论文部分内容阅读
热传导反问题是指通过研究对象内部或者边界的温度相关信息，确定边界／初始条件、导热系数、内热源强度等宗量的未知部分，是一个涉及到传热学、物理、数学、计算机、实验技术等学科的交叉领域，在航空航天、核能工程、化工领域等工程中有许多重要应用。由于热传导反问题的不适定性和非线性，使得其求解远比正问题复杂和困难。尽管目前国内外对热传导反问题进行了大量的研究工作，并取得很多成果，但在理论、计算和应用上都需要进一步深入探讨。反问题的计算量远大于正问题的计算量，研究计算速度快的算法是有实际意义。并行算法实现热传导反问题的求解能够加快计算速度，可以达到良好的效果。本文选用网络连接起来的PC机，以及并行环境MPI和分布式操作系统LINUX，共同构成了一个机群系统作为并行计算平台，并在该平台上将二维热传导方程参数反演问题用遗传一神经网络的高效分布式并行算法(并行遗传一神经网络算法)进行数值求解。本文首先介绍了热传导反问题以及本课题研究的背景与意义；然后介绍了并行计算的基本理论、计算机机群系统和MPI消息传递机制，在此基础上，建立了基于LINUX和MPI的PC机群实验环境；接着介绍了神经网络和遗传算法的基本理论，重点介绍了BP算法，并对其优缺点进行了分析；针对陶瓷／金属材料热物性反问题，将神经网络和遗传算法有机结合起来，形成基于遗传算法的神经网络，充分利用两者的优点，使新算法既有神经网络的学习能力和健壮性，又有遗传算法的全局随机搜索能力；然后根据网络并行环境中并行算法的设计原则，利用神经网络的并行性能，设计并实现了并行遗传-神经网络算法求解上述热传导反问题，并对实验结果进行了分析；最后总结了本文所做的工作，并指出本领域有待于进一步研究的问题。