采用人工神经网络求解薄板的自动振动问题

本文提出利用神经网络的非线性表示能力求解薄板的自由振动问题,分析了标准的ＢＰ算法及多种改进措施,采用动量法和自适应调整学习率的ＢＰ算法求解,比较几种计算方法的计算结果,表明采用人工网络计算薄板振动问题方法可行,结果令人满意。     

双参数弹性地基上板的自由振动

建立了双参数弹性地基上的正交异性矩形薄板自由振动位移函数微分方程,并得到其一般解．这可用以精确地求解板在任意边界条件下的自由振动问题．以四边固定的正方形板为例进行了分析,计算过程简单,便于实际应用．亦适用于求解单参数弹性地基和各向同性板情形。     

哈密顿体系下矩形薄板自由振动的一般解

根据弹性薄板自由振动问题的基本方程，把问题引入到哈密顿对偶体系中．x方向模拟为时间，选取弯矩，等效剪力，转角和挠度为对偶向量，得到了在不同边界条件时关于x轴对称和反对称时的解析解．算例研究了四边固支薄板的自由振动情形，从而推广了哈密顿体系的应用范围，验证了哈密顿体系求解方法在自由振动问题中的有效性．     

旋转薄壳自由振动中3类广义相关函数的求解

为求解旋转薄壳自由振动问题中起关键作用的3类广义相关函数,采用数值计算方法详尽研究这3类函数,得到其精确解答．通过此解答可以解决旋转薄壳自由振动一致有效解的求解问题.     

轴向运动薄板非线性振动及其稳定性研究

应用增量谐波平衡法(IHB法)研究轴向运动薄板横向非线性振动特性及其稳定性.通过Hamilton原理推导出了非惯性参考系下四边简支轴向运动薄板的横向振动微分方程,然后利用Galerkin方法离散运动方程.对离散后的非线性方程组应用IHB法进行非线性振动分析,研究了在固有频率之比ω20/ω10接近于3:1情况下,外激励频率ω在ω10附近的具有内部共振的基谐波响应.最后用多元Floquet理论分析了系统周期解的稳定性,其中采用Hsu方法来计算转移矩阵.通过对具体例子的数值计算,分别得到了自由振动和不同外激励下的频幅相应曲线,通过对比运动梁模型和运动薄板模型的计算结果,分析了各种模型的适用范围.     

模拟退火BP网络理论与算法

结合模拟退火算法在能量空间宏观上的有方向性和ＢＰ算法对细观结构的敏感性，发展了模拟退火ＢＰ理论及算法，并以正弦函数的迭代收敛为例，证明了这种方法的正确性和有效性。实际上这一理论将组合优化问题与统计力学中的热平衡问题类比，另辟了求解组合优化问题的新途径。     

不同位置四点支承矩形薄板的自由振动特性

研究不同位置四点支承条件下矩形薄板的自由振动特性.首先,在板结构模型的不同位置上引入横向约束弹簧,并设定人工弹簧的刚度值以模拟出四点支承的边界条件.然后,基于二维改进傅里叶级数表示结构的位移容许函数,其中改进部分的正弦附加项可解决以往位移函数在边界上可能存在的求导不连续问题.建立矩形板系统能量对应的泛函,令其取驻值建立线性方程组.最后,求解矩阵特征值问题得到点支承矩形板自由振动频率等参数,给出不同位置四点支承条件下矩形薄板的振动特性.所应用二维改进傅里叶级数法中,位移函数基于改进傅里叶级数展开时的附加项能够提高结果的精度和收敛速度.研究结果为不同位置点支承矩形板的自由振动问题提供一定的参考.     

PCB数控钻孔最佳走刀路线的建模与求解

当前的印刷电路板（ＰＣＢ）数控钻自动编程系统生成的钻孔路线并非最佳走刀路线。本文通过分析,将ＰＣＢ数控钻孔最佳走刀路线问题归结为大型ＴＳＰ问题,其目标函数定为钻头的总走刀时间最短。由于ＴＳＰ问题在理论上属于ＮＰ完备问题,很难用一般的算法求解。本文详细介绍了用模拟退火方法求解该问题的具体算法,并以此为基础开发了ＰＣＢ最优化的自动编程系统。     

矩形中厚板自由振动问题的哈密顿体系与辛几何解法

以矩形中厚板的胡海昌方程为基础,将中厚板自由振动问题导入哈密顿体系,然后利用辛几何中的分离变量和本征函数展开的方法求出了对边简支板自由振动的精确解．文中采用的辛方法不必事先人为地引入试函数,而是通过完全理性的推导,从而突破了传统半逆解法的限制,使得问题的求解更加合理,易于推广．计算实例证明了本文推导结果的正确性．     

更实际的异构并行计算模型

通过结合多种代表性并行计算模型,给出异构环境中的ＨＢＳＰ模型和程序开销计算方法。采用基于消息长度的线性模型具有通信开销的计算更精确、程序和算法在异构环境中的设计灵活、且可解除原有ＢＳＰ模型对ｈ－ｒｅｌａｔｉｏｎ的限制等优点。当构成ＢＳＰ计算机的各处理机速度相同且原有ＢＳＰ算法达到最优（即各处理机上所分配的计算量与通信量完全均衡）时,ＨＢＳＰ模型等同于原有模型。     

