-
题名功能梯度压电材料板的有限元解
被引量:8
- 1
-
-
作者
朱昊文
李尧臣
杨昌锦
-
机构
同济大学航空航天与力学学院
-
出处
《力学季刊》
CSCD
北大核心
2005年第4期567-571,共5页
-
基金
国家自然科学基金重点项目资助(10432030)
-
文摘
本文利用变分原理和功能梯度压电材料的本构关系、几何关系、板的边界条件等,推导出功能梯度板的有限元方程。其中考虑了横向剪切变形的影响,采用了板变形问题的Mindlin假设,板内电势设为ψ=ψ0(x,y)+ ψ1(x,y)z+ψ2(x,y)z2+ψ1(x,y)g(z),并假设材料的力学和电学常数均沿板厚度z方向按同一函数规律K =K0f(z)变化,其中f(z)为任意的函数形式。为了验证本文方法的正确性,以功能梯度压电材料正方形板为例,使板所受的机械荷载和电荷载以及函数f(z)的形式与参考文献中所给出的相同,利用本文中提出有限元法计算了功能梯度板的电势和位移,所得结果与参考文献中的几乎一致。最后用此法计算四边简支.接地,线性梯度的PZT-4正方形板受均布荷载作用下的挠度和电势分布。
-
关键词
功能梯度压电材料
正方形板
有限元方程
变分原理
-
Keywords
functionally graded piezoelectric material
square plate
finite element equation
variational principle
-
分类号
O343
[理学—固体力学]
-
-
题名铁电薄膜在红外辐射作用下的动力响应
- 2
-
-
作者
李尧臣
杨昌锦
朱昊文
孙璟兰
孟祥建
-
机构
同济大学航空航天与力学学院
中国科学院上海技术物理研究所红外物理国家重点实验室
-
出处
《力学季刊》
CSCD
北大核心
2006年第2期196-205,共10页
-
基金
国家自然科学基金资助的课题(10272081)
-
文摘
本文研究了红外探测器中红外焦平面列阵的象元———铁电薄膜微桥在红外辐射作用下的输出信号。用层合板壳作为微桥结构的力学模型,中间一层为压电材料,上下两层为金属材料电极。采用了力-电-热耦合的控制方程和变分原理,考虑了铁电薄膜的惯性力,推导出了基于Mindlin假设的压电材料层合板有限元公式。以红外探测器在夜间从飞机上探测地面的坦克为例,用有限单元法模拟了铁电薄膜微桥在红外辐射作用下的力、热、电输出信号,并对结果作了分析比较。
-
关键词
铁电薄膜
微桥结构
层合板
红外辐射
有限元
-
Keywords
ferroelectric thin film
micro-bolometer pixel structure
composite laminate plate
infrared radiation
finite element method
-
分类号
O343.1
[理学—固体力学]
-
-
题名铁电薄膜在红外辐射作用下响应的解析解
- 3
-
-
作者
李尧臣
朱昊文
杨昌锦
-
机构
同济大学航空航天与力学学院固体力学教育部重点实验室
-
出处
《力学季刊》
CSCD
北大核心
2006年第3期413-420,共8页
-
基金
国家自然科学基金项目(10272081)
-
文摘
本文研究了红外探测器中红外焦平面列阵的象元———铁电薄膜微桥在红外辐射作用下的输出信号。采用层合板作为力学模型,将铁电薄膜微桥结构简化为一块边长为微米量级、厚度为亚微米量级的夹层板,中间是铁电薄膜,上下表面为金属薄膜,上表面为金黑,下表面为铂(白金),上下表面都是电极。微桥的上表面接收周期为1/30秒的辐射方波脉冲信号。由于微桥十分微小,可以认为红外辐射在板面上均匀分布,又由于板的平面尺寸与厚度之比相当大,因此可以认为热传导只在板厚的方向进行,问题变为一维的。采用适当的力-电-热耦合的控制方程,利用级数解,算出铁电薄膜微桥在红外辐射作用下的力学响应和薄膜内的力、热、电输出信号,并对结果作了分析比较。
-
关键词
铁电薄膜
微桥结构
层合板
红外辐射
耦合控制方程
级数
-
Keywords
ferroelectric thin film
microbolometer pixel structure
composite laminate plate
infrared radiation
coupled governing equations
series
-
分类号
O346.1
[理学—固体力学]
-
-
题名面向分布式机器学习的网络模态创新
被引量:3
- 4
-
-
作者
郭泽华
朱昊文
徐同文
-
机构
北京理工大学自动化学院
延安大学物理与电子信息学院
-
出处
《电信科学》
2023年第6期44-51,共8页
-
基金
国家自然科学基金资助项目(No.62002019)
CCF-之江实验室联合创新基金(No.K2022QA0AB02)
嵩山实验室预研项目(No.YYJC022022009)。
-
文摘
分布式机器学习作为人工智能的主流计算架构,目前仍然存在数据性能传输不高、模型训练速度慢等缺陷,传统的网络模态无法满足分布式机器学习场景的通信语义,继而无法解决这些缺陷以进一步提升模型训练性能。采用多模态网络技术,基于应用特点设计了面向分布式机器学习场景的新型网络模态及其运行逻辑,为多模态网络技术在垂直行业的应用提供了借鉴意义。
-
关键词
多模态网络
分布式机器学习
模型训练
人工智能
-
Keywords
multimodal network
distributed machine learning
model training
artificial intelligence
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-