改进BP算法在微悬臂梁力学特性研究中的应用

针对BP神经网络算法自身存在的一些限制与不足,提出了一种改进的BP神经网络算法,并将此算法应用于单晶硅(100)微悬臂梁加载后载荷与挠度间关系拟合的实验中(实验在MATLAB7.0环境中实现).实验拟合结果表明:在相同载荷的作用下,挠度随微悬臂梁长度的增大而增大,随其宽度的增大而减小,且在有效载荷-挠度数据中理论计算结果与实验拟合结果是相一致的.并利用有效载荷与挠度之间的关系,评价了微悬臂梁材料的弹性模量,得到其弹性模量近似为153GPa,与实际情况符合较好.     

集中载荷作用下大挠度悬臂梁的计算机仿真

建立了集中载荷作用下大挠度悬臂梁的数学模型,利用椭圆函数法推导给出了集中载荷作用下大挠度悬臂梁的转角,挠度和水平位移的解析表达式.采用Maple编程求解了集中载荷作用下大挠度悬臂梁的非线性微分方程组.分析计算了自由端转角,挠度和水平位移与载荷的力学特征,给出了相应的解析表达式.分别绘制了大挠度理论下自由端转角、挠度和水...     

形状记忆合金复合材料层合梁的弯曲

分析了一种形状记忆合金复合材料层合梁在荷载作用和温度改变下梁的曲率k与截面弯矩M及温度T的关系 ,并进一步得到在恒定温度下悬臂梁自由端挠度随外载荷变化的曲线 结果显示该层合悬臂梁具有和形状记忆合金材料相同的超弹性特性     

基于Euler-Bernoulli方程微悬臂梁弛豫分析

为探讨微机电系统中悬臂梁结构弛豫动力学特性,本文基于Euler-Bernoulli方程,计入空气滑膜阻尼对悬臂梁弛豫过程的影响,采用分离变量法导出悬臂梁挠度弛豫表达式;给出临界阻尼、过阻尼、欠阻尼梁挠度弛豫算例;利用ANSYS中瑞利阻尼模型对微悬臂梁临界阻尼、过阻尼、欠阻尼弛豫进行仿真,挠度弛豫过程在梁固定端附近与理论差异较大,仿真数据与理论偏差随挠度增加.     

结构变形的分布式光纤监测研究

目前监测结构变形的方法难以全面、自动地监测连续变形.因此使用分布式光纤监测结构的应变,并用显函数解析法和隐函数映射法分别建立了应变与挠度的关系.其中显函数解析法针对简单结构,应用了力学的相关公式;隐函数映射法则针对复杂结构,应用了BP神经网络建立了算法,并用简支梁模型试验对这2种算法进行了验证.结果表明,2种方法建立的应变与挠度的关系都具有较高的精度,BP算法得到的结果更接近真实挠度.     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.     

受火侵袭简支钢梁的冲击动力响应

利用有限差分离散控制方程进行数值分析,研究了火侵袭时简支钢梁在阶跃载荷作用下的弹塑性动力响应。通过对不同应变率下和不同温度下的挠度曲线的分析,阐明了塑性应变率和温度对冲击载荷作用下梁挠度的影响,还给出了极限温度与载荷和应变率的定量关系。研究表明,塑性位移随应变率的增大而逐渐减小,却随温度的升高而逐渐增大。     

基于遗传算法与BP算法的水质评价模型

BP神经网络广泛应用于函数逼近、模式分类、水质评价等方面,但标准BP算法收敛速度较慢,容易陷入局部最优;而遗传算法是一种全局寻优搜索算法,能够有效克服上述缺陷.提出了基于遗传算法与BP算法的混合算法,既保留了神经网络原有的优点,又克服了上述缺点,并建立了水质评价模型.以信阳南湾水库为例进行评价,实验结果表明该混合算法模型评价精度较高.完全可以应用于水质评价工作.     

BP算法在欠驱动机械臂平衡控制中的应用

欠驱动机械臂是一类控制器数目少于系统自由度的非完整系统.针对欠驱动机械臂Acrobot,采用标准BP算法和改进BP算法设计了神经网络平衡控制器,仿真实验结果表明,改进的BP算法能有效地克服标准BP算法的缺陷,使系统的均方误差大大减小,并具有容易实现以及计算量小的优点.     

Effect of Initial Load on the Mechanical Properties of Concrete Beam Strengthened with Extraneous Prestress

In order to study the effect of initial load on the mechanical properties of concrete beam strengthened with extraneous prestress, contrastive experiments were conducted on three reinforced concrete beams with different initial loads. The results indicate that the mechanical properties of the three beams are different. The cracking of reinforced concrete due to the initial loads badly weakens the rigidity of the reinforced concrete structure. Under the same increment in load, the greater the initial load is, the smaller the rigidity of the reinforced concrete beams becomes. The calculation methods of deflection and split of reinforced concrete beam are proposed.     