基于神经网络的某超市水产品运营量预测模型研究

随着人工神经网络技术的不断成熟,人工神经网络和预测预报紧密结合起来。结合＂神经网络＋预测＂的开发模式,引入BP人工神经网络学习算法,构建了某超市水产品运营预测模型,并讨论不同结构的BP网络及随机初始化对预测结果的影响,同时进行了神经网络预测方法和其它预测方法的比较。     

汽车车内噪声主动控制系统仿真

降低汽车空腔的振动,是抑制汽车车内噪声的有效途径之一;以激振器、作动器和控制器等为主要部件,搭建了简化的汽车车内噪声主动控制系统,该系统通过将汽车空腔模型简化为板件,以减弱板件振动为目标,实现了汽车车内噪声主动控制;采用简谐正弦及余弦信号作为激振器发出的激励,用于模拟板件的初始振动,控制器通过采用模糊控制算法直接控制压电陶瓷作动器的振动,压电陶瓷作动器的振动用于抑制板件的振动,完成了汽车车内噪声主动控制系统仿真;仿真结果表明,研究采用的汽车车内噪声主动控制系统,使汽车空腔振动降低23%,为解决由汽车发动机和动力总成的振动所引发的汽车车内噪声问题提供了一个有效途径。     

白腐真菌降解五氯苯酚过程的模拟

利用变步长BP算法,对白腐真菌生物降解五氯苯酚废水过程中污染物浓度变化的时间序列建立了AI神经网络预报模型,并利用该模型对生化降解过程的变化规律及趋势进行了研究。结果表明,模型的计算值与实测值之间的误差很小,对未来时刻数据的预测精度也较高,模型较好地反映了五氯苯酚含量在降解过程的变化规律。     

神经网络在化工过程故障诊断中的应用

针对现代复杂的化工生产过程,提出一种基于神经网络的故障诊断方法。并分别将典型的BP算法和改进后的BP算法用于TE（Tennessee Eastman）模型的故障诊断中。经过诊断结果的比较,得出标准的BP算法在实际应用中具有收敛速度慢等缺点;自适应学习速率动量梯度下降的BP算法以及用L-M（Levenberg-Marquardt）法先对BP网络进行优化的BP算法具有收敛速度快、不易陷入局部极小值等优点,其中又以L-M优化BP算法效果最好。结合rIE模型的仿真结果可以看出,L-M优化BP算法在工业实际中具有很大的优势。     

内容适配系统控制模型研究

针对内容适配系统建模问题,采用反馈控制理论设计内容适配系统控制模型,采用人工神经网络（ANN）设计系统控制器,提出基于QBP算法的控制器学习算法,并分析内容适配控制系统的运行机制。     

集中谐载力作用下三边固定一边自由板的受迫振动

应用混合变量最小作用量原理求解了三边固定一边自由矩形板在任意集中谐载作用下的受迫振动问题，建立了求解这类问题受迫振动稳态解的新方法，对于结构工程抗震问题中的振动分析给出了一个新的解决途径，所获得的计算结果，跟现有的文献进行比较证明了其正确性，因此该方法不仅具有重要的理论价值，而且可以为工程实际直接采用。     

Evolving neural network using real coded genetic algorithm for permeability estimation of the reservoir

In this work we investigate how artificial neural network (ANN) evolution with genetic algorithm (GA) improves the reliability and predictability of artificial neural network. This strategy is applied to predict permeability of Mansuri Bangestan reservoir located in Ahwaz, Iran utilizing available geophysical well log data. Our methodology utilizes a hybrid genetic algorithm–neural network strategy (GA–ANN). The proposed algorithm combines the local searching ability of the gradient–based back-propagation (BP) strategy with the global searching ability of genetic algorithms. Genetic algorithms are used to decide the initial weights of the gradient decent methods so that all the initial weights can be searched intelligently. The genetic operators and parameters are carefully designed and set avoiding premature convergence and permutation problems. For an evaluation purpose, the performance and generalization capabilities of GA–ANN are compared with those of models developed with the common technique of BP. The results demonstrate that carefully designed genetic algorithm-based neural network outperforms the gradient descent-based neural network.     

ANN- and ANFIS-based multi-staged decision algorithm for the detection and diagnosis of bearing faults

Condition monitoring of roller element bearing defects has been one of the biggest problems in predictive maintenance since bearing failures may give catastrophic results on the machining operations and may cause downtime. Two of the well-established and widely used methods for bearing fault detection and diagnosis are the artificial neural network (ANN) and adaptive neuro-fuzzy inference systems (ANFIS). For this aim, a multi-staged decision algorithm was developed in this study based on ANN and ANFIS models. Both time and frequency domain parameters extracted from the vibration and current signals were used to train the ANN and ANFIS models, which were then used to detect and diagnose the severity of the bearing fault. Experimental data collected from a shaft-bearing mechanism were used to test the performances of the two schemes. The system was operated under four different speeds, for a brand-new bearing and bearings with artificially introduced local defects with various sizes. The experimental results showed that the proposed scheme is an effective means for detecting and diagnosing bearing faults. Furthermore, the results revealed that ANFIS-based scheme was superior to the ANN-based one especially in diagnosing fault severity.

     

基于粒子群神经网络的气阀机构故障诊断

提出应用粒子群神经网络和小波包能量特征的柴油机气阀机构故障诊断方法.为了克服BP算法的缺陷,将粒子群优化(PSO)算法应用于神经网络的学习算法中;为了避免PSO算法在全局最优值附近搜索变慢,采用了一种从PSO搜索到BP搜索的启发式算法;然后,通过模拟柴油机气阀机构的两种常见的主要故障:气阀漏气和气门间隙异常,采集气缸盖...