齿轮范成的计算机仿真

本文根据D-H矩阵理论建立了齿轮范成仿真的数学模型,运用象素存贮法及压缩存贮技术,解决了仿真过程中至关重要的快速性和连续性问题,实现了齿轮范成过程的动态仿真。     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

球状ZnSe纳晶的微波辅助元素溶剂热合成与表征

采用微波辅助的元素溶剂热法,以Zn,Se等单质为Zn源和Se源,en(en=乙二胺)为螯合剂,N2H4·H2O为还原性助剂,在160℃下反应4小时,合成了直径为50-100nm、分散性较好、高度结晶的球形ZnSe纳晶;采用XRD,SEM等手段对所合成的产物进行了表征,结果发现,反应温度和反应时间等反应条件共同控制着ZnSe纳晶的形貌。通过对其反应过程及机理的分析,结果表明,获得平均直径为60nm、高度结晶的球形ZnSe纳晶的优化反应条件是用en做螯合剂,N2H4·H2O为还原性助剂,反应温度为160℃,时间为4小时;并且球状ZnSe纳晶是在N2微泡上集聚而成的。     

求解大型对称特征值问题的迭代Chebyshev-Lanczos方法

本文研究计算大型对称矩阵极端(几个最大或最小)特征值及相应特征向量的问题,讨论了Chebyshev迭代法对Lanczos方法的应用,提出了Chebyshev-Lanczos方法。计算实践表明迭代Chebyshev-Lanczos方法比迭代Lanczos方法优越。     

非接触光测物体大位移研究

提出了一种非接触光学法－单光栅双图像法测量物体位移的新技术，利用两个正交的图像记录系统，在试件作大位移后，记录被平行多光束照射形成的光点所覆盖的试件的图像，借助于记录光路系统几何表数，可建立一联立方程组。解此方程组，就可得到被测物体上诸光点所表示的测点的位移大小和坐标值，文中还论述了度件图上测点位置的确定和修正方法，导出了被测物休图像负片上测点的实际坐标的计算公式，实验结果证明，本文提出的测量理论是正确的。     

Sc在L10-TiAl金属间化合物中占位的理论研究

基于密度泛函理论,运用第一原理赝势平面波方法,采用CASTEP量子力学能量软件包研究了Sc占据Ti位与Sc占据A l位的超胞晶格常数、原子形成热、超胞总态密度与电子密度差分图,两种情况对比下,在L10-TiA l合金中,Sc优先占据Ti位,这一结论为进一步研究三元系TiA l-Sc合金提供了理论研究的基础。     

最佳传力特性的偏置曲柄滑块机构解析法设计

本文根据偏置曲柄滑块机构的运动特性和传力特性所建立的函数关系,运用极值理论推导出给定条件下传力特性最佳的计算公式,大大方便了设计应用,值得推广。     

运动激波与气泡串相互作用的多介质数值模拟

通过对激波和流体界面相互作用而诱导的大变形界面演化的数值模拟,验证了Level set 方法精确模拟多个流体界面的有效性.采用间断有限元Galerkin方法求解欧拉方程得到流场解,采用5阶WENO格式求解Level set方程追踪多流体界面,界面附近的边界条件由虚拟流体方法处理.对运动激波和两个气泡相互作用过程进行了数值模拟,得到了不同时刻的压力和密度等值线分布,并分析了计算域中两个气泡同是氦气泡,以及一个是氦气泡,一个是R22气泡情况下的计算结果.计算结果表明:利用多界面Level set方程可高质量地捕捉多个流体界面,处理3种多介质流场数值模拟问题.     

高超声速飞行器自抗扰分数阶PID控制器设计(英文)

自抗扰控制器利用跟踪微分器可解决超调量及快速性之间的矛盾,分数阶PID控制器在提高控制品质的同时扩大了被控系统参数的稳定域。结合自抗扰技术及分数阶PID控制器设计了自抗扰分数阶PID控制器,并应用于高超声速飞行器再入姿态控制。仿真结果表明,自抗扰分数阶PID控制器对于高超声速飞行器非线性模型及强外干扰的影响下具有很好的控制效果,并且有较大的稳定域,即针对被控系统参数变化具有更强的鲁棒性。     

基于多GPU的大型线性和非线性方程组的求解(英文)

在处理工程问题时,常常需要对线性或非线性方程组进行求解。对于实际应用中经常遇到的大型方程组进行求解则需要相当长的时间。使用图形处理器(GPU)代替传统的CPU,将多块GPU通过操作系统进行协调,并将PBi-CGstab方法和Inexact Newton方法进行适合多GPU并行的改造以此作为多GPU求解器的核心算法,加速求解大型线性和非线性方程组。本文的多GPU求解器在成倍扩展了单GPU求解器允许的计算规模的同时取得了令人满意的加速比。