摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第1章 绪论 | 第11-21页 |
·选题背景及意义 | 第11-13页 |
·国内外研究现状 | 第13-18页 |
·本文研究内容 | 第18-21页 |
第2章 组合近似重分析算法概述 | 第21-41页 |
·静力重分析的CA算法 | 第21-24页 |
·系数矩阵降阶 | 第21-22页 |
·基向量的计算 | 第22-24页 |
·模态重分析的CA算法 | 第24-27页 |
·问题描述 | 第24-25页 |
·基向量的选取 | 第25-27页 |
·结构修改量对基向量个数的影响 | 第27-32页 |
·CA算法与PCG算法在Krylov子空间上的等价性 | 第32-41页 |
·PCG算法概述 | 第33-37页 |
·CA算法的Krylov子空间 | 第37-41页 |
第3章 自适应组合近似重分析算法 | 第41-59页 |
·K条件数及其性质 | 第41-47页 |
·K条件数简介 | 第41-43页 |
·K条件数与谱范数的关系 | 第43-47页 |
·利用K条件数估计PCG算法的迭代次数 | 第47-52页 |
·根据结构修改量自动调整基向量个数的CA算法 | 第52-59页 |
·K条件数的近似计算方法 | 第53-56页 |
·CA算法中基向量个数的预估计方法 | 第56-59页 |
第4章 自适应组合近似重分析算法的应用 | 第59-71页 |
·自适应CA算法在静力学中的应用 | 第60-68页 |
·10杆桁架结构重分析算例 | 第60-62页 |
·357梁框架结构重分析算例 | 第62-65页 |
·货车车身结构重分析算例 | 第65-68页 |
·自适应CA算法在特征问题中的应用 | 第68-71页 |
第5章 结论与展望 | 第71-73页 |
·结论 | 第71-72页 |
·展望 | 第72-73页 |
参考文献 | 第73-77页 |
作者简介及攻读硕士学位期间所取得的科研成果 | 第77-79页 |
后记和致谢 | 第79页 |