非连续变形正分析中的块体相互侵入问题研究

依据非连续变形正分析方法的基本理论 ,提出了一种考虑多块体运动系统中特定块体边界允许适量侵入的方法———子矩阵调整法 ,并给出了相应的调整公式。以青藏块体东北缘及其周围地区为例 ,考虑特定块体边界不同程度的侵入 ,模拟得到 :(1)考虑侵入后 ,的确使模拟的结果得到明显改善 ;(2 )用子矩阵调整法考虑特定块体边界适度侵入是切实可行的。

可分型指数矩阵的快速精细积分法

针对可分型矩阵的特性,结合2N类算法为可分型指数矩阵的计算提出一种快速精细积分法.核心思想是:利用可分型矩阵中的子矩阵进行分块计算;增加Taylor展开式的保留项数,减少迭代次数.一方面,程序实现简便,另一方面,数值算例表明:对矩阵维数很大的可分型指数矩阵计算来说,本文的快速精细积分法减少了计算量和存储量,大大地提高了计算效率.

Hermite矩阵特征值问题的2阶主子阵实数化法

本文提出一种求解复Ｈｅｒｍｉｔｅ矩阵全部特征值问题的Ｊａｃｏｂｉ型方法，称之为２阶主子阵实数化方法。其主要想法是在每个迭代步中，将矩阵的一个２阶主子阵用酉对角阵相似变换成实对称２阶阵。然后用实Ｊａｃｏｂｉ旋转将其对角化。这一方法比作者在文［１］中的虚部转移法收敛更快，从而大大减少了计算量，此新算法同样具备Ｊａｃｏｂｉ型方法固有的高度并行性。

基于机构位移模态子矩阵法的铰接杆系机构奇异与运动分岔分析

提出通过追踪机构位移模态子矩阵行满秩与否来判断机构运动分岔点的新方法——机构位移模态子矩阵法.该方法将铰接杆系机构的自由节点分为驱动节点和从动节点,对应描述机构构型的变量分别为控制变量和状态变量.建立铰接杆系机构平衡矩阵,由奇异值分解得到整体机构位移模态,定义驱动节点对应的机构位移模态矩阵和从动节点对应的机构位移模态矩阵为机构位移模态子矩阵,当机构位移模态子矩阵出现非行满秩现象时,驱动节点或从动节点获得自由度,机构运动发生奇异.通过单自由度和两自由度机构算例分析证明了此方法的正确性与有效性.

对称系数线性方程组的简化解法

本文用数学归纳法证明了具有对称系数的线性方程组用高斯消去法求解,每次消元所得之降阶子矩阵仍为对称矩阵,由此引出了一条重要推论:消元过程只需在上三角阵内进行。从而大大减少计算工作量,节省了内存。

指派问题匈牙利方法的改进

求指派问题最优解的匈牙利方法存在所谓“选择原则困难”。即：当效益矩阵的每一个行列都存在不止一个“零”时，选取哪一个“零”才能保证找到最优解呢？为此引入“Ｃ参数选择原则”，解决了这一困难。

一种基于响应信息的整体叶盘结构失谐识别方法

以谐调叶盘有限元模型解析模态和真实失谐结构的稳态响应作为基础信息,提出一种整体叶盘结构失谐识别方法。该方法基于公称模态子集(SNM)降阶技术,降低了识别过程的计算花费以及对基础信息量的要求;采用子矩阵型技术使得失谐参数定义更加自由,并使得该方法具有模型修正的功能;直接利用实测的稳态响应数据作为输入参数,并且不需要施加在结构上的外力信息,提高了基础数据可靠性并有效降低了实际测量的难度。最后以一个整体叶盘结构的仿真分析证明了该方法的有效性。

一种基于模态减缩技术的整体叶盘结构失谐识别方法

以谐调叶盘有限元模型解析模态和真实失谐结构的测量模态作为基础信息,提出一种整体叶盘结构失谐识别方法.该方法基于经典模态减缩方法(SNM)降阶技术,降低了识别过程的计算花费以及对基础信息的要求;采用子矩阵型技术使得失谐参数定义更加的自由,并使得该方法具有模型修正的功能;利用最可能向量技术处理实验测量模态振型,可有效的限制测量噪声、非线性等因素对识别过程的影响.最后以一个真实叶盘结构的仿真分析证明了该方法的有效性.

Riccati方程子矩阵约束对称解的非精确Newton-MCG算法

采用修正共轭梯度法(MCG算法)求由Newton算法每一步迭代计算导出的线性矩阵方程的近似子矩阵约束(SMC)对称解或者近似SMC对称最小二乘解,建立求离散时间代数Riccati矩阵方程SMC对称解的非精确Newton-MCG算法.该算法仅要求Riccati矩阵方程有SMC对称解,不要求它的SMC对称解唯一,也不要求导出的线性矩阵方程有相应的SMC对称解.数值算例表明,非精确Newton-MCG算法是有效的.

单变量矩阵方程子矩阵约束下牛顿-MCG算法

子矩阵约束问题源于实际应用中的子系统扩张问题,文中研究了子矩阵约束下二次矩阵方程对称解的迭代算法,先用牛顿算法把二次矩阵方程转化为关于校正矩阵的线性矩阵方程,再用修正共轭梯度算法(MCG算法)求解导出线性矩阵方程对称解或最小二乘解,建立了求单变量二次矩阵方程子矩阵约束下对称解牛顿-MCG算法.数值算例表明,该牛顿-MCG是有效的,能在有限步迭代得到方程的子矩阵约束解.

指派问题匈牙利方法的完善

求指派问题最优解的匈牙利方法存在所谓“选择原则困难”。即当效益矩阵的每一个行列都存在不止一个“零”时，选取哪一个“零”才能保证找到最优解呢？本文引入“Ｃ参数选择原则”，解决了这一困难，从而完善了匈牙利方法。