态/瞬态热传导分析

采用物理信息神经网络PINN(Physics-informed Neural Networks)求解稳态和瞬态功能梯度材料(FGMs)热传导问题。该方法利用控制方程、边界及初始条件的残差构造损失函数,在无任何响应数据的情况下得到了更具泛化能力的神经网络模型,同时避免了传统数值方法在求解计算力学问题时所需的微分、积分公式推导以及繁重的建模和划分网格等前处理工作。本文探究了PINN及其域分解的扩展物理信息神经网络XPINN(eXtended Physics-informed Neural Networks)在求解稳态和瞬态FGMs热传导问题时的适用性,讨论了网络结构对预测结果的影响。研究结果表明,PINN/XPINN在解决几何复杂的稳态和瞬态FGMs热传导问题时仍具有较高的可靠性和简洁的求解流程,同时,为极端环境下求解复杂多场耦合和夹杂等问题提供了新思路。     

非线性有限元方程组求解器的设计与实现

本文主要介绍HAJIF-Ⅲ系统的非线性有限元方程组求解器的设计与实现。求解器由牛顿法、修正牛顿法、BFGS法、DFP法、割线牛顿法、弧长法和当前刚度参数、线性搜索、加速收敛等方法和措施混合组成,可由用户灵活控制,选定解法;也可由系统依据所分析的问题的特征自适应选择解法和载荷步长,有较好的自适应特性和高效可靠的优点。HAJIF-Ⅲ系统的应用实践表明:该求解器使用方便,计算效率高,结果可靠。     

基于神经算子与类物理信息神经网络智能求解新进展

深度学习通过多层神经网络对数据进行学习,不仅能揭示潜藏信息,还能很好地解决复杂非线性问题.偏微分方程(PDE)是描述自然界中许多物理现象的基本数学模型.两者的碰撞与融合,产生了基于深度学习的PDE智能求解方法,它具有高效、灵活和通用等优点.文章聚焦PDE智能求解方法,以是否求解单一问题为判定依据,把求解方法分为两类:神经算子方法和类物理信息神经网络(PINN)方法,其中神经算子方法用于求解一类具有相同数学特征的PDE问题,类PINN方法用于求解单一问题.对于神经算子方法,从数据驱动和物理约束两个方面展开介绍,分析研究现状并指出现有方法的不足.对于类PINN方法,首先介绍了基础PINN的3种改进方法 (基于数据优化、基于模型优化和基于领域知识优化),然后详细介绍了基于物理驱动的两类解决方案:基于传统PDE离散方程的智能求解方案和无网格的非离散求解方案.最后总结技术路线,探讨现有研究存在的不足,给出可行的研究方案.最后,简要介绍智能求解程序发展现状,并对未来研究方向给出建议.     

结构后屈曲分析中的混合Newton-Lanczos算法

本文提出一种适于结构非线性后屈曲分析的混合Newton-Lanczos算法。与当前流行的弧长法不同,本文提出的算法采用传统的载荷增量法进行逐步求解,可求出给定载荷下的结构变形且适于任意外加载荷。对于临界载荷附近的迭代应用了Lanczos法求解方程及相应变载技巧。文中给出的若干数值计算结果表明了该算法在结构非线性后屈曲分析中的适用性。     

FD-PINN:频域物理信息神经网络

物理信息神经网络(physics-informed neural network, PINN)是将模型方程编码到神经网络中,使网络在逼近定解条件或观测数据的同时最小化方程残差,实现偏微分方程求解.该方法虽然具有无需网格划分、易于融合观测数据等优势,但目前仍存在训练成本高、求解精度低等局限性.文章提出频域物理信息神经网络(frequency domain physics-informed neural network, FD-PINN),通过从周期性空间维度对偏微分方程进行离散傅里叶变换,偏微分方程被退化为用于约束FD-PINN的频域中维度更低的微分方程组,该方程组内各方程不仅具有更少的自变量,并且求解难度更低.因此,与使用原始偏微分方程作为约束的经典PINN相比, FD-PINN实现了输入样本数目和优化难度的降低,能够在降低训练成本的同时提升求解精度.热传导方程、速度势方程和Burgers方程的求解结果表明, FD-PINN普遍将求解误差降低1～2个数量级,同时也将训练效率提升6～20倍.     

