船舶浅水航行下沉量数值计算

为求解船舶航行中的下沉量,采用NURBS技术对船体进行曲面重构,并应用基于Rankine源格林函数的一阶面元法构造数学模型,然后结合两者得出船舶下沉量的计算方法.以标准船型KCS为例进行验证,计算值与实验值的最大和最小相对误差分别为-10.32％和-1.84％,与实验情况基本相符,说明该算法具有可行性.     

螺栓连接大变形梁非线性振动特性的实验研究

柔性机械臂、大型可展开天线等机械结构的动作精度受运动过程中大变形几何非线性和连接处接触非线性的影响十分显著。以含螺栓连接结构的大变形梁作为研究对象，针对动力学建模和振动特性开展了实验研究，通过数值计算验证了实验发现的非线性振动特性。搭建了含螺栓连接柔性大变形梁的实验台架，开展了敲击和正弦激振的实验测试。实验结果表明，螺栓连接的柔性梁较连续梁的（无螺栓连接）模态频率降低，阻尼增加，反映出随着激励能量增大，模态频率降低的非线性模态特征。改变螺栓连接位置会显著影响结构的模态频率，其变化规律可由求解线性矩阵特征值定性反映。     

目标电磁散射的面中心立方体网格FDTD方法

基于面中心立方体(face-centered cube, FCC)网格的空间结构, 由麦克斯韦方程出发, 推导了基于FCC网格的单轴各向异性介质完全匹配层(uniaxial anisotropic media perfectly matched layer, UPML)吸收边界条件以及近-远场外推边界条件的三维迭代式。通过典型算例, 先后验证了基于面中心立方体网格的时域有限差分(FCC-finite difference time domain, FCC-FDTD)方法的UPML吸收边界条件和近远场外推边界条件的正确性。最后通过计算金属球的后向雷达散射截面(radar cross section, RCS)比较了FCC-FDTD方法与传统FDTD方法的计算精度, 结果显示FCC-FDTD方法具有更高的计算精度。     

高转速部分进气涡轮盘气流力及叶片振动响应研究

针对部分进气涡轮盘所受气流力在周向分布的严重不均匀易造成动叶片疲劳破坏的问题，从部分进气气流力特征和叶片振动响应两个方面进行了研究。根据已有数值模拟和实验结果给出了部分进气模式下考虑Kick效应的叶片所受气流力的分布曲线，采用快速傅里叶变换方法(FFT)分析了气流力的频谱特征，研究了转速和进气度等因素对气流力的频域特性的影响；采用有限元方法对某火箭发动机部分进气涡轮盘进行了瞬态振动响应分析，对比气流力的频谱特征，研究了叶片振动响应的特性。结果表明：在部分进气模式下，高转速涡轮盘叶片所受气流激励可以视为脉冲激励，存在多阶谐波分量；高转速或小进气度都会使得气流力的高阶谐波分量的幅值较大，使得涡轮盘叶片发生高倍频的共振或幅值较大的强迫振动，区别于全周进气的涡轮盘只需避开前6倍频气流力可能引起的共振，部分进气时还需考虑更高倍频气流力的影响。     

西湖凹陷西部斜坡带花港组、平湖组储层裂缝发育特征及有效裂缝测井识别

以西湖凹陷西斜坡花港组、平湖组致密砂岩储层为研究对象,通过录井资料分析及岩心和显微薄片观察,研究裂缝的宏观与微观发育特征及其影响因素.结果显示其主要发育层理缝和构造缝.层理缝主要为水平缝和低角度缝,且已被充填;构造缝主要为垂直缝和高角度缝,充填缝和未充填缝各占一半.裂缝的发育受岩性、单层厚度、断裂及地应力场的综合影响.在交会图法(定性)和概率判别法(半定量)研究的基础上,将岩心观察统计结果与常规测井曲线和成像测井成果相对比,综合预测与评价裂缝发育段,认为有利的裂缝发育层段为花港组下段和平湖组中下段.     

淀山湖水质及与环湖稻田农业面源污染的关系

对淀山湖主要进水和出水口水质进行年度定点监测; 同时, 布置田间试验, 研究不同施肥稻田田面水养分含量动态. 结果表明:淀山湖进出水口水体氨氮和总磷年平均质量浓度分别为 0.47 和 0.13 mg/L, 基本处于 Ⅴ 类水质标准; 进水口水质略劣于出水口, 不同进水口的水质也有很大差异. 进一步研究发现, 淀山湖水质的年度变化与稻田田面水养分的动态变化有密切的相关性, 表明农业面源污染对淀山湖水环境具有显著影响. 在环湖地区, 减少和控制农业面源, 是进一步改善淀山湖水环境质量的关键.     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。