排序方式: 共有33条查询结果,搜索用时 15 毫秒
21.
复合材料层合板冲击后剩余强度的工程估算方法和有限元模拟分析 总被引:2,自引:0,他引:2
为研究复合材料层合板冲击后剩余强度(CAI)的计算,本文给出了两种方法:工程估算和有限元预测.工程估算是将受冲击损伤的复合材料层合板简化为正交各向异性带孔板,按照Nuismer-Whitney平均应力准则,计算正交各向异性带圆孔板的破坏强度.作为层合板冲击后剩余强度的估算值.有限元方法则是采用Hashin失效准则和Tan的刚度降准则,在ABAQUS软件中自编UMAT材料损伤子程序,进行带孔层合板的损伤强度预估分析.结果表明,工程估算方法和有限元方法的计算结果均与试验结果相差不大,两种方法均可作为工程中估算剩余强度的有效方法. 相似文献
22.
基于压弯刚度匹配论则的复合材料加筋板结构优化设计 总被引:1,自引:0,他引:1
提出一种评估加筋板承载效率的量化方法,用于初步实现复合材料加筋板中加强筋布局与尺寸的优化.讨论了不同压缩与弯曲刚度的匹配模式对于复合材料加筋板临界失稳载荷的影响.将全局失稳载荷、局部失稳载荷与静载荷的接近程度作为评判结构承载效率的指标,构建了一种以压缩、弯曲刚度系数作为设计变量并反映结构效率的代理模型,避免了局部最优点的出现,更利于数值寻优.通过一种典型复合材料加筋板的有限元分析验证,发现压-弯刚度匹配模式与结构效率之间存在明显关系.优化后壁板的临界失稳载荷与所施加的静载荷基本一致,从而验证了基于承载效率以及结构总体刚度匹配关系的优化方法的可行性. 相似文献
23.
在机翼翼尖加装小翼可以增升减阻,但小翼外形的不同设计参数对诱导阻力的减少程度大小不一.本文利用AVL软件分析了水陆两用飞机带不同小翼的机翼气动性能,并用实验设计的方法研究小翼外形的不同参数对机翼阻力系数的影响.本文提出了用两级响应面模型构造机翼阻力系数和小翼外形参数的回归模型,并对这个回归模型进行优化以得到最优的外形参数.本文把这个结果和用遗传算法优化得到的结果相比较,结果基本一致,说明本文提出的两级响应面模型及其优化方法是可行有效的. 相似文献
24.
夹层结构前机身有限元分析与优化设计 总被引:2,自引:0,他引:2
选用二次等参夹层板壳单元进行结构分析,单元面板厚度及芯层高度作为优化设计变量。对复合材料面板,则每~铺层层数作为设计变量。对复合材料夹层结构前机身模拟试验件进行了有限元分析,在位移和尺寸约束下,对复合材料夹层结构前机身进行了优化设计,并获得满意结果。 相似文献
25.
丁运亮 《南京航空航天大学学报》1981,(4)
本文是一篇专题综合报告,较系统地介绍了用最优性准则作结构优化设计的多种方法,反映了当前在最优性准则研究方面的最新发展。 相似文献
26.
丁运亮 《南京航空航天大学学报》1981,(1)
本文提出了一种结构优化设计的新方法——改进的可行方向法。该方法计算简单、方便,一次调参幅度大,收敛快,重复的结构分析次数少,较之现有的各种准则法、可行方向法以及其它约束最优化方法有显著的优越性,特别适用于求解在多种载荷条件下,具有多个位移约束和应力约束条件的大型结构优化设计问题。 相似文献
27.
一种基于粗糙集理论的粗糙神经网络构造方法 总被引:11,自引:0,他引:11
提出在BP神经网络中使用粗糙集理论网络的设计,由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好,计算简单,收敛速度快的神经网络模型,这种神经网络的算法的主要过程为:首先利用粗糙集能力去发现给定数据集的一些规则,然后根据这些规则构造神经网络稳含层的神经元个数,最后用BP算法迭代求了网络的各种参数,完成网络的设计,本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。 相似文献
28.
利用Gaussian型RBF网络进行函数逼近的构造性估计 总被引:1,自引:1,他引:1
前馈人工神经网络有着极其广泛的应用,如何估计隐层神经元数及相应的逼近误差,一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络,本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。 相似文献
29.
在传统结构优化设计中.基于近似技术和灵敏度分析的结构重分析技术可以显降低结构有限元分析的次数。本提出了一套适于遗传算法应用的近似模型——分段近似模型。该分段近似模型可以极大地降低结构有限元分析的次数,并且可以提高遗传算法的收敛性,从而提高遗传算法的计算效率。本通过两个实例验证了该分段近似模型的有效性。 相似文献
30.
基于信息熵的连续属性自动聚类算法 总被引:2,自引:0,他引:2
基于信息熵的有关理论,提出了一种新的连续属性的自动聚类算法。首先介绍了Shannon熵的概念及其两个重要的定理,基于信息的不确定测度,提出了一种Shannon熵的准则函数φ,并且指出了该准则函数必须满足的6条原则。其次,基于该准则函数,引出了一种针对单个连续属性自动聚类的FUSINTER算法。由于实际信息系统中有多个连续属性,这主需要对多个连续属性分别使用FUSINTER算法进行离散,并且要求最终保证整个信息系统离散是相容的和一致的,而且各个属性拥有较少的分割区间。最后,本文以干线飞机外形参数的变化趋势与其更新换代的关系来说明文中提出的属性离散化过程,并展示了该聚类算法的有效性。本文提出的方法可以用于机器学习或数据挖掘的数据前处理。 相似文献