期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
一种不可压缩理想磁流体的解耦保结构算法
1
作者 向鹏宇 张仪 +1 位作者 蒋子超 姚清河 《力学学报》 北大核心 2025年第6期1372-1381,共10页
不可压缩理想磁流体动力学(MHD)方程组描述了流体速度场、磁场以及电场之间的紧密耦合,是研究高温等离子体、天体物理以及核聚变等复杂物理过程的基本模型.然而,由于其多物理场强耦合及非线性特性,求解该系统在数值方法设计上面临巨大挑... 不可压缩理想磁流体动力学(MHD)方程组描述了流体速度场、磁场以及电场之间的紧密耦合,是研究高温等离子体、天体物理以及核聚变等复杂物理过程的基本模型.然而,由于其多物理场强耦合及非线性特性,求解该系统在数值方法设计上面临巨大挑战.特别是传统数值方法在离散层面难以严格保持系统所固有的本征性质,如质量守恒、电荷守恒等,进而影响模拟的长期稳定性与物理可信度.为此,提出了一种高阶的、保结构的不可压缩理想MHD混合有限元离散格式.该方法引入涡量演化方程,构建了速度-涡量-磁场演化形式的控制方程;在时间离散上采用隐式中点法,并构造时间交错网格,同时对耦合项进行了适当的显-隐处理,实现了整个系统的完全解耦,避免了由非线性项导致的迭代求解过程.在三维收敛性测试中,该方法展现出最优阶收敛阶;在经典二维Orszag-Tang涡旋问题中,速度场的无散性可精确控制在机器精度(仅含舍入误差),验证了该格式在保持物理结构和捕捉复杂演化过程中的稳定性与准确性. 展开更多
关键词 磁流体动力学方程 解耦格式 混合有限元方法 质量守恒 保结构离散
在线阅读 下载PDF
基于时域响应灵敏度分析的非线性系统参数识别 被引量:9
2
作者 刘广 刘济科 吕中荣 《振动与冲击》 EI CSCD 北大核心 2018年第21期213-219,共7页
基于响应灵敏度分析的有限元模型修正法已广泛应用于线性结构系统的局部损伤和裂纹参数等的识别。尝试将该方法推广应用到非线性系统的参数识别中。从非线性系统运动方程出发,通过数值积分得到系统的强迫振动响应,对系统的物理参数求导... 基于响应灵敏度分析的有限元模型修正法已广泛应用于线性结构系统的局部损伤和裂纹参数等的识别。尝试将该方法推广应用到非线性系统的参数识别中。从非线性系统运动方程出发,通过数值积分得到系统的强迫振动响应,对系统的物理参数求导得到时域响应对参数的灵敏度,从而构造相应的响应灵敏度矩阵用于参数识别反问题。以Holmes-Duffing非线性系统和物理工程中有着广泛应用的双重sine Gordon非线性系统的参数识别为例,说明方法的应用过程。算例研究了不同的初始参数和测量噪声对识别结果的影响,结果表明响应灵敏度法能准确快速识别非线性系统的参数,并且具有对测量噪声不敏感的优点。 展开更多
关键词 参数识别 非线性系统 应灵敏度分析 Holmes-Duffing系统 双重sine Gordon系统
在线阅读 下载PDF
基于增强响应灵敏度法的分数阶系统参数识别
3
作者 刘广 刘济科 吕中荣 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第4期65-72,94,共9页
与整数阶微分算子相比,分数阶算子可以更加准确地描述系统的某些特性,如遗传和记忆功能。为了更加准确和高效地求解分数阶系统,文中首先提出了一种基于Adams离散和Newmark-β法的数值方法来获得系统的响应。对于分数阶系统的参数识别反... 与整数阶微分算子相比,分数阶算子可以更加准确地描述系统的某些特性,如遗传和记忆功能。为了更加准确和高效地求解分数阶系统,文中首先提出了一种基于Adams离散和Newmark-β法的数值方法来获得系统的响应。对于分数阶系统的参数识别反问题,将其归结为一类非线性的优化问题,然后采用增强响应灵敏度法对识别方程进行求解。算例表明,文中提出的正问题计算格式可以快速、准确地得到系统的响应,增强响应灵敏度法能准确识别出系统的参数,并且对模拟的测量噪声不敏感。 展开更多
关键词 分数阶微分系统 Adams离散 NEWMARK-Β法 响应灵敏度分析 参数识别
在线阅读 下载PDF
基于神经网络的差分方程快速求解方法 被引量:9
4
作者 蒋子超 江俊扬 +1 位作者 姚清河 杨耿超 《力学学报》 EI CAS CSCD 北大核心 2021年第7期1912-1921,共10页
近年来,人工神经网络(artificial neural networks,ANN),尤其是深度神经网络(deep neural networks,DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法.在偏微分方程数值求解... 近年来,人工神经网络(artificial neural networks,ANN),尤其是深度神经网络(deep neural networks,DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法.在偏微分方程数值求解中,大规模线性方程组的求解通常是耗时最长的步骤之一,因此,采用神经网络方法求解线性方程组成为了一种值得期待的新思路.但是,深度神经网络的直接预测仍在数值精度方面仍有明显的不足,成为其在数值计算领域广泛应用的瓶颈之一.为打破这一限制,本文提出了一种结合残差网络结构与校正迭代方法的求解算法.其中,残差网络结构解决了深度网络模型的网络退化与梯度消失等问题,将网络的损失降低至经典网络模型的1/5000;修正迭代的方法采用同一网络模型对预测解的反复校正,将预测解的残差下降至迭代前的10^(-5)倍.为验证该方法的有效性与通用性,本文将该方法与有限差分法结合,对热传导方程与伯格方程进行了求解.数值结果表明,本文所提出的算法对于规模大于1000的方程组具有10倍以上的加速效果,且数值误差低于二阶差分格式的离散误差. 展开更多
关键词 深度神经网络 线性方程 残差网络 校正迭代
在线阅读 下载PDF
基于BMO算法的梁冲击荷载识别 被引量:2
5
作者 谭栋 汪利 吕中荣 《中山大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第1期74-82,共9页
采用新兴群智能优化算法(bird mating optimizer,BMO),对作用于梁上的三角冲击荷载参数进行识别。建立梁的动力学方程,并用有限元法进行离散,获得其受冲击荷载时所产生的动态响应。然后,将参数识别反问题转化为一个优化问题,基于响应的... 采用新兴群智能优化算法(bird mating optimizer,BMO),对作用于梁上的三角冲击荷载参数进行识别。建立梁的动力学方程,并用有限元法进行离散,获得其受冲击荷载时所产生的动态响应。然后,将参数识别反问题转化为一个优化问题,基于响应的计算值与相应的测量值误差的最小二乘构造目标函数。通过BMO算法对目标函数进行寻优求解,获得冲击荷载的位置、大小和作用时间几个参数。研究表明:在噪声条件下提出的方法也能成功识别作用于梁上各位置的三角冲击荷载,且BMO优于其他传统元启发式算法,具有一定的工程应用前景。 展开更多
关键词 冲击荷载 有限元模型 BMO算法 时域响应
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部