最大熵磁共振成象理论

由于在实际磁共振成象系统中,只能得到有限的频谱数据,利用传统的ＦＦＴ方法重建磁共振图象,将导致截断的伪影和低的分辨率。本文提出了一种基于ＡＲ模型的最大熵磁共振成象算法,利用ＡＲ模型外推未知频谱数据,替代了ＦＦＴ方法的填零法重建,并利用了ＢＵＲＧ算法中的ＡＲ模型参数计算的有效性,不仅消除了截断伪影、抑制噪声、提高了分辨率,而且使重建时间与ＦＦＴ方法相当,完全适用于临床应用。     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略,模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域,并相应妄下该区域内最优个体和它的适应度,因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析,进化策略具有搜索记忆性,可以充分保证下一代遗传群体中个体遗传基因的丰富性,从而避免早熟现象的发生,这种进化策略还可以避免在被搜索过的区域内的无用搜索,进而加快进化策略的收敛速度     

磁-光/涡流成像技术的有限元分析

近年来迅速发展的磁－光成像（ＭＯＩ）技术使涡流检测技术得到了新的进展。本文运用磁－光／涡流成像的有限元模型对典型的飞机构件缺陷（如连接飞机表面两个铝层的紧固件下面的裂纹）进行模拟。模拟结果表明,其磁场垂直分量的变化对这种结构来说是相当灵敏的,采用ＭＯＩ技术可以用来探测隐藏在紧固件帽下面的缺陷。     

神经网络在模拟系统故障诊断中的应用

模拟系统的故障检测诊断对于电路设计,ＶＬＳＩ等具有重要意义。而元器件的实际值究竟是有效值还是故障值,以及如何在大规模电路中测量判定它都是一个研究课题。本文利用神经网络的鲁棒性及模拟故障分析中的Ｍｏｂｉｕｓ变换,提出了一种用神经网络帮助故障诊断的有效方法,解决了线性模拟系统的诊断问题。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

求解大型非对称线性方程组的拟最小残量IOM（q）算法

不完全正交化算法（IOM（q））由于存储量和计算量小，常用来求解大非对称线性方程组。而此方法收敛过程常出现不规划振荡现象，从而影响了收敛速度。本文将拟残量最小的化性质加到IMO（q）算法中，提出拟最小残量不完全正交化算法（QMRIOM（q），这样收敛曲线光滑无振荡，从而大大加快其收敛速度，而且保留其存储量和计算量小的性质。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

2.4m风洞M数和稳定段总压控制策略研究

我国自行研制成功的 2 .4m风洞现已投入使用。该风洞控制系统与国内现有风洞相比 ,控制执行系统多而复杂。该风洞成功地采用了所有试验工况M数与稳定段总压同时控制的运行方式。针对被控对象的复杂性 ,分别对神经网络控制、模型跟随自适应控制、自校正控制、智能控制及智能学习控制在该风洞上应用的可行性进行了分析。最后给出了一种智能控制策略 ,调试结果说明该风洞采用的这种控制策略是成功的     

基于神经网络技术实现磁流变阻尼器对结构振动的优化控制(英文)

磁流变 ( MR)阻尼器是土木结构振动控制领域最有应用前景的半主动控制装置之一 ,但由于 MR阻尼器的高度非线性动特性 ,使得描述其逆向动特性的数学模型很难得到 ,即根据理想的阻尼力确定出 MR阻尼器所需的输入电压。然而 ,对基于 MR阻尼器的结构振动控制设计和仿真 ,这种反映阻尼力 -电压关系的逆向动特性模型是十分重要的。为此 ,本项研究针对 MR阻尼器的非线性特性 ,提出运用神经网络技术建立 MR阻尼器的神经网络模型来模拟其逆向动特性 ,神经网络模型的输出即为产生理想的阻尼力所需的输入电压。通过数值仿真结果探讨所提出的结构振动控制策略的适用性和有效性