基于双渐进方法的水下爆炸气泡载荷作用下舰船的动态响应分析

通过建立一套有限元方法与双渐进方法(DAA)相结合的计算程序,研究水下爆炸气泡作用下舰船模型的动态响应。阐述了水下爆炸气泡与水面舰船结构之间的流固耦合理论分析。分别建立一个考虑气泡迁移,自由面效应和气泡阻力的气泡模型和一个水面舰船船体模型。研究了气泡作用下船模的总体响应和局部响应。得到不同位置的加速度,速度和位移时程曲线。详细讨论了水下爆炸气泡作用下船模总体响应和局部响应的特征与机理。

渐进方法在结构可靠性设计中的应用

本文介绍了用渐进方法在结构验算点附近进行逼近,并举例说明了该方法在结构 可靠性设计中的应用。

渐进方法结合蚁群算法求解多序列比对问题

在所有多重序列比对算法中,渐进比对方法由于简单的算法和高效的计算在生物信息学中得到了广泛的应用。但是渐进方法最大的缺点是在早期阶段形成的错误不能在后期的计算中纠正过来。针对这个问题,我们设计了ProAnt比对算法,即渐进方法和蚁群算法相结合来求解多重序列比对问题。首先,对输入的多个序列进行预处理,用蚁群算法和概率一致性更新计算出所有字符对在最终比对中出现的概率,称为“后验概率”,计算后验概率是为了预防早期错误的发生。然后我们将后验概率作为字符对之间的匹配得分,用渐进方法得到最终的比对结果。用BAliBASE数据库对算法进行测试,实验结果显示,该算法能够在保持合理的运算时间的前提下显著改善渐进比对方法的正确性。

循序渐进式教学方法在“Python程序设计”课程中的应用

针对Python课程教学过程中存在的课时不足、Python语言的学习难度分层递增等问题,文章提出教师可以通过举一反三、归纳梳理、知识迁移、融入应用、对比分析、项目实践的方法开展系统而有效的编程教学,采用逐级巩固的循序渐进式教学方法,引导学生逐步掌握Python的知识和技术要领。

基于中医临床科研一体化模式探讨分层渐进式教学方法在感染科人才培养的应用

目的基于中医临床科研一体化模式探讨分层渐进式教学方法在感染科人才培养中的应用价值。方法选择2019年6月—2021年9月在中国医科大学附属盛京医院感染科实习的84名学生作为研究对象,随机分为实验组与参考组,每组42名。参考组采取传统教学模式进行教学,实验组采取基于中医临床科研一体化模式的分层渐进式教学方法进行教学,观察2组学生的教学效果和满意情况。结果实验组的理论知识评分和临床技能评分均高于参考组,差异具有统计学意义(P<0.05);实验组学生对教学的满意度92.86%(39/42)高于参考组的83.33%(35/42),差异具有统计学意义(P<0.05)。结论基于中医临床科研一体化模式的分层渐进式教学方法在感染科人才培养中有较高的应用价值,不仅能够提高教学效果,还能获得学生较高的满意度。

基于k-近邻方法的渐进式中文文本分类技术

针对k-近邻方法分类准确率较高、但分类效率较低的特性,提出了一种基于k-近邻方法的渐进式中文文本分类技术,利用文本的标题、摘要、关键词、重点段落进行渐进式的分类处理.这样,不用分析全文就能将部分待分类文本成功分类,从而提高了文本分类的效率.实验结果表明,该方法在保证分类准确率的基础上能够有效地提高分类效率.

适用于支护拓扑优化的双向渐进优化方法

利用近年来发展的渐进结构优化方法(ESO)的概念,发展了适用于支护拓扑优化问题的双向渐进结构优化方法(BESO)。本文方法能在优化过程中控制开孔数,有效地避免了棋盘格式的出现,提出了两个解决振荡问题的技巧。将加固后的岩体看成人工支护材料,可以把加固优化的问题转化为人工支护材料在原岩中的分布的拓扑优化问题。建立了防治底臌帮臌的准则及其敏感度,研究了均匀地基不同地应力条件给定加固量时使得底臌帮臌最小的洞室开挖支护的最优拓扑。最优设计的底臌量明显小于经验设计的底臌量,证明了方法的有效性。

基于自适应参数的渐进结构优化方法

针对传统渐进结构优化方法中优化参数难以确定,且相关参数对优化结果影响较大的问题,提出了一种根据优化过程中结构信息来调节优化参数的自适应的参数计算方法,并以典型算例对比分析了采用该方法与传统渐进结构优化方法的优化结果。仿真结果表明:该方法很好地解决了传统渐进结构优化方法中参数难以选择的问题,提高了优化过程中数值计算的稳定性。

基于单元密度进化步长控制的双向渐进结构优化方法

在渐进结构优化方法中,单元密度的进化步长是获得全局最优解的关键因素之一。为了提高渐进结构优化方法的全局寻优能力,提出一种基于单元密度进化步长控制的双向渐进结构优化方法。该方法根据各单元对结构性能影响的权重系数,建立单元密度进化步长的控制模型以控制主/次要单元的删除速率和添加速率,减小灵敏度误差并抑制灰度单元的产生。在控制单元密度进化步长的基础上结合双向渐进结构优化方法中添加单元的特点,以避免由于误删单元导致优化失败。同时,采用灵敏度再分配技术抑制棋盘格式以获得更平滑的优化构形。最后,通过两个算例验证了本文方法能有效地通过控制单元密度进化步长提高全局寻优能力。

渐进均匀化方法在复合地基复合模量计算中的应用

复合模量是计算复合地基沉降的关键指标之一,目前主要采用面积加权公式计算,实践证明该方法的计算值与实测值有较大误差.渐进均匀化方法(AHM)是一种求解周期性复合材料等效弹性模量的方法.将渐近均匀化方法应用于复合地基的等效模量分析,得到的等效弹性模量与试验数据进行比较,验证了该方法计算复合模量的可行性.在此基础上,做了复合模量影响因素的正交试验分析,结论是影响复合模量的主要因素是置换率.