考虑弯扭形变的薄壁箱形梁的非线性后屈曲

在大位移和扭转的前提下,通过一中等弯曲扭转的位移场描述了薄壁箱形梁在偏心载荷作用下的静稳定性问题.该非线性公式可用于分析简支薄壁箱形梁在不同载荷作用下的屈曲和后屈曲行为.采用伽辽金方法将非线性微分系统离散,并通过牛顿-拉普森增量迭代法求解得代数方程组.数值计算结果表明,当前屈曲位移不可忽略时,经典的横向屈曲预测是保守的...     

求解预定位移水平的改进弧长法

为了在使用弧长法进行结构非线性分析时能够收敛到指定的位移,基于广义弧长的概念,对传统弧长法进行改进。改进后的方法不仅能够自动跟踪结构非线性平衡路径,同时能求得位于结构平衡路径的任意区段的任意预定位移时的受力状态。数值算例表明本文计算方法的精确度、效率以及可靠性较好。     

小波加权残值法在斜板后屈曲上的应用

将斜板在大挠度理论下的平衡方程和变形协调方程转化为斜坐标系下的表达式,并无量纲化,对于四边固支斜板,选用尺度小于1的二维bior3.1重构尺度函数与小波作试函数,满足板在平面外的几何与自然边界条件,利用小波-Galerkin法将板的无量纲平衡控制方程与变形协调方程转化为两个非线性方程组,从而将后屈曲路径的求解转化为两非线性方程组的求解问题.以载荷作为迭代步长,采用Newton-Raphson迭代算法求得承受单向压缩四边固支斜板在不同边长比、不同斜角下的后屈曲平衡路径及四级渐近解.     

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.      

一种空间缆索结构静力分析的解析元法

将空间缆索结构简化为具有拉伸刚度的质点系,给出了缆索结构空间解析元法的基本方程和求解方法,单元间的作用力与坐标变化的关系可以用解析法得到,对所得到的反映结构特性的质点系方程组进行力的平衡迭代,求解方程组.采用自动的动态可变步长的迭代方法,能够提高计算效率,保证收敛.这种方法既考虑了几何非线性,又适用于材料非线性的计算,比有限元法优越之处还在于,它不用求解线性方程组,所以适用范围广,允许求解多自由度的几何可变体系,而有限元法在求解此类问题时经常不收敛.     

基于龙格库塔法的多输出物理信息神经网络模型

物理信息神经网络(physics-informed neural networks, PINN)由于嵌入了物理先验知识,可以在少量训练数据的情况下获得自动满足物理约束的代理模型,受到了智能科学计算领域的广泛关注.但是, PINN的离散时间模型(PINN-RK)无法同时近似多个物理量相互耦合的偏微分方程系统,限制了其处理复杂多物理场的能力.为了打破这一限制,文章提出了一种基于龙格库塔法的多输出物理信息神经网络(multi-output physics-informed neural networks based on the Runge-Kutta method, MO-PINN-RK), MO-PINN-RK模型在离散时间模型的基础上采用了并行输出的神经网络结构,通过将神经网络划分为多个子网络,建立了多个神经网络输出层.采用不同输出层近似不同物理量的方式, MO-PINN-RK模型不仅可以同时表征多个物理量,而且还能够实现求解偏微分方程系统的目的.另外, MO-PINN-RK克服了PINN离散时间模型仅适用于一维空间的局限性,将其应用范围扩展到了更为普遍的多维空间.为了验证MO-PIN...     

大型空间结构的热-动力学耦合问题及其有限元分析

论文对辐射换热条件下闭口薄壁杆件与单枝开口薄壁杆件的瞬态温度场问题,提出了一种一维傅立叶温度有限元,克服了传统一维温度单元只能计算薄壁杆截面平均温度的缺点,通过增加结点摄动温度自由度的方法,该一维单元能计算杆截面的温度分布.在此一维温度单元与梁位移单元相协调的基础上,进一步发展了大型空间结构热诱发振动稳定性判据与热颤振响应有限元计算方法.对于柔性空间结构发展了考虑几何非线性的热-结构动力学耦合有限元计算方法,成功地对这类结构的热动力屈曲问题进行了数值模拟.     

