复合泡沫塑料力学行为模拟的ANN方法

对人工神经网络(ANN)方法在复合泡沫塑料力学行为模拟中的应用进行了研究.首先,选取影响材料力学行为的因素和所需模拟、预测的力学性能作为输入、输出量;然后,利用反向传播算法建立了四层神经网络模型,对复合泡沫塑料的力学性能和本构关系进行了模拟和预测.数值结果表明,训练后的神经网络模型能较好地模拟、预测材料的模量、屈服强度和不同应变率及不同温度下的压缩应力-应变曲线.此外,3种不同改进训练方法的比较说明,Bayesian规则化法的泛化能力最好,LM法收敛最快,而自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.      

在铣削加工中通过神经网络融合多路传感器监测刀具破损

讨论在立铣加工中，用多层前馈反向误差传播神经网络融合由多路传感器信息中选取的多维特征来监测刀具破损情况。对融合不同传感器特征对神经网络性能的影响以及如何选取训练样本等也进行了分析。研究结果表明，神经网络对提高识别精度是很有效的。     

基于BP神经网络的起飞限重计算预测研究

针对起飞限重分析计算的流程复杂、迭代多、计算效率低的问题,本文在分析起飞限重计算规律的基础上,研究了使用BP神经网络预测起飞限重结果的可行性.文中以ARJ21-700飞机在场长、爬升等综合限制条件下的最大起飞重量计算为例,使用Matlab进行结果预测.预测结果表明BP神经网络具有较好的适应性,可以满足性能仿真计算的工程...     

小流量斜流压气机设计及优化

采用快速气动设计方法设计了一小型斜流压气机的三维初始几何。应用三维数值分析手段,获取了该斜流压气机的性能及流场结构,分析了S1、S2流面流动特点及制约压气机性能的主要因素。应用人工神经网络方法进行压气机流道优化设计,并与优化前对比。结果表明:初始设计的斜流压气机,设计转速下的最高效率点流量为1.039kg/s,压比为1.514,效率为88.57%,综合裕度达73.66%;叶轮尾缘近轮盖处的射流-尾迹现象,导致流动损失较大。优化后,设计转速下压气机的流通能力和效率均有所提高,相同压比条件下其流量为1.060 kg/s,效率达89.30%,但综合裕度降低至49.80%。     

改进的BP神经网络在飞机防滑刹车系统的应用

为了在飞机刹车过程中防止打滑和取得最佳刹车效果,提出用BP神经网络构造S_p(最佳滑移率)识别器.为了提高神经网络的学习能力,介绍一种学习步长自适应方法——二阶步长法,讨论了二阶步长法在实际应用中的一些问题并提出了解决方案.在二阶步长法基础上提出了三阶步长法.还提出了合理配置活化函数的方法.综合以上方法对BP算法加以改进,使学习精度和速度都大大提高.      

固体燃料冲压发动机燃速的人工神经网络辨识

由于固体燃料冲压发动机(SFRJ)结构的特殊性,其燃速的预测比较困难。为探讨燃速对于不同飞行工况的依赖性,对模拟试验的结果采用BP人工神经网络进行了辨识,并将辨识结果与用最小二乘法辨识的结果进行比较。从辨识的结果来看,这种辨识方法具有精度高、处理实验数据迅速、能进行在线辨识等特点,能够较好地满足工程应用的要求。此外,在利用人工神经网络对类似的大样本系统进行辨识时,如果能采用一些数学上的处理技巧。      

利用人工神经网络预测电离层f_0F_2月中值

提出了利用人工神经网络技术预测电离层临界频率月中值的方案．在利用人工神经网络技术研究电离层月中值隔月变化规律的基础上,考虑足够的周年和黑子周期变化的数据训练网络,使 ｆ０Ｆ２月中值预测值与实测数据比较平均误差为 ０．３４ＭＨｚ,预测精度有了较大改进．最后采用分形学的基本理论得到电离层 ｆ０Ｆ２月中值的分数维为 ３,选用 ３个输入量,分别预测高、低年 ｆ０Ｆ２月中值,与实测数据比较平均误差为 ０．３ＭＨｚ．     

模拟成形性的计算机预测

运用人工神经网络,对板料基本成形性(单向拉伸、平面应变等基本试验的参数)与模拟成形性(拉深、杯突、扩孔、福井等模拟试验指标)二者的相关性进行了研究.在大量试验数据和反向传播算法的基础上,建立了描述相关性的B-P网络模型.通过该模型,对已知基本成形性参数的板料的模拟成形性指标进行了计算机预测,预测结果与试验结果比较接近.本文的研究方法和结果表明,人工神经网络是研究板料的模拟成形性的一条有效途径.     

三维飞机自动识别的一种有效方法

提出一种新的飞机自动识别算法。采用矩不变量和傅立叶描述子相结合的表示方法简单而有效地描述飞机的特征;采用了分布存储的ＢＰ神经网络来减少存储量和加速搜索识别过程,并对ＢＰ网络的收敛方法提出了若干措施加速其收敛过程。通过对９架不同飞机的大量实验证实,本系统性能优越,其识别准确率在９９％以上,并且识别速度很快,一架飞机的整个识别过程在不到１ｓ的时间内就可完成。