排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
传统采用微分求积(differential quadrature,DQ)法求解动力问题时都是以位移响应作为基本未知量,而将速度响应和加速度响应表示为位移响应的加权和的形式.如此做法需要处理线性方程组或者矩阵方程(Sylvester方程)才能求得动力响应,导出的算法一般为有条件稳定算法.本文利用动力响应的Duhamel积分解,逆用DQ原理,提出了一种计算卷积的高精度显式算法.该算法可以逐时段地求解出动力时程响应,当各时段内DQ节点分布完全一致时,仅须进行一次Vandermonde矩阵求逆计算即可应用于各个时段,一次性获得时段内多个时刻的位移响应值,因而具有计算效率高的优点.通过分析动力方程积分格式,证明本文动力算法传递矩阵的谱半径恒等于1,因而该算法具有无条件稳定特性,且计算过程中不会产生数值耗散. 本文算法的数值精度取决于分析时段内布置的DQ节点数量$N$,具有$N-1$阶代数精度.实际操作时可以取10个甚至更多的DQ节点数,从而获得比较高的数值精度. 相似文献
2.
传统采用微分求积(differential quadrature, DQ)法求解动力问题时都是以位移响应作为基本未知量,而将速度响应和加速度响应表示为位移响应的加权和的形式.如此做法需要处理线性方程组或者矩阵方程(Sylvester方程)才能求得动力响应,导出的算法一般为有条件稳定算法.本文利用动力响应的Duhamel积分解,逆用DQ原理,提出了一种计算卷积的高精度显式算法.该算法可以逐时段地求解出动力时程响应,当各时段内DQ节点分布完全一致时,仅须进行一次Vandermonde矩阵求逆计算即可应用于各个时段,一次性获得时段内多个时刻的位移响应值,因而具有计算效率高的优点.通过分析动力方程积分格式,证明本文动力算法传递矩阵的谱半径恒等于1,因而该算法具有无条件稳定特性,且计算过程中不会产生数值耗散.本文算法的数值精度取决于分析时段内布置的DQ节点数量N,具有N-1阶代数精度.实际操作时可以取10个甚至更多的DQ节点数,从而获得比较高的数值精度. 相似文献
1