纤维增强金属基复合材料整体蠕变性能的细观力学分析

高温下金属基复合材料的蠕变主要由基体蠕变和界面扩散蠕变两部分构成,以往的研究中常常只考虑其中一种蠕变机理,从而导致得到的规律具有较大的局限性．本文提出了一种可预测金属基复合材料整体蠕变性能的细观力学方法,同时考虑了基体蠕变和界面扩散蠕变两种蠕变机理,导出了具有张量形式并满足不可压缩性的界面扩散蠕变应变表达式．采用Mori-Tanaka法和自洽法二者结果的平均以便更准确地计算纤维中的应力,揭示了两种蠕变机理相互影响的竞争关系．研究了恒定双轴荷载下的总体蠕变和固定位移约束下的应力松弛这两种常见蠕变问题,探究了基体蠕变与界面扩散蠕变两种蠕变机理在总蠕变中发挥的作用,考察了不同加载条件和不同纤维体积分数对复合材料整体蠕变行为的影响．     

不可压缩超弹性止水材料的粘弹性计算方法研究

发展改进了研究不可压缩超弹性材料的Mooney-Rivlin公式,把材料参数假设成是随时间变化的粘弹性函数,并讨论了粘弹性函数的推导方法,通过工程实例进行了实验计算,并将计算结果与应力松弛试验进行了比较.结果表明,用改进Mooney-Rivlin公式可以简便有效地计算该类材料的粘弹性问题,为解决工程实际问题提供了新的途径.     

用DSC研究1,2-丙二醇及其水溶液的协同松弛行为

为了验证基于位形熵的非线性Adam-Gibbs协同松弛模型(AGV)能否用于描述小分子氢键液体的协同松弛行为, 利用差示扫描量热法(DSC)测量了连续升降温条件下1,2-丙二醇及其四种水溶液在115～230 K之间的比热容, 利用曲线拟合技术获得AGV模型参数. 结果表明, AGV模型可以重现体系的实验比热容数据. 1,2-丙二醇表现出与其水溶液明显不同的松弛行为, 但水含量的变化对松弛行为的影响并不明显. 利用AGV方法和Johari方法分别对协同重排活化能(Δμ')和协同重排域(CRR)尺寸(z*)作了分析. 只有选择比聚合物大得多的某一协同重排位形数, 以AGV方法得到的z*才不至于没有物理意义. Johari方法的分析结果表明, T_g温度下1,2-丙二醇的CRR内有约3个分子, 但对应的协同重排位形数(W*)却较聚合物高出很多. Donth的基于热力学温度波动理论的分析表明, 1,2-丙二醇及其水溶液的CRR尺寸随组分的变化趋势可与Δμ'和非指数参数的分析结果相吻合, 但得到的1,2-丙二醇的CRR内有约350个分子, 从而和Johari的分析结果产生巨大差别.     

取向PET薄膜偶极热松弛的研究

用纵拉、先纵后横、纵-横-纵等拉伸方式得到了各种平面取向程度的PET薄膜。短路热释电流温谱显示α峰随平面取向度增大向高温线性移动。被冻结的大分子主链链段偶极热松弛活化能随反式构象含量增大呈线性下降。热松弛时间常数则随反式构象含量增大而增长。     

N330炭黑增强天然橡胶材料力学性能的实验研究

为了研究炭黑对橡胶材料力学性能的影响,对9种不同体积含量的炭黑填充橡胶材料进行了准静态力学实验研究。利用循环拉伸加卸载实验分析了炭黑对橡胶Mullins效应及能量损耗的影响,通过单轴拉伸实验研究了炭黑对橡胶材料刚度和起始模量的影响,采用多步松弛拉伸加卸载实验研究了炭黑对橡胶材料应力行为的应变历史相关性的影响。实验结果表明:炭黑填充量越高,橡胶材料的刚度越大,初始模量越大,Mullins效应也越明显;随着炭黑填充量的增加,橡胶在加卸载循环中所产生的迟滞损耗、Mullins效应相对能量损耗以及残余应变都呈现出非线性增长趋势;随着炭黑填充量的升高,橡胶在加卸载过程中的应力松弛现象越明显,其平衡态迟滞损耗以及与时间相关部分的迟滞损耗也越大。     

经典一维装箱问题近似算法的研究进展

自20世纪70年代开始,随着计算复杂性理论的建立,近似算法逐渐成为组合优化的重要研究方向。作为第一批研究对象,装箱问题引起了组合优化领域学者的极大关注。装箱问题模型简单、拓展性强,广泛出现在各种带容量约束的资源分配问题中。除了在物流装载和材料切割等方面愈来愈重要的应用外,装箱算法的任何理论突破都关乎到整个组合优化领域的发展。直到今天,对装箱问题近似算法的研究仍如火如荼。本文主要针对一维模型,简述若干经典Fit算法的发展历程,分析基于线性规划松弛的近似方案的主要思路,总结当前的研究现状并对未来的研究提供一些参考建议。     

线性互补问题的异步并行多分裂松弛迭代算法

将求解线性方程组的异步并行多分裂松弛迭代算法推广到线性互补问题.当问题的系数矩阵为H-矩阵类时,证明了算法的全局收敛性.     

线性互补问题的并行多分裂松弛迭代算法

运用矩阵多重分裂理论,同时考虑并行计算与松弛迭代法,得到一类求解线性互补问题的高效数值算法．当问题的系数矩阵为对角元为正的H-矩阵或对称半正定矩阵时,证明了算法的全局收敛性；该算法与已有算法相比,具有计算量小、计算速度快等特点,因而特别适于求解大规模问题．数值试验的结果说明了算法的有效性．     

多集分裂等式问题的逐次松弛投影算法

多集分裂等式问题是分裂可行性问题的拓展问题,在图像重建、语言处理、地震探测等实际问题中具有广泛的应用.为了解决这个问题,提出了逐次松弛投影算法,设计了变化的步长,使其充分利用当前迭代点的信息且不需要算子范数的计算,证明了算法的弱收敛性.数值算例验证了算法在迭代次数与运行时间等方面的优越性.     

多背包问题的半定松驰算法

The multiple knapsack problem denoted by MKP (B,S,rn,n) can be defined as follows. A set B of n items and a set S of rn knapsacks are given such that each item j has a profit pi and weight wj,and each knapsack i has a capacity Ci. The goal is to find a subset of items of maximum profit such that they have a feasible packing in the knapsacks. MKP (B,S,m,n) is strongly NP-Complete and no polynomial time approximation algorithm can have an approximation ratio better than 0.5. In the last ten years,semi-definite programming has been empolyed to solve some combinatorial problems successfully. This paper firstly presents a semi-definite relaxation algorithm (MKPS) for MKP (B,S,rn,n). It is proved that MKPS have a approximation ratio better than 0. 5 for a subclass of MKP (B,S,m,n) with n≤100, m≤5 and max^nj=1{wj}/min^mi=1={Ci}≤2/3.