| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究背景和意义 | 第12-14页 |
| 1.2 有限元并行算法研究现状 | 第14-15页 |
| 1.3 GPU并行计算研究现状 | 第15-17页 |
| 1.3.1 基于CUDA的GPU并行计算 | 第16-17页 |
| 1.3.2 基于C++AMP的GPU并行计算 | 第17页 |
| 1.4 本文研究内容及创新点 | 第17-19页 |
| 第2章 EBE方法 | 第19-36页 |
| 2.1 真单元向量与伪单元向量 | 第19-20页 |
| 2.2 节点联系矩阵及其运算 | 第20-25页 |
| 2.3 EBE方法基本思想 | 第25页 |
| 2.4 预处理技术 | 第25-27页 |
| 2.5 基于EBE策略的预处理共轭梯度法 | 第27-33页 |
| 2.5.1 共轭梯度法 | 第27-28页 |
| 2.5.2 基于EBE策略的共轭梯度法 | 第28-31页 |
| 2.5.3 基于EBE策略的雅可比预处理复双共轭梯度法 | 第31-32页 |
| 2.5.4 基于EBE策略的双共轭梯度法的收敛判据 | 第32-33页 |
| 2.6 EBE有限元方法边界条件处理 | 第33-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第3章 GPU并行计算 | 第36-62页 |
| 3.1 基于GPU通用计算 | 第36-39页 |
| 3.2 CUDA编程模型 | 第39-45页 |
| 3.2.1 CUDA线程结构及Kernel函数 | 第39-41页 |
| 3.2.2 CUDA软件特性 | 第41-42页 |
| 3.2.3 CUDA硬件特性 | 第42-43页 |
| 3.2.4 CUDA硬件映射 | 第43-44页 |
| 3.2.5 CUDA存储器结构 | 第44-45页 |
| 3.3 GPGPU程序优化 | 第45-46页 |
| 3.4 基于EBE策略预处理共轭梯度法的GPU并行实现 | 第46-52页 |
| 3.4.1 向量与向量乘积的GPU实现 | 第46-49页 |
| 3.4.2 全局内存的使用 | 第49-50页 |
| 3.4.3 归约运算 | 第50-51页 |
| 3.4.4 基于EBE策略的处理共轭梯度法GPU实现流程 | 第51-52页 |
| 3.5 计算环境 | 第52页 |
| 3.6 电机矩形开口槽趋肤效应计算 | 第52-60页 |
| 3.6.1 模型I的控制方程及离散 | 第53-55页 |
| 3.6.2 模型I计算结果 | 第55-57页 |
| 3.6.3 模型II及计算结果 | 第57-60页 |
| 3.7 本章小结 | 第60-62页 |
| 第4章 三维正弦稳态涡流场并行计算 | 第62-88页 |
| 4.1 三维正弦稳态涡流场控制方程及EBE有限元离散 | 第62-66页 |
| 4.2 广义雅可比预处理技术 | 第66-69页 |
| 4.3 C++ AMP并行架构 | 第69-72页 |
| 4.3.1 C++ AMP概述 | 第69-71页 |
| 4.3.2 平铺 | 第71-72页 |
| 4.3.3 Tile_static内存 | 第72页 |
| 4.4 算例 | 第72-87页 |
| 4.4.1 TEAM Problem 7 | 第72-78页 |
| 4.4.2 修改的TEAM Problem 7 | 第78-79页 |
| 4.4.3 DF-28333kVA/230kV单相电力变压器计算 | 第79-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第5章 结论与展望 | 第88-90页 |
| 5.1 结论 | 第88-89页 |
| 5.2 展望 | 第89-90页 |
| 参考文献 | 第90-96页 |
| 在学研究成果 | 第96-98页 |
| 致谢 | 第98页 |