应用BP网络预测部分预应力矩形截面梁的裂缝宽度

采用BP神经网络，对受弯部分预应力混凝土矩形截面梁裂缝宽度进行预测，通过理论分析并带入网络模型进行试验，找出影响裂缝宽度的主要因素，并建立了优化的BP神经网络模型．用该模型对不同的样本集合分别进行学习与仿真，结果与试件实际参数吻合良好．表明应用人工神经网络预测部分预应力矩形截面梁的裂缝宽度不仅可行，而且精度较高．     

用挠曲线增量求梁的变形

本文应用等直梁挠曲线近似微分方程建立常用载荷作用下梁的转角方程与挠曲线方程用挠曲线增量表示的解析式,其中各段梁的挠曲线增量可用作用于交界面处的载荷表示,初挠度、初转角由梁的支承条件确定。通过求解不同支承形式静定梁变形的实例,说明方法的适用、灵活和简便。     

进化算法结合神经网络反演刚性路面模量

为解决传统路面结构参数反演分析方法易陷于局部最优解的问题,根据弹性地基上的小桡度薄板理论,建立了刚性路面有限元计算模型,模型中假定接缝只传递剪力,用压缩柔度矩阵方法考虑接缝的约束条件,用有限元模型构造训练集对BP神经网络进行训练,依靠BP网络的记忆和联想功能建立结构层模量与路面弯沉盆之间的映射关系,利用进化算法(GA)在搜索空间内找出使弯沉盆误差最小的一组模量组合,实例计算结果表明进化算法结合神经网络方法反演刚性路面模量的最大误差只有2．8％。     

岩壁吊车梁硐室围岩力学参数反分析研究

建立漫湾电站二期地下主厂房岩壁吊车梁硐室的三维有限元计算模型,对硐室围岩的力学参数和吊车荷载进行正交组合后,计算出各种组合情况下的围岩位移,对参数敏感性进行分析.把敏感性参数组合时计算出的位移值,作为BP神经网络训练的样本空间对模型进行训练,把监测值输入训练后的模型中反算出围岩力学参数,最后输入参数进行变形验算.即把三维有限元分析方法和神经网络方法联合应用,通过正分析-反分析-正分析的分析方法,计算出围岩的力学参数.对理论分析的结果和实际结果进行比较,证明了所采用的分析方法和分析模型是正确可行的,能为设计人员有效解决实际工程中的力学参数的准确取值问题,提供一种分析方法.     

基于混沌分析的BP神经网络模型及其在负荷预测中的应用

结合混沌分析理论和BP神经网络，提出在混沌相空间建立BP神经网络模型。运用混沌方法构成训练样本及确定神经网络的网络结构，用神经网络拟合相空间相点演化的非线性关系。并利用该模型对具混沌特性的电力系统日负荷时间序列进行短期预测，对比了标准BP网络模型和混沌线性回归模型的预测结果，结果表明基于混沌分析的BP神经网络模型的预测精度较高。     

基于模糊C-均值聚类分析与BP网络的短期负荷预测

提出了一种基于模糊C-均值聚类分析与BP（Back-propagation）网络的短期负荷预测方法，通过模糊C-均值聚类分析将历史负荷数据分成若干类，建立相应的BP网络模型，用LM（Levenberg-Marquardt）优化法进行训练，找出与预测日相符的BP网络，预测一天中96点的负荷，实际负荷预测结果表明，该方法具有较好的训练速度和较高的预测精度。     

基于粒子群BP神经网络的短期电力负荷预测

电力负荷预测通常采用神经网络方法,该方法训练时间较长,并且由于负荷受到气象因素影响,该算法预测的精度不是很高.为了克服当前存在的问题,采用粒子群算法优化BP神经网络的权值和阈值,归一化处理气象因素,利用神经网络预测短期电力负荷.实验结果表明,该方法比单纯BP神经网络预测具有明显优势.     

Instability characteristics of the cracked roof rock beam under shallow mining conditions

To establish the movement relationship for the roof breaking under shallow mining conditions, the mechanical model of the roof rock beam was built, then the structure instability process of the roof rock beam was analyzed. The changing criterion of the vertical displacement was established and the relationship between the deflection and the rotary motion of roof block was determined. Regarding a mining face in Shangwan Mine, the responsing laws of the deflection and horizontal thrust of the roof rock beam were obtained through FLAC3D numerical analysis. The results show that the structure instability of the cracked roof rock beam depends on the interaction between the vertical load and the horizontal thrust.For the roof rock beam, when the vertical load keeps constant, the horizontal thrust fluctuating rises with increasing deflection. The horizontal thrust increases constantly with the deeper buried depth and the smaller span.     

一种短期负荷预测的自适应神经网络方法

提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据,再用BP网络来映射样本数据。采用初始化样本数据,增大节点作用函数陡度,变换隐层节点作用函数形式,自适应调整学习参数等方法提高了BP网络的学习速度,得到了较为满意的预报结果．