压电材料平面裂纹尖端场的杂交应力有限元分析

基于复势理论和杂交变分原理建立了一种适用于力电耦合分析的杂交应力有限元模 型. 给出了建立刚度矩阵的主要公式和推导过程，单元内的位移场和应力场采用满足平 衡方程的复变函数级数解，假设的复变函数级数解事先精确满足裂纹的无应力和电位移法向 分量为零的条件，单元外边界的位移场假设按抛物线变化, 单元的刚度矩阵采用Gauss积分的方法得出. 通过对力电耦合裂尖场的数值计算验证了程序 的正确性和单元的有效性，同时也用所得结果校验了理论解.     

基于拓扑描述函数的连续体结构拓扑优化方法

提出了一种利用拓扑描述函数(TDF)作为拓扑设计变量求解连续体结构拓扑优化问题 的新方法. 优化问题的目标函数是结构的整体柔顺性，约束条件为对于可利用材料的体积限 制. 这种方法不仅可以消除拓扑优化中经常出现的棋盘格式等数值不稳定现象，而且能够有 效地抑制传统算法处理此类优化问题时所引发的边界扩散效应. 与其它的基于水平集描述函 数的拓扑优化方法相比，所提出的算法不仅无需求解控制水平集函数演化的双曲守恒方 程，而且合理地考虑了目标函数的拓扑导数信息，因而使得算法的计算效率有了显著的提高.     

基于相对即时密度的泡沫铝材料力学性能研究

通过对圆柱形泡沫铝试件进行静态压缩和冲击实验，考察了泡沫铝的初始密度、孔径和尺寸等因素对材料应力应变关系的影响，研究了基于相对即时密度的泡沫铝材料的塑性行为。实验所用泡沫铝试件包含四种尺寸，三种孔径及多种初始密度。实验结果表明，初始密度对泡沫铝的应力应变关系有着显著的影响，而其他因素，如孔径、试件尺寸等的影响较小。基于实验结果，提出了一种新的泡沫铝材料力学性能的描述方法，即用材料的相对即时密度与应力的关系来描述泡沫铝材料的塑性行为。该关系适用于静态和动态加载情况，只是两种情况下的参数不同。基于该方法，发现泡沫铝的塑性行为可以用单一的应力一相对即时密度关系描述，这一关系甚至不依赖于材料的初始密度，这将使泡沫铝材料塑性行为的描述大大简化。     

中心裂纹圆盘应力强度因子的测试误差分析

本文在中心裂纹圆盘应力强度因子解析解的基础上,利用一阶微分法则,给出了与裂纹相对长度和加载角相关的应力强度因子(K 和K )的4个误差传递函数。这4个误差传递函数关于裂纹相对长度和加载角均是非线性的,它们既是误差分析的基础,又是合理确定裂纹相对长度和加载角的基础。分析结果表明,加载角的误差Δθ除了对纯 型K 的误差几乎没有影响,对纯 型K 影响较小外,对复合型K 、K 的误差均有较大影响。最后,本文建议裂纹相对长度的取值范围为0.4～0.6;还建议在复合型断裂试验时,必须依据对K 、K 的总体精度要求来严格控制加载角的精度。     

线性随机桁架结构的平稳随机响应分析

研究了随机桁架结构的平稳随机响应问题。同时考虑结构的物理参数、几何尺寸的随机性，从结构平稳随机响应在频域上的表达式出发，利用求解随机变量函数矩的方法，导出了随机桁架结构在平稳随机激励下位移响应均方值的均值、均方差和变异系数的计算表达式。通过算例考察了随机荷载激励下结构物理参数、几何尺寸的随机性对结构随机响应的影响。     

势问题的重构核粒子边界无单元法

将重构核粒子法和势问题的边界积分方程方法结合,提出了势问题的重构核粒子边界无单元法. 推导了势问题的重构核粒子边界无单元法的公式,研究其数值积分方案,建立了重构核粒子边界无单元法的离散化边界积分方程,并推导了重构核粒子边界无单元法的内点位势的积分公式. 重构核粒子法形成的形函数具有重构核函数的光滑性,且能再现多项式在插值点的精确值,所以该方法具有更高的精度. 最后给出了数值算例,验证了所提方法的有效性和正确性. }      

流形元法固定边界约束处理研究

在数值流形方法中,对于材料的固定边界,一般采用罚函数的方法进行处理,即在固定边界上设置刚性弹簧约束其位移来实现固定约束条件的近似满足。罚函数法在理论上不是严格的固定约束处理方法,罚弹簧的布置与弹簧刚度的大小对模拟的效果都会产生影响。基于流形单元上位移函数的组成提出了流形方法固定边界约束处理的新方法,在组成流形单元的物理覆盖上,通过取消相应的覆盖函数在流形单元位移函数中的组成来实现双向固定的约束条件,通过使用只包含单方向位移的覆盖函数使x向固定约束条件和y向固定约束条件得到实现,推导了相应固定约束条件下的流形单元刚度矩阵的数值计算格式。该方法严格满足固定约束的物理意义,简化了固定边界的处理,并经算例证明是有效和准确的,有利于数值流形方法的程序实现和工程应用。     

三阶非线性发展方程的线性化有理逼近方法

研究了三阶非线性发展方程的初边值问题的解。采用基于Sinc函数的微分求积法发展了线性化有理逼近方法。通常的配点法不适用于上述三阶问题的求解。本文把提出的方法用于求解KdV方程,取得了良好的效果。     

Constructing and evaluating alternative frames of discernment

We construct alternative frames of discernment from input belief functions. We assume that the core of each belief function is a subset of a so far unconstructed frame of discernment. The alternative frames are constructed as different cross products of unions of different cores. With the frames constructed the belief functions are combined for each alternative frame. The appropriateness of each frame is evaluated in two ways: (i) we measure the aggregated uncertainty (an entropy measure) of the combined belief functions for that frame to find if the belief functions are interacting in interesting ways, (ii) we measure the conflict in Dempster’s rule when combining the belief functions to make sure they do not exhibit too much internal conflict. A small frame typically yields a small aggregated uncertainty but a large conflict, and vice versa. The most appropriate frame of discernment is that which minimizes a probabilistic sum of the conflict and a normalized aggregated uncertainty of all combined belief functions for that frame of discernment.     

Machine Learning Approaches for Metalloproteins

Metalloproteins are a family of proteins characterized by metal ion binding, whereby the presence of these ions confers key catalytic and ligand-binding properties. Due to their ubiquity among biological systems, researchers have made immense efforts to predict the structural and functional roles of metalloproteins. Ultimately, having a comprehensive understanding of metalloproteins will lead to tangible applications, such as designing potent inhibitors in drug discovery. Recently, there has been an acceleration in the number of studies applying machine learning to predict metalloprotein properties, primarily driven by the advent of more sophisticated machine learning algorithms. This review covers how machine learning tools have consolidated and expanded our comprehension of various aspects of metalloproteins (structure, function, stability, ligand-binding interactions, and inhibitors). Future avenues of exploration are also discussed.