群桩加筋效应机理研究

把Poulos的弹性理论法推广到对群桩进行整体分析,群桩中每根桩的形状和荷载可以互不相同．对2根桩的分析表明,受荷桩使其邻桩的桩身产生了附加轴应力及附加剪应力,桩对土的加筋效应就是通过附加剪应力发生的．对群桩的分析表明,其他桩的加筋效应使受荷桩的沉降产生了折减,当桩土模量比和桩间距较小时,忽略桩的加筋效应会对群桩分析带来很大的误差．对群桩内的应力分布分析表明,与单桩相比,由于桩的加筋效应,使得群桩能够把较多的荷载直接传递到桩端平面．     

参数反分析方法及工程应用

文中介绍了参数反分析方法的原理,在弹性地基梁有限元计算程序中采用了考虑位移和时间效应的土压力计算公式,并在实际工程中进行了计算和分析。     

弹性力学方程的符合表达式系统

从一般的弹性体变形理论出发,利用Ｍａｔｈｅｍａｔｉｃａ系统,初步建立了弹性力学方程的符合表达式系统,它能够自动地完成若干类弹性问题的精确求解过程,给出解析解的符号表达式,对解析解可以自由完成所需的数值化与图形化过程。     

偏微分方程组的对称群及其在弹性力学方程组中应用

给出了非退化线性偏微分方程组及二次型泛函对称群的不变向量场的一般形式和一类特殊形式非线性偏微分方程组对称群的简化计算条件；利用以上结论及作者以往工作，借助符号运算语言ＭａｔｈｅｍａｔｉｃａＴＭ计算了平面弹性力学方程组一阶Ｌｉｅ－Ｂａｃｔｌｕｎｄ对称群的不变向量场，以及应力函数对应的三维弹性力学方程组的Ｌｉｅ代数．为构造弹性力学方程组的一类广泛精确解及守恒律提供了必要的基础，并说明了结论对计算偏微分方程组对称群时的简化作用     

轴向流中两平行弹性薄板大挠度流固耦合系统的数值模拟

研究了轴向流中两平行弹性薄板大挠度流固耦合系统的振动响应和流场特性.板的结构动力学方程采用基于位移的有限元法离散,流场采用完全的二维不可压缩粘性流体N-S方程,用有限体积法离散,结合动网格控制技术,建立了模拟轴向流中两平行悬臂弹性薄板双向流固耦合作用的二维数值模型,实现了弹性薄板—流体—弹性薄板之间的交互作用.利用该数值模型得到了单块板的流致振动特性;发现了随着两板间距大小的不同,两板表现出三种不同的的极限环振动:同相位、异相位以及不确定相位,并得到了同相位与异相位两种振动状态下的板边界层脱落及尾流变化规律;另外,分析还发现在同相位和异相位过渡阶段,两板均表现出拍现象.     

水深对超大型FPSO水弹性响应的影响

结合三维势流理论和有限水深复合格林函数,计算了浅水超大型浮式生产储油系统(FPSO)水弹性响应.该方法首先实现有限水深复合格林函数及其偏导数的数值算法,将其根植于三维势流理论中,形成了用于浅水海洋浮式结构物三维水弹性分析的方法.本文对一艘浅水超大型FPSO进行了数值计算,计算结果表明,船体的振动效应对不同波浪载荷产生不同的影响.     

基于基本解和径向基函数插值的热弹性无网格分析

采用基于基本解方法和径向基函数插值的无网格算法(MFS-RBF)分析了广义的热弹性问题.位移分为齐次解和特解两部分,径向基函数被用来插值任意温度变化和体力分布,对应于径向基函数的特解集被用来构造位移特解部分,而基本解方法用来计算相应的位移齐次解.最后,常见的重力荷载、惯性荷载和温度荷载算例验证了算法的有效性和简单性.     

一种优化的交错变网格有限差分法及其在井间声波中的应用

提出了一种优化交错变网格有限差分算法, 并在二维速度-应力关系的弹性波方程中实现. 利用频散关系守恒准则构造了四阶精度的差分算子, 该算法属于连续变网格方法, 不需要在精细网格和粗糙网格之间进行插值. 将优化算法的数值结果与解析解及八阶规则交错网格差分算法进行了比较, 验证了该算法的精度. 与基于Taylor展开的变网格有限差分算法比较可知, 优化算法的频散特性较好, 在数值模拟中可使用更粗糙的网格. 将提出的优化算法应用于复杂的井间声波模型. 该数值实例表明, 优化算法可以节省大量的计算内存和计算时间, 同时具有优良的稳定性.     

运动弹性杆的一类数值仿真算法

研究运动弹性杆的数学建模和数值仿真问题。通过在截面主轴坐标系下建立利用剪切拉伸向量描述的运动弹性杆的动力学模型,给出基于谱方法的高精度数值离散方法并给出仿真结果的动态矢量描述,得到了精度较高且计算简单的数值仿真算法。     

基于XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XGBoost并融合弹性网的误差补偿算法。采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做对比。实验结果表明：在更新15%指纹数据库样本的情况下,该算法在80%分位处的定位精度控制在0.73 m以内,明显优于其他定位算法,且较基于XGBoost的定位算法精度提高了25.5%。