实现动态数据结构持久化的渐进式方法

包含递归关系的动态数据结构在软件开发中很常见，但是数据的动态性质给不同应用程序之间的数据共享带来困难。文章阐述了动态数据结构持久化的一种实现技术，利用数据存取局部性，根据程序运行时的实际需要以渐进方式完成持久化数据的恢复与转换。由于粒度选择适中且实现比较方便，这一技术具有一定实用价值。

一种变删除率的渐进结构优化方法

分析了渐进结构优化方法的优化过程.针对固定删除率所带来的问题,提出了一种提高数值稳定性改进方案:将每轮预删除单元的灵敏度值之和与所有单元灵敏度值之和的比值作为预估值,用预估值来确定删除单元数;然后通过对优化过程中目标函数值的变化量进行限制,以提高优化过程中的计算稳定性.典型算例的计算初步验证了本改进方法的有效性和可行性.

基于渐进均匀化方法的土工格室材料设计与应用

土工格室加筋层设计应考虑其各向异性的力学性能,利用试验方法测得所有各向异性常数较为困难。通过对土工格室加筋层代表体积单元进行多尺度分析和加筋路堤实体建模仿真,得到所需参数。计算结果表明:采用渐进均匀化方法能够计算三维土工格室加筋层的等效弹性常数,并推导出杨氏模量、泊松比和剪切模量;土工格室的铺设方式对加筋层水平方向的杨氏模量、泊松比和剪切模量有显著影响;加筋层水平方向的泊松比分量为负值,表明加筋层在该平面内有负泊松比特性;土工格室在路基中采用45°铺设方式比采用0°铺设方式可减少路基水平方向的变形值,但对竖向沉降几乎没有影响。

复杂产品碳足迹节点单元渐进式模块化方法研究

为了更好的优化复杂产品的碳足迹,在拆卸混合图的基础上,融合公理化设计思想,定义度量功能域、结构域、生命域、接触域及低碳域的节点单元模块化要素组合准则。首先分立各组合准则,描述节点单元结构矩阵和关联图,利用动态模糊聚类层次法获取相关性,初步划分该准则模块。再综合各准则模块,辨析复杂产品极大极小集合范围模块。在确定各准则组合权重后,模糊聚类计算各准则下模块间综合关联度,编制聚类网格抽象图,依照不同阈值确定复杂产品碳足迹节点单元模块。经理论及车床实例验证,相对现有方法,该渐进式模块化方法具有能有效关联外部拆分需求、计算量较小和精度效率高等优点。

一种基于主应力的双方向渐进结构拓扑优化方法

针对桥梁结构的受力特性及其材料的性能要求 ,在基于主应力优化准则的基础上 ,本文提出了一种双方向渐进结构拓扑优化算法 .该算法在充分考虑材料拉压特性的同时 ,具有删除和恢复单元的功能 ,并消除了解的振荡现象 .

渐进多尺度展开方法的精度和物理意义

多尺度渐进展开方法(MsAEM)是分析周期复合材料结构力学行为的代表性方法,可以通过加权残量等方法实现,作者曾针对MsAEM的精度和力学含义进行研究。本文对作者的工作进行了总结,进一步明确了一维周期结构的单元阶次、摄动阶次和精确解的关系,揭示了不同阶次虚拟载荷和影响函数的物理意义,从物理角度强调了二阶展开项是不可缺少的,并对未来工作进行了展望。

机翼结构拓扑优化的一种新渐进结构优化方法

基本ESO方法存在着删除准则单一,应用范围局限于简单结构的缺点,本文分析了其用于类似飞机机翼这种复杂结构拓扑优化设计中的不足之处,并进行针对性地改进,提出了一种新的删除准则,构成了一种新的渐进结构优化方法。算例表明,该方法适合于复杂机翼结构的拓扑优化问题,拓展了基本渐进结构优化方法的功能,有着很好的推广应用价值。

阶段式动态分组实验与互动渐进学习方法的研究与实践

科学客观的学生分组实验模式和学习方法是决定分组实验学习能否成功的关键因素之一,对于学生自主学习能力的培养具有重要意义。根据知识二分法与群体网络知识传播理论,结合软件工程专业理论与应用并存的特点,深入探索了适合软件工程专业本科生的分组实验学习策略和实施方法,提出了基于阶段式动态分组的实验方法。根据课程知识由浅入深的特点,将学习和实验任务归类并划分为理论型和应用型两类,进而针对不同类型任务对学生进行动态分组并配合互动渐进学习方法,以任务带动学习实现知识的循序渐进。实践表明,该方法有助于提高软件工程专业本科生的学习效率、创新与沟通能力,对达到培养目标具有积极的推动作用。

基于改进遗传算法的双向渐进结构优化方法研究

本文提出了一种基于改进遗传算法的软删除双向渐进结构优化法(G-BESO),以解决传统双向渐进结构优化法(BESO)中参数(如进化率)设置不当而导致无法获得最优拓扑构型的问题。首先确定单元权重系数与单元密度的递推关系式,形成一种考虑单元密度历史信息的材料插值模型,从而增强恢复误删高效单元的能力。然后引入遗传算法中的交叉和变异操作,启发式地更新结构状态以提高全局寻优能力。最后将该方法编写成可用于实际工程结构优化设计的程序。算例表明,提出的方法能稳定得到最优拓扑形状且计算效率更高,可为工程结构的拓扑优化设计提供一定参考。