首页期刊导航|力学学报
期刊信息/Journal information
力学学报
力学学报

郑泉水

双月刊

0459-1879

lxxb@cstam.org.cn

010-62536271

100190

北京市北四环西路15号2号楼 324 房间

力学学报/Journal Chinese Journal of Theoretical and Applied MechanicsCSCD北大核心CSTPCDEI
查看更多>>《力学学报》由首任主编钱学森等创刊1957年，由中国科学院主管、中国力学学会和中国科学院力学研究所主办。《力学学报》是力学学科的综合性学术刊物，报道在理论和应用力学所有领域里，在理论、方法和实验方面的研究进展。期刊鼓励发表与力学相关的交叉学科的研究成果，力求成为力学与其他工程和科学分支的桥梁，成为有助于中国力学年青学子成长和推动与中国重大工程建设合作的平台。从2012 年开始，学报将提供四个栏目： 1 、特邀论文，2 、全文，3 、快报，4 、对近期在本刊发表论文的讨论。对栏目 1和2的论文从收稿到发表的平均周期，将力争控制在6个月以内；对栏目3和4，则为3个月以内。尽管期刊是逢单月正式发表，论文稿一旦接受发表，将在24小时内网上登出。本刊论文对中国力学学会的所有会员（超过2万人）开放下载
正式出版
收录年代

    广义概率密度演化方程的Chebyshev拟谱法

    徐亚洲田锐
    2415-2422页
    查看更多>>摘要：概率密度演化方法(probability density evolution equation,PDEM)为非线性随机结构的动力响应分析提供了新的途径.通过PDEM获得结构响应概率密度函数(probability density function,PDF)的关键步骤是求解广义概率密度演化方程(generalized probability density evolution equation,GDEE).对于GDEE的求解通常采用有限差分法,然而,由于GDEE是初始条件间断的变系数一阶双曲偏微分方程,通过有限差分法求解GDEE可能会面临网格敏感性问题、数值色散和数值耗散现象.文章从全局逼近的角度出发,基于Chebyshev拟谱法为GDEE构造了全局插值格式,解决了数值色散、数值耗散以及网格敏感性问题.考虑GDEE的系数在每个时间步长均为常数,推导了GDEE在每一个时间步长内时域上的序列矩阵指数解.由于序列矩阵指数解形式上是解析的,从而很好地克服了数值稳定性问题.两个数值算例表明,通过Chebyshev拟谱法结合时域的序列矩阵指数解求解GDEE得到的结果与精确解以及Monte Carlo模拟的结果非常吻合,且数值耗散和数值色散现象几乎可以忽略.此外,拟谱法具有高效的收敛性且序列矩阵指数解不受CFL(Courant-Friedrichs-Lewy)条件的限制,因此该方法具有良好的数值稳定性和计算效率.

    概率密度演化方法广义概率密度演化方程拟谱方法蒙特卡洛模拟

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    高速动车组一系垂向半主动悬挂研究

    曹洪勇付彬王旭刘彬彬...
    2423-2435页
    查看更多>>摘要：轻量化是轨道交通车辆发展的重要方向,可降低车辆能耗和运营维护成本.然而车体轻量化改变了车体弹性模态频率,增大了车体结构振动,造成车辆垂向舒适性恶化.提出了一系垂向半主动悬挂策略,即采用可变阻尼减振器替换原有一系垂向减振器,通过对减振器阻尼特性进行实时控制,改善车体刚性和一阶弯曲模态振动.分析了车体刚性和弹性振动与构架振动的耦合关系,在此基础上对一系半主动悬挂的工作原理进行阐述.改进了经典的车辆垂向动力学模型,通过模型计算验证了车体和构架的多种耦合振动关系.对磁流变阻尼减振器的动态特性开展试验测试,建立了该减振器的动力学模型,实现对磁流变阻尼减振器非线性特性的准确预测.以国内某高速列车为原型,建立了完整的车辆动力学模型,并结合磁流变阻尼减振器动力学模型,对一系半主动悬挂的控制策略和应用效果展开研究,得到了两种易于工程应用的控制方法.结果表明一系半主动悬挂对车辆垂向振动,尤其是车体一阶弯曲振动具有显著的控制效果,可改善车辆垂向舒适性指标约30%.

    一系半主动垂向舒适性车体一阶弯曲磁流变阻尼

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    特征信号图像测速法在超声速多组分等离子体射流中的应用

    张奇志张晖曹进文黄河激...
    2436-2447页
    查看更多>>摘要：高速稀薄等离子体流场在航空航天领域有重要的应用.等离子体射流不同于常规的气体或液体的流动,其内部的电离状态、丰富的反应活性、多样的特征尺度、热平衡与非平衡共存等特点导致传统测速方法难以应用.特征信号图像测速法(SSIV)通过将羽流光强波动作为示踪信号来测量流体速度,从而拥有更好的流体跟随性和测量精度.利用低气压(约为 100 Pa)直流电弧等离子体实验平台,文章基于特征信号图像测速方法,通过跟踪发生器输入功率周期变化引起的光强波动来测量纯氩以及氩-氦多组分两种工况下的羽流轴向平均速度分布.将中心波长为 696.5 nm的窄带滤光片安装到光学镜头上,进一步获取两种工况下氩原子(Ar I)单一谱线所对应的射流速度.结果分析表明,相同工况(电功率、气体质量流量及背景气压)下,氩-氦多组分等离子体的射流平均速度显著高于纯氩等离子体射流的平均速度.并且在氩-氦多组分等离子体的射流中,基于整体光强波动得到的射流速度要明显高于基于ArI特征谱线获得的速度,表明SSIV方法不仅能够测量可压缩等离子体射流的平均速度,还具有分辨不同组分速度场的能力.研究结果展示了特征信号图像测速方法在复杂流场测量中的适用性和优势.

