基于神经网络遗传算法的CFRP拉挤工艺优化

根据固化动力学和传热学理论,建立了碳纤维增强聚合物基复合材料(CFRP,Carbon Fiber Reinforced Polymer)拉挤成型非稳态温度场与固化动力学数学模型.采用有限元与有限差分相结合的方法,结合ANSYS求解耦合场的间接耦合法,对CFRP拉挤过程非稳态温度场和固化度进行数值模拟.使用特殊设计制作的铝毛细管封装的布拉格光栅光纤(FBG,Fiber Bragg Gratings)传感器,对温度场进行实时检测;并采用索氏萃取实验测定CFRP制品固化度.模拟与实验结果基本吻合.以数值模拟结果为样本建立反向传播神经网络,训练得到固化炉温度与CFRP固化度之间的非线性相关关系.采用神经网络与遗传算法相结合的方法,优化得出拉挤固化炉三段最佳温度值,结果表明神经网络结合遗传算法优化拉挤工艺参数快捷有效.     

厚截面层合板非同步固化的三维有限元分析

建立了描述厚截面复合材料固化压实过程的三维有限元模型并进行了模型有效性验证,计算了400层AS4/3501-6层合板在固化过程中的温度场、固化度、粘性、树脂体积含量和厚度压缩率情况.模型计算结果表明：在固化过程中,层合板的中间层会出现高于保温平台约49K的温度峰值;层合板沿厚度方向的温度和固化度的非同步现象明显;层合板的中部存在明显的局部温度过热和快速固化区域,该区域内的树脂粘性变化剧烈、树脂流动时间缩短,阻碍了该区域及层合板下部的多余树脂流入吸胶膜,并最终导致了固化结束后树脂的不均匀分布,靠近吸胶膜的上表面树脂体积含量约为41%,靠近模具的下表面约为46.5%;层合板的最终固化压实率在15.7%左右.     

纤维排布对CFRP感应加热固化成型过程影响表征

在采用电磁感应加热方式实现碳纤维复合材料（CFRP）加热固化成型的过程中,如何准确表征材料各组成部分的属性参数状态对研究材料加热过程中温度、固化度及应力场分布至关重要。根据纤维实际铺层方式对材料各组成部分进行独立表征,以及碳纤维壳体的等效电-磁-热特性建立了CFRP感应加热有限元细观分析模型,将纤维织构和树脂基体单独建立,实现CFRP在感应加热过程中其内部纤维织构中物理场的变化规律以及对材料整体升温变化规律进行系统分析。通过该模型计算了材料温度、固化度及应力场分布的变化规律,揭示了碳纤维排布对材料感应加热效果的影响,并根据感应加热实验验证了该模型可以准确表征各物理场的分布状态。为研究CFRP在感应加热中各物理场变化规律提供了有效的计算模型和分析方法。     

复合材料格栅结构优化设计中的计算智能技术

针对复合材料格栅结构优化设计多变量、多约束、连续和离散混合变量、高度非线性的难点,提出了用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替优化过程中的有限元计算,以提高优化效率.以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构进行优化.结果表明,在相同样本数的情况下,进化神经网络可获得比BP网络更高精度的映射模型,具有很强的泛化能力.该方法可以为解决大型复合材料结构优化问题提供一条高效途径.      

固化参数对碳纤维/环氧复合材料的性能及断口形貌的影响

本文研究了碳纤维/环氧复合材料固化成型过程中予固化温度、加压时间对其层间剪切性能及弯曲性能的影响。为了揭示固化参数对复合材料性能影响的本质,测定了不同固化条件的复合材料中纤维含量(V_f)和孔隙率(V孔);用扫描电镜分析了复合材料的断口形貌。     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.      

预浸料贮存时间对MT700/603复合材料力学性能的影响

以碳纤维增强环氧树脂热熔预浸料MT700/603为研究对象，开展室温贮存时间与预固化度的关联性分析，研究预浸料预固化度对复合材料成型质量和关键力学性能的影响机制，建立预浸料贮存时间-预固化度-制品性能三者之间的内在联系。结果表明:随着室温贮存时间的延长，60 d后603环氧树脂的最低黏度增加了4.6倍，玻璃化转变温度增加了17.9 ℃，预固化度为11.2%；MT700/603预浸料贮存时间小于30 d时，制备的复合材料内部质量良好，纤维分布较为均匀，孔隙率较低，树脂的预固化度在5.3%以内，孔隙率低于0.03%；复合材料更倾向依赖于树脂基体破坏的纵向压缩强度和压缩模量对孔隙率的敏感度，要高于倾向依赖于纤维增强体破坏的纵向拉伸强度和拉伸模量；预浸料在室温贮存时树脂预固化度增加，黏度增大，加压时机与树脂黏度变化不匹配是导致复合材料构件关键力学性能下降的根本原因；根据产品的力学性能指标要求，结合不同贮存时间的关键力学性能数据，可反推出预浸料的最长室温贮存时间，实现了预浸料可用性的定量化评估。      

