摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第16-33页 |
1.1 引言 | 第16-17页 |
1.2 重分析计算方法 | 第17-19页 |
1.3 GPU通用计算技术 | 第19-31页 |
1.3.1 GPU通用计算概述 | 第20-25页 |
1.3.2 CUDA编程模型 | 第25-28页 |
1.3.3 GPU平台搭建及测试 | 第28-31页 |
1.4 本文主要研究内容 | 第31-33页 |
第2章 GPU并行重分析计算方法 | 第33-57页 |
2.1 重分析计算方法 | 第33-37页 |
2.1.1 问题描述 | 第33-34页 |
2.1.2 组合近似法重分析 | 第34-35页 |
2.1.3 独立系数法重分析 | 第35-37页 |
2.2 GPU并行重分析计算方法 | 第37-47页 |
2.2.1 稀疏矩阵存储 | 第37-38页 |
2.2.2 GPU并行单元刚度矩阵计算及组装方法 | 第38-42页 |
2.2.3 GPU并行预处理共轭梯度法 | 第42-45页 |
2.2.4 GPU并行求逆方法 | 第45-46页 |
2.2.5 GPU并行重分析计算方法 | 第46-47页 |
2.3 数值算例及分析 | 第47-55页 |
2.3.1 车架刚度分析 | 第47-51页 |
2.3.2 车门刚度分析 | 第51-55页 |
2.3.3 数值结果分析 | 第55页 |
2.4 本章小结 | 第55-57页 |
第3章 基于GPU并行重分析的拓扑优化算法 | 第57-74页 |
3.1 双向渐进结构拓扑优化算法 | 第57-61页 |
3.1.1 问题描述 | 第58-59页 |
3.1.2 敏度过滤 | 第59-60页 |
3.1.3 收敛准则 | 第60-61页 |
3.2 基于GPU并行重分析的结构拓扑优化算法 | 第61-66页 |
3.2.1 并行敏度计算方法 | 第61-62页 |
3.2.2 并行敏度过滤方法 | 第62-63页 |
3.2.3 基于并行重分析的结构拓扑优化方法 | 第63-66页 |
3.3 数值算例及分析 | 第66-73页 |
3.3.1 悬臂梁拓扑优化 | 第66-70页 |
3.3.2 汽车车架拓扑优化 | 第70-71页 |
3.3.3 汽车摆臂拓扑优化 | 第71-73页 |
3.3.4 结果分析 | 第73页 |
3.4 本章小结 | 第73-74页 |
第4章 基于GPU并行重分析的全局优化算法 | 第74-89页 |
4.1 基于多数据分组的高效全局优化算法 | 第74-79页 |
4.1.1 高效全局优化算法EGO | 第75-77页 |
4.1.2 基于多数据分组的全局优化算法MDEGO | 第77-79页 |
4.2 基于GPU并行重分析的MDEGO算法 | 第79-81页 |
4.3 数值算例及分析 | 第81-88页 |
4.3.1 函数测试 | 第82-86页 |
4.3.2 汽车B柱修改截面线 | 第86-87页 |
4.3.3 车门开减重孔 | 第87-88页 |
4.4 本章小结 | 第88-89页 |
第5章 基于多GPU并行重分析的结构优化方法 | 第89-113页 |
5.1 多GPU并行策略 | 第89-90页 |
5.2 多GPU并行重分析计算方法 | 第90-99页 |
5.2.1 多GPU并行重分析架构 | 第90-95页 |
5.2.2 多GPU并行重分析计算 | 第95-99页 |
5.3 基于多GPU并行重分析的结构拓扑优化算法 | 第99-100页 |
5.4 基于多GPU并行重分析的全局优化算法 | 第100-101页 |
5.5 数值算例及分析 | 第101-111页 |
5.5.1 车架刚度分析 | 第102-104页 |
5.5.2 车身侧围刚度分析 | 第104-106页 |
5.5.3 白车身刚度分析 | 第106-109页 |
5.5.4 车架拓扑优化 | 第109-110页 |
5.5.5 车门全局优化 | 第110-111页 |
5.5.6 数值结果分析 | 第111页 |
5.6 本章小结 | 第111-113页 |
结论与展望 | 第113-116页 |
1. 本文主要创新点 | 第113-114页 |
2. 进一步研究展望 | 第114-116页 |
参考文献 | 第116-127页 |
致谢 | 第127-128页 |
附录A 攻读学位期间研究成果和发表学术论文情况 | 第128页 |