论产品开发中的并行设计

我国制造企业普遍存在的问题是缺乏新产品的设计与开发能力 ,他们迫切希望缩短产品的开发周期、降低成本、提高质量。在这种形势下 ,并行设计应运而生。文章主要阐述了运用并行设计开发新产品的必要性、关键因素和所取得的成效     

Poisson方程的一种Mortar型广义差分法

给出了Poisson方程的一种Mortar型广义差分法,试探函数空间取为一次有限元空间,检验函数空间取为与对偶单元相对应的分片常数空间,并给出了一个相应的误差分析结果.     

分布交互仿真环境研究

分布交互仿真是一种新兴的仿真技术，分布交互仿真环境的研究具有重人的理论意义和实用价值。本文分析了分布交互仿真环境的功能需求，指出了它的设计原则。     

沉积盆地多次拉张模拟中拉张系数的计算

沉积盆地模拟中拉张系数是反映其构造热演化的重要参数.拉张系数β=初始地壳厚度/拉张后地壳厚度.对于只经历一次拉张的盆地而言,拉张后的地壳厚度即现今地壳厚度,很容易求得β.而沉积盆地往往经历不只一次而是多次非均匀拉张,那么各次拉张系数的计算就很难用简单的公式来计算.另外,沉积盆地由于拉张,引起岩石圈减薄和初始沉降,同时引起温度场的变化.随着时间的推移,温度场的变化又引起热沉降.构造沉降和温度场是     

钢筋砼非线性有限元分析方法进展

本文通过大量资料的整理分析,对钢筋砼非线性有限元分析方法的产生,发展以及在结构领域中的应用现状进行了综述,并结合当前存在的问题,就其发展前景进行了讨论。     

炼油厂催化重整全流程的建模和动态仿真

以某炼油厂的催化重整整置为对象，研制开发了国内第一套仿集散型催化重整全流程仿真培训系统。采用集总的方法建立了重整反应器的动态数学模型，同时考虑了催化剂的活性因素，使模型适用于不同催化剂和催化剂的不同时期。该系统已成功地应用于该厂开工前的培训。     

可压缩流体网络的建模方法

本文运用网络分析手段,首次提出了任意拓扑结构可压缩流体网络动态特性的建模方法.该方法突破了目前在流体网络分析中普遍采用的“小扰动”线性化处理方法的局限。     

三段式Halbach阵列永磁电机解析建模与研究

针对传统子域模型在分析电机电磁性能时无法考虑软磁材料磁导率的缺陷,提出了一种考虑软磁材料磁导率为具体值的三段式Halbach阵列永磁电机多层解析模型。根据内部激励源和媒介的不同,将永磁电机全域划分成Halbach阵列永磁体层、气隙层、定子齿尖层和电枢绕组层4类磁场求解层。利用柯西乘积和复数形式的傅里叶级数来描述磁场求解层中媒介磁导率分布情况。基于麦克斯韦方程组建立了每个磁场求解层的拉普拉斯方程或泊松方程,结合边界条件求解出每个磁场求解层的磁矢位。利用多层解析模型计算了电机的气隙磁密、空载反电动势和输出转矩等电磁特性,并与有限元模型计算结果进行了对比。计算结果表明：多层解析模型和有限元模型计算得到的气隙磁密波形吻合得很好,两者的空载反电动势峰值和输出转矩平均值的相对误差均小于1%,证明了多层解析模型的正确性。最后利用多层解析模型研究了槽开口宽度、磁极宽度和充磁夹角对电机输出转矩的影响规律,给出了输出转矩最优的设计方案。仿真结果表明：优化后的输出转矩脉动削减了75.7%,证明所提出的多层解析模型不仅计算准确而且计算速度快,在电机的初始设计和电磁性能影响规律的探究上具有明显的优势。     

基于卷积模型的核信号仿真

NaI(Tl)探测器因具有探测效率高和成本低等优点,常被用于核辐射能谱测量和核辐射监管等领域．由于实验条件等的限制,研究人员往往较难获取理想的实验核信号,虽然可以借助探测器的仿真信号来实现研究目的,但是常规的探测器单指数或双指数模型和实际采集到的核信号模型存在一定的差异,需要一种更为精准的数学模型对探测器输出信号进行描述．我们通过对探测器信号形成过程分析,将探测器视为线性时不变系统,探测器各个部分响应的总卷积即为输出的核信号模型．本文建立的探测器输出信号卷积模型,结合实测伽玛源的幅度分布规律和相邻脉冲时间间隔分布规律,可以提供更精确的NaI(Tl)探测器输出信号,以便用于伽玛能谱测量算法研究;通过调节脉冲间隔时间大小,可以仿真不同计数下探测器输出信号的堆积情形,以便用于堆积信号还原算法研究．经过与伽玛辐射源的对比测试,该仿真信号与真实探测器输出信号一致,既避免了研究人员接触放射源,提高辐射防护安全性,又为开展数字化核信号处理算法研究及能谱算法研究提供了极大的便利性．     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。