不同通道中气泡的形态变化及运动条件分析

孔隙是影响复合材料性能的主要因素之一,为了消除孔隙,提高产品质量,对复合材料成型过程中气泡运动特性的研究是十分必要的.利用预浸料片层模拟系统,考察了气泡在不同运动通道中穿出的形态变化过程;分析了外加压力、树脂粘度、气泡大小、网格面积等因素对气泡穿出行为的影响;同时提出了气泡穿出的约束条件.研究结果表明,随着树脂粘度的增加,气泡体积和空隙面积的减少,气泡穿出所需的临界压力将逐渐增大.该研究结果将为热压成型过程中气泡运动模型的建立提供实验依据.      

基于BP神经网络技术的电离层VTEC融合

随着电离层探测技术的不断发展，电离层观测资料也越来越多，只使用单一的观测资料会出现电离层反演精度不高的问题。为了提高电离层的反演精度，使用BP神经网络技术将地基反演和国际参考电离层(international reference ionosphere，IRI)模型的垂直总电子含量（vertical total electron content，VTEC）数据进行有效融合。在温带地区\[35°(N)~45°(N)，60°(E)~80°(E)\]进行电离层反演试验，结果表明基于BP神经网络技术的电离层数据融合和地基反演获得的电离层VTEC精度都比较高，但是基于BP神经网络的电离层数据融合反演精度比地基反演更高，所以基于BP神经网络技术的数据融合能够提高电离层的反演精度。     

BP-AdaBoost模型在光纤陀螺零偏温度补偿中的应用

针对光纤陀螺零偏漂移随温度呈复杂的非线性变化,建立了BP-AdaBoost（Back Propagation neural network,Adaptive Boosting）模型对零偏进行补偿,改善了光纤陀螺的零偏稳定性能.同时,研究了模型参数对预测精度的影响,给出了BP神经网络隐含层神经元个数的选择以及AdaBoost模型迭代次数的确定方法.运用AdaBoost算法提升单个BP神经网络的预测能力,提高了集成模型整体的预测精度.对采集的光纤陀螺输出实测数据进行了事后仿真,结果表明,BP-AdaBoost模型相比传统的线性回归模型、混合线性回归模型、单个BP神经网络模型的补偿效果更显著,验证了该模型的有效性,具有重大的工程应用参考价值.      

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

低黏度环氧树脂硼胺-酸酐复合固化体系研究

为探究低黏度环氧树脂复合固化反应机理,研究了低黏度环氧树脂硼胺-酸酐复合固化体系的流变性能和固化反应过程,分析了硼胺-酸酐复合比例对复合固化体系流变特性和固化反应过程的影响;利用流变学参数确定了复合固化体系的固化起始时间、凝胶时间点及基于阿伦尼乌斯方程的固化反应活化能。研究结果表明,随着硼胺-酸酐复合固化体系中酸酐复合比例的增加,体系固化反应获得促进,其固化起始时间和凝胶点均降低,同时基于阿伦尼乌斯方程的固化反应活化能降低;采用非等温差示扫描量热（DSC）对硼胺-酸酐复合固化体系过程进行分析,结果表明硼胺-酸酐复合固化体系存在相对独立的双放热峰,随着酸酐复合比例的增加,低温放热峰的峰值增大,高温放热峰的峰值减小,且双峰的峰值温度向高温方向移动。根据2种固化剂的固化反应机理分析,环氧树脂硼胺-酸酐复合固化体系中硼胺固化剂和酸酐固化剂既存在相互协同效应又存在相互竞争作用。      

新型进化神经网络模型

目前的进化神经网络模型大多采用遗传算法进行网络进化设计.而研究表明,这种进化神经网络存在遗传编码、遗传操作及网络结构限制等很多问题;而采用进化规划是一种很好的途径.鉴于此,为了克服传统进化规划算法的不足,结合作者提出的快速免疫进化规划提出了一种网络连接权值及其拓扑结构同时进化优化的新型进化神经网络模型.最后,通过典型的异或分类问题(XOR)比较了该模型同BP神经网络及传统进化神经网络的计算性能,发现它不但计算精度好,而且计算效率高.