空间杆系与叠层板组合结构的非线性稳定分析

本文用非线性有限元法研究一种空间杆系与复合材料叠层板组合结构的非线性稳定问题，将杆系离散成空间梁柱单元，将复合材料叠层板离散成复合材料叠层板单元，并考虑了几何非线性和板的成层正交各向异性性质。为了获得较高的计算效率并顺利通过稳定临界点，求解非线性平衡方程采用了变增量步长和柱面弧长法迭代策略。在考证了程序的正确性之后，具体分析了几个工程模型，得出了于工程设计有益的结论。     

AN APPLICATION OF THE CBS SCHEME IN THE FLUID-MEMBRANE INTERACTION

提出了一种不可压缩流体与弹性薄膜耦合问题的特征线分裂有限元解法. 首先, 给出了流场和结构的控制方程. 然后, 对流场、结构以及流固耦合的具体求解过程进行了描述. 其中, 流场求解采用改进特征线分裂方法和双时间步方法相结合的隐式求解方式, 并利用艾特肯加速法对每个时间步的迭代收敛过程进行了加速处理;结构部分的空间离散和时间积分分别采用伽辽金有限元方法和广义方法, 并通过牛顿迭代法对所得非线性代数方程组进行了求解;流场网格的更新采用弹簧近似法;流场、结构两求解模块之间采用松耦合方式.最后, 采用该方法对具有弹性底面的方腔顶盖驱动流问题进行了求解, 验证了算法的准确性和稳定性.此外, 计算结果表明艾特肯加速法可以显著地提高双时间步方法迭代求解过程的收敛速度.     

数值求解不可压粘性流体定常运动的格林函数方法

本文提出了一种数值求解不可压粘性流体定常运动的格林函数方法.在本文中利用Stokes方程的基本解作为格林函数将求解不可压粘性流体定常运动的边值问题化为求解速度场和边界应力的非线性积分方程组,在解出速度场和边界应力后可直接计算流场中各点的压力;用有限元近似将积分方程离散化而进行数值求解。对于小雷诺数流动,只归结为求解边界积分方程,使求解区域减少一个维度。对于非线性问题,可用迭代方法求解,在每次迭代中只须解出边界点上的速度或应力。通过几个简单的算例,表明本文所提出的方法具有精度高、处理边界条件简单、通用性强的优点,并具有求解各种复杂流动的潜力。     

一种求解局部非线性结构稳态响应的方法

为了降低求解局部非线性结构稳态响应的计算量,基于子结构和阻抗缩聚提出了一种用于求解局部非线性结构稳态响应的计算方法.将局部非线性结构分解为线性子结构和非线性子结构,利用谐波平衡构造各个子结构的阻抗方程,对线性子结构进行缩聚,将局部非线性动力学方程转化为求解一组非线性代数方程组问题,通过迭代求解非线性代数方程组,求解系统的稳态响应.     

空间杆系与叠层板组合结构的非线性稳定分析

本文用非线性有限元法研究一种空间杆系与复合材料叠层板组合结构的非线性稳定问题。将杆系离散成空间梁柱单元，将复合材料叠层板离散成复合材料叠层板单元，并考虑了几何非线性和板的成层正交各向异性性质。为了获得较高的计算效率并顺利通过稳定临界点，求解非线性平衡方程采用了变增量步长和柱面弧长法迭代策略。在考证了程序的正确性之后，具体分析了几个工程模型，得出了于工程设计有益的结论。     

MA对偶-信赖域算法在非线性不等式约束优化问题中的应用研究

针对含有非线性不等式约束条件的优化问题,提出了MA对偶-信赖域算法。在每次迭代过程中,基于信赖域方法和问题的逼近属性,构造了原优化问题中目标函数和约束函数的移动渐进线函数,由此建立简单的子优化问题。运用对偶方法求解子问题得到原优化问题的下降方向,再用线搜索方法取得搜索步长,最后得到下一步的迭代点。应用数学推理证明了该算法的全局收敛性。以悬臂梁最小柔度问题为例,应用MA对偶-信赖域算法对优化问题进行了求解,数值算例的结果表明,MA对偶-信赖域算法在求解非线性约束优化问题时比MMA和GCMMA算法的迭代次数少,收敛速度快。     

线性区间有限元静力控制方程的组合解法

区间有限元的静力控制方程常被归结为区间方程组来求解。但实际上两者并不等价。本文根据不确定结构有限元分析的力学背景，直接从问题的基本参量的不确定性出发，将基本区间参量的边界组合与求解区间方程组的有关解法相结合，提出了线性区间有限元静力控制方程的两种组合解法－参量边界全组合法和组合迭代法。可以以较小的计算量获得或逼近位移和应力区间的准确界限。且不受基本参量变化范围的限制。算例分析表明文中方法是实用和可行的。