    特征信号等离子体射流轴向速度直流电弧氩氦多组分气体

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    翼身融合布局飞机分布式推进边界层吸入效应影响研究

    邱奥祥桑为民张桐安博...
    2448-2467页
    查看更多>>摘要：翼身融合布局是指机翼和机身高度融合的全升力面飞机外形,在提升巡航效率和减排降噪等方面展现出明显的性能优势和发展潜力.采用雷诺平均Navier-Stokes方法结合基于叶素理论的体积力模型,针对翼身融合布局民机分布式推进边界层吸入(BLI)效应影响下的绕流流场进行了数值研究.首先,将翼身融合布局民机分布式BLI推进构型简化为涵道风扇-机翼段耦合构型,计算涵道风扇质量流率小于 1、等于 1 以及大于 1 的3 个工况,对比分析了滑移网格方法、冻结转子方法和基于叶素理论的体积力模型法的流场细节、计算精度以及计算效率.其次,建立分布式BLI推进-机翼耦合构型,对此构型不同转速下的绕流流场进行对比分析,探究并验证所建立的分布式BLI推进系统抑制分离的能力.最后,将分布式BLI推进安装于翼身融合布局飞机概念方案NPU-BWB-300 机翼与机身的融合段,探究其对NPU-BWB-300 绕流流场的影响.研究结果表明:滑移网格方法、冻结转子方法和基于叶素理论的体积力模型方法均可以较好地刻画涵道风扇边界层吸入效应的流场细节;所建立的分布式BLI推进系统具备抑制分离的能力,将其应用于NPU-BWB-300 也可以取得较为明显地改善分离流场的效果.

    翼身融合布局分布式推进涵道风扇边界层吸入效应体积力模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    节点拓扑变量非耦合映射的ICM方法

    彭细荣隋允康郑勇刚
    2468-2481页
    查看更多>>摘要：文章提出了节点拓扑变量一种非耦合映射的ICM方法,对于结构拓扑优化问题予以建模和求解:首先将基结构划分为由较小单元组成的网格,取节点独立、连续的拓扑变量,建立了一种双线性形函数插值的变量非耦合映射,替代了单元独立连续拓扑变量,使单元的"有"或"无"连续化近似,实现了节点拓扑变量过滤识别与物理量的单元内插值,推导建立了节点拓扑设计变量的优化模型,采用基于变量可分离的二阶对偶规划算法求解,并且改进了最优拓扑构型的圆整技术.接着以常见的位移约束下结构重量(或体积)极小拓扑优化问题为例,演示了上述建模及求解过程.最后分别给出了单载荷工况和多载荷工况下的位移约束拓扑优化的算例,数值计算结果验证了本方法的有效性.研究有如下优点:克服了以往基于单元拓扑变量研究的缺陷,即最优结构边界为锯齿形,得到的最优结构的拓扑边界光滑清晰;给出了节点拓扑变量和单元拓扑函数场定义,提炼出构造该场必须遵循的 5 点准则,克服了节点拓扑ICM方法有关研究中存在的不足;得到节点设计变量不再是耦合关系,可以方便地求出结构物理量的二阶导数,从而利用变量可分离对偶优化算法进行高效的寻优;研究成果不仅丰富了ICM方法的内涵,推动了其发展,而且对变密度的节点拓扑方法也有参考的裨益.

    结构拓扑优化ICM方法变量非耦合节点拓扑变量

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Runge-Kutta的自回归物理信息神经网络求解偏微分方程

    韦昌樊昱晨周永清张超群...
    2482-2493页
    查看更多>>摘要：物理信息神经网络离散时间模型(PINN-RK)是深度学习技术与龙格库塔方法相结合的产物,在求解偏微分方程时具有非常出色的稳定性和较高的求解精度.但是,受到龙格库塔算法本身的限制,PINN-RK模型仅能实现单步时间预测,且计算效率较低.因此,为了实现多时间步长预测和提高模型的计算效率,提出了一种基于龙格库塔法的自回归物理信息神经网络模型(SR-PINN-RK).该模型基于自回归时间步进机制,改进了神经网络的训练流程和网络结构,相比PINN-RK模型,大幅减少了神经网络的训练参数,提高了模型的计算效率.此外,在自回归机制的作用下,该模型通过对标签数据的动态更新,成功实现了对偏微分方程解的多时间步长预测.为了验证文中模型的求解精度和计算效率,分别求解了Allen-Cahn方程和Burgers方程,并与文献中的基准解进行了对比.结果表明,模型预测解与基准解之间具有很高的一致性,求解Allen-Cahn方程和Burgers方程的最大相对误差均低于0.009.

    物理信息神经网络自回归时间步进机制偏微分方程Allen-Cahn方程Burgers方程

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    征稿简则

    《力学学报》编辑委员会
    封4页
      原文链接:
    • NETL
    • NSTL
    • 万方数据