【摘 要】
：
本文提出了一种用于弹性结构柔度优化的两网格水平集方法和用于结构特征值优化的两网格二值水平集方法.针对柔度优化问题,我们用粗细两套网格分别来求解状态方程和梯度流方程.针对特征值优化问题,我们用一种高效的两网格有限元方法求解非线性特征值问题.二值水平集方法不需要重新初始化就可以实现拓扑结构和形状的改变.本文给出的数值算例验证了算法的有效性.
论文部分内容阅读
本文提出了一种用于弹性结构柔度优化的两网格水平集方法和用于结构特征值优化的两网格二值水平集方法.针对柔度优化问题,我们用粗细两套网格分别来求解状态方程和梯度流方程.针对特征值优化问题,我们用一种高效的两网格有限元方法求解非线性特征值问题.二值水平集方法不需要重新初始化就可以实现拓扑结构和形状的改变.本文给出的数值算例验证了算法的有效性.
其他文献
近年来,对太阳能的开发利用一直是国内外研究的热点,这与当下全球面临的能源短缺和环境污染问题是密不可分的。太阳能可谓是既清洁环保,又取之不尽用之不竭,因此是开发利用新型能源的首选。太阳能电池是利用光电效应直接将太阳能转换成电能装置,随着当今社会对电力的大量需求,也得到了飞快的发展。不仅太阳能电池的种类越来越多样,而且电池的光电转换效率也越来越高,尤其是新型的钙钛矿太阳能电池,仅仅用了近十年的时间就已
相比于硅基分子筛,硅磷铝分子筛是一种新颖的分子筛材料,这种材料引起了广泛的关注和研究,在很多催化方面都表现出良好的性能。本文主要包括三部分内容,整体围绕硅磷铝分子筛的合成和催化性能进行研究,尤其是硅磷铝分子筛的合成路线。第一部分本文提出一种新的分子筛合成路线,根据已知反应的中间体设计模板剂逆向合成适合该反应的分子筛材料。本文通过设计得到三种与烃池机中间体结构类似的有机物,并将其作为模板剂,在硅磷铝
由氮磷等营养盐引起的水体富营养化和由抗生素等有机物引起的水环境污染问题,不仅会破坏生态环境,也会给人类健康带来潜在的安全隐患。因此,选择合适的表征因子评估水体富营养化状态,采用高效的处理工艺降解处理抗生素等新兴污染物,对于水环境的监测与治理具有重要意义。无限配位聚合物（ICPs）具有组分可调、自适应性强等特点,本论文通过选择合适的客体分子、中心金属及有机配体,制备了具有不同性质的无限配位聚合物,并
随着计算机算力的快速提升以及大量数据的驱动,以神经网络为代表的深度学习（Deep Learning,DL）技术在许多领域取得了长足的进步。因此,神经网络也越来越多的被应用于自动驾驶等安全相关领域,而如何确保这样的系统的安全性也成为人们越来越关注的方向。与此同时,在对神经网络的研究中人们发现,神经网络容易受到一些人为精心设计的样本的欺骗。这些样本与原始的输入样本仅有很微小的差别,人类几乎无法分辨,但
同调代数里的比较引理是说,一个模的两个投射分解是同伦等价的;它们之间的同伦等价称为比较映射.然而,在实际的计算中,我们需要行之有效的方法来计算这样的比较映射.本论文利用弱自同伦的方法来构造比较映射.我们首先对于自由模分解给出了通过弱自同伦递归地计算比较链映射的方法.接着,我们将此方法推广到了投射双模分解的情形.最后我们将此方法应用到单项式代数上去;我们利用Sk（?）l-berg给出的Bardzel
图G的路分解是将图G分解为边不交的路.1966年,Gallai提出了著名的Gallai猜想:一个连通图G的最小路分解数至多为「n/2」,其中n为图G的顶点数.该猜想对一些特殊图类已证明是成立的,其中包括:至多有一个偶点的图（Lov（?）sz,1968）,偶点的诱导子图为森林的图（Pyber,1996）,偶点的诱导子图为α-图的图（范更华,2005）,最大度为5的图（Bonamy和Perrett,2
羰化酰胺化反应通常是指在过渡金属配合物催化作用下,卤代烃或不饱和烃与CO、有机胺反应,构建酰胺键的过程。对于羰化酰胺化反应,在不同的反应条件下,既可以发生单羰化反应,生成酰胺,又可选择性的发生双羰化反应,生成α-酮酰胺;另外,由于N-亲核试剂的种类丰富,不仅有脂肪（芳香）胺,还有酰肼、肼、酰胺、脲等,因此通过羰化酰胺化反应也可获得具有高附加值的含酰胺键的有机分子,如双酰肼、酰肼、酰亚胺、N-酰基脲
随着航电软件在航电系统中的重要性的不断提高,设计和建立支持精确高效的航电软件需求形式化建模及其验证方法成为了当前提升航电系统安全性和开发效率的关键,也是满足适航标准形式化开发要求的必要保证。基于图形描述的建模语言Sys ML/MARTE是基于模型的软件工程（Model Based Software Engineering,MBSE）实践中采用的主流建模语言,常被应用于安全关键软件需求的规约。与自然
一直以来,医疗图像分割都是辅助医生进行临床决策,提高诊断效率的重要步骤之一。尤其是对于肿瘤等病灶的精准分割,能够为医生在临床诊断和术中切除时提供重要参考。然而在实际的临床应用中,医生需要对图像进行逐像素地标注,从而形成最终的分割结果。对这些医疗图像进行手动分割不仅需要具备专业知识的医生,同时也需要耗费大量时间（尤其是3D医疗图像的标注）。随着深度学习和卷积神经网络的不断发展,通过对大规模标注数据的
图像着色任务是计算机视觉中的经典任务,其主要目标是为灰色图像添加合理的彩色信息,使其在感知上有意义。该任务在绘画创作,黑白电影渲染,3D建模等领域有很大的应用前景和使用价值。图像着色任务固有的多态性决定了一种灰色图像有多种潜在的着色结果,因此利用额外的参考图像来获取兼具语义信息和彩色信息的着色结果有重要的实际意义。现有的基于参考图像的着色方法存在对参考图像敏感,对时间、计算资源的消耗大,缺乏可训练