超参壳元的TUL显式计算格式

针对含有大变形和材料非线性的壳的有限元显式动力分析 ,提出了一种结合 TL (total L agrange)和 UL(updated L agrange)计算格式的 TU L格式。在新的计算格式中 ,应力只参考于若干 (n)个时间步 (增量 )前的构形来度量。在求解基于超参壳元的问题时 ,使用 TU L 格式克服了 UL格式计算时间长和 TL格式小转动的限制。数值算例表明 ,选择合适的参数 n,在达到相近的计算精度的前提下 ,TUL格式的计算效率成倍增加。在求解如汽车碰撞等大规模冲击接触问题时 ,计算时间明显减少     

能流密度的微分矢量式及其应用

应用麦克斯韦方程组 ,在各向同性介质条件下 ,推证出能流密度的微分形式及其矢量式 .     

历史专业课程考试命题的规范化

本文从素质教育的角度,针对历史专业课程考试命题过程中存在的弊端,对命题的规范化进行探索。本文分析了规范化命题的必要性,并提出了规范化命题的原则和步骤。     

用带广义可变罚因子的交替方向法求解变分不等式

交替方向法中的罚因子一般取为一个数列 ,给出了求解带线性约束的变分不等式的一种交替方向法 ,即罚因子取为正定对称矩阵序列 ,证明了该算法的性质。     

非线性弹性问题的增强混合有限元方法

本文介绍和分析了一类具有强对称应力张量的非线性弹性问题的全增强混合有限元方法。这种方法除了包括通常线弹性问题 中的应力张量和位移外,还把应变张量作为辅助未知量。通过引入迦辽金最小二乘项,我们得到了两层鞍点算子方程来作为我们的结果弱方程。为了得到离散增强方程的适定性,我们采用分片常量多项式去逼近应变张量和分片线性多项式去逼近应力张量和位移,并且我们也得到了最优阶误差估计。最后,数值例子验证我们的理论分析。     

一种用于氧化铝生料浆优化调配的改进遗传算法

为解决烧结法氧化铝生料浆调配过程中评判指标复杂、计算劳动强度大、难以获取最优调配组合，造成料浆成分波动大等问题，以物料平衡为基础，结合生产运行经验，建立综合考虑生料浆质量指标要求、当前满槽质量指标和调配后剩余各槽质量指标的生料浆调配过程优化模型；针对优化模型中存在的多目标、非线性和多约束特点，提出一种根据适应度函数自动调整交叉概率和变异概率的改进遗传算法，并结合惩罚策略求解最优调配方案。该方法与传统的枚举递归寻优算法相比，减小了时间复杂度，总能保证在1min内快速求得最优调配方案。工业应用结果表明，该算法满足现场调配工艺要求，可大幅度减轻计算劳动强度，减少生料浆质量指标的波动，使熟料指标碱比、铝硅比的平均合格率分别提高0．34％和5．95％，为后续生产的稳定发挥了重要作用。     

平板流固耦合振动的数值分析

采用了一种基于紧耦合的流固耦合算法,对流场与柔性平板之间的耦合运动进行了数值模拟.流场部分通过有限体积法求解任意拉格朗日 欧拉描述下的不可压缩N-S方程,而结构则由有限元法离散求解拉格朗日坐标下的弹性动力学方程.在一个时间步内,流场与结构计算区域的交界面上进行多次的数据传递和插值,以保证满足耦合面边界条件.计算了在静止流场中弹性板的自由振动和方柱后部平板的涡激振动现象,监测了平板的振幅和频率以及水动力载荷.通过与前人结果的比较,验证了所采用的流固耦合算法的可靠性.同时,分析了不同的材料参数对于平板耦合运动的影响.流体黏性越大对平板振动的阻尼作用越明显,而流体密度的增加会加速振动的衰减,并降低振动的频率.对于具有较低固有频率的结构,在耦合运动中的振动幅度和频率也较小.
     

一类混杂分红稀疏风险模型的期望折现罚金函数(英文)

考虑了一类混杂分红的稀疏风险模型.在该模型下得到了期望折现罚金函数所满足的积分方程,积分微分方程,以及递归公式.     

进近区域到达航班排序和调度的优化

为了减少中国目前由于空中交通管制手段落后而引起的航班延误,提高航班调度的效率和空域的利用率,建立了到达航班排序和调度问题的混合整数规划模型,分析了求解问题的特点,提出了一种启发式算法。该算法结合了空管知识,通过预估未来一段时间内的流量状况实施调度,同时引入优先权,体现了连续航程航班和延误较大的航班的优先级。对算法进行了验证,结果表明:该算法能有效减少航班的延误和空中盘旋等待,提高了空域利用率,对改善中国空中交通管制的自动化水平具有实际意义。     

一种求解属性约简优化的协同粒子群算法

针对粗糙属性约简优化问题,利用粒子群寻求最优解的优势,提出一种改进的粗糙集属性约简优化的协同粒子群算法(AR-CPSO)。在最优属性寻求过程中,该算法使粒子群在属性空间通过约简集向量的分解和邻域簇的协同学习提高其寻优能力,并利用自适应约束强化罚函数较好地收敛到最优目标属性约简集。该算法能始终保持种群的多样性、协作性,并避免过早地陷入局部最优。相关仿真实验表明,AR-CPSO算法能有效地找到全局最优属性约简集,具有较强的属性协同约简优化性能。