基于Lagrange乘子法神经网络求解弹塑性力学有限元问题

根据人工神经网络的基本优化机理,研究了基于Lagrange乘子法神经网络求解弹塑性力学有限元问题.该神经网络对弹塑性力学有限元问题模型的不等式约束直接进行处理,无需添加松弛变量,降低了网络模拟和硬件实现的复杂程度.还分析了该神经网络的收敛性和稳定性.最后对一个简单弹塑性问题进行了数值仿真,计算结果表明了该神经网络求解弹塑性力学有限元问题的可行性.     

两相多孔介质弹塑性动力反应计算分析的显式有限元方法

应用连续介质力学的基本原理,针对流体饱和两相多孔介质的特点,建立起增量形式的两相多孔介质弹塑性波动方程组,以实现对两相多孔介质弹塑性动力反应的描述．运用伽辽金方法对该波动方程组进行空间离散,得到两相多孔介质弹塑性波动方程组的伽辽金弱式,并应用中心差分法与Newmark常平均加速度法相结合的时域积分方法,对上述波动方程组进行时间离散,构造求解两相多孔介质弹塑性波动方程组的显式时间积分列式,从而形成流体饱和两相多孔介质弹塑性动力反应计算分析的时域显式有限元方法．该方法采用了解耦技术,不需要求解联立方程组,具有节省计算机内存空间和能够提高计算速度等优点．     

二元扰动理论求解弹塑性扰动问题的有限元法

目的推导基于二元扰动理论（Theory of Duality Disturbance—TDD）的有限元方法（FEM）的基本方程,给出求解基本方程的方案．方法把传统的弹塑性理论、有效的有限元方法和二元扰动理论相结合,对扰动构件进行二元扰动有限元分析．结果提出求解基本方程的“相对无扰动结果修正法”,给出获得表观应力的迭代算法．结论基于TDD建立的有限元模型能够用来模拟扰动结构的力学行为,具有广泛的应用前景．     

弹塑性损伤力学耦合分析的线性互补解法

本文根据弹塑性损伤力学的瞬态边值问题，提出了损伤分析的虚功原理，利用有限元技术，导出了弹塑性损伤结构分析的线性互补解法。本方法计算格式紧凑，求解规模较小，适用于解决硬化、软化等材料的损伤结构分析。     

考虑爆破效应的隧道开挖损伤区及渗流场分析

针对爆破效应对围岩力学参数及渗透系数的劣化问题,根据岩石弹塑性力学、连续损伤力学、有效应力原理及渗透系数演化方程,提出了基于Hoek-Brown准则的岩体弹塑性损伤模型,并给出了模型的有限元数值求解算法.以甄峰岭隧道为工程依托,对所选断面开挖损伤区进行数值分析,通过声波检测手段确定爆破扰动范围及损伤值,修正计算力学参数和渗透系数.结果表明,考虑爆破效应后的开挖损伤区,位移值和涌水量均大于不考虑爆破效应时的数值,进行工程稳定性评价时应充分考虑爆破因素的影响.     

人工神经网络方法在力学反问题研究中的应用

许多力学反问题有其重要的工程背景,本文通过人工神经网络方法对薄板材料力学参数反求,介绍了基于神经网络进行力学反问题的求解过程及该方法在力学反分析中的应用优势.     

一种用于板材冷拉深成形分析的弹性有限元程序

分析了ＡＤＩＮＡ的基本方程和本构关系及求解特征，并对冷冲压拉深成形过程中复杂的边界条件，开发出用于板材深拉深分析的弹塑性有限元程序。通过实验验证了该程序可靠性，若采用该弹塑性有限元程序模拟成形过程，能分析出成形过程中的应力和变形，而判定设计是否可行。     

偏心圆筒弹塑性应力有限元分析

对偏圆筒的弹塑性问题进行了有限元分析，并进行了算例和试验验证．计算、试验结果表明，该有限元程序对处理偏心圆筒的弹塑性应力、容积残余变形率计算是非常精确的，它为研究不同偏心，不同材料的气瓶在发生容积变形过程中应力、应变变化规律以及偏心对对容积残余变形率影响提供了方便、可靠的方法.     

B样条和弹塑性有限元在冷冲压拉延成形中的应用

分析了ADINA的基本方程求解特征，将弹塑性有限元和B样条形状描述应用到冷冲压拉延成形加工中，以描述拉延件形状的B样条控制顶点作为设计变量，采用复合形优化算法进行形状优化．采用该方法不仅能分析出成形过程中的应力和变形，而且能找出满足特定要求的最佳形状．     

土体循环塑性模型的动力有限元分析

在简要介绍基于广义塑性力学的土体次加载面循环塑性模型与土体动力有限元分析原理与计算方法的基础上，将循环塑性模型的本构方程结合进土体的动力平衡方程中，用无条件稳定的隐式积分(Newmark)法求解动力方程，建立了基于循环塑性模型的土体有限元动力分析方法；编制了相应的弹塑性动力有限元程序，程序用FORTRAN语言编写，采用模块结构，可求解连续介质在平面应力、平面应变和轴对称情况下的动力反应问题；最后利用所编程序对水平自由场地的饱和沙层在基岩加速度作用下的动力响应问题进行计算分析。通过对孔隙水压力发展时程、加速度响应时程与剪应力响应时程等计算结果的分析比较，初步验证了模型与程序用于实际计算的可行性和可靠性。     

非线性动态系统辨识的神经网络结构和可行性研究

在讨论各种非线性动态系统辨识模型的基础上，给出相应模型的神经网络实现方案，并首次提出了实现非线性动态系统的回归状态模型的新型神经网络结构－神经网络状态空间辨识模型，从理论上证明了使用神经网络实现这些模型的可行性。     

一种基于智能神经网络的入侵检测新方法

提出了一个基于智能神经网络的网络入侵检测新方法. 该方法首先建立功能单一、结构简单、易于构造的小型神经网络来完成单一的网络入侵检测任务,然后将多个训练好的、能够检测多种多样网络攻击的小型神经网络组合成一个大型智能神经网络. 实验采用DARPA 1998入侵检测评估数据库,使用MATLAB软件完成相关仿真实验. 实验结果真实有效.     

回复式离散神经网络的特征子空间估值

提出了用两种回复式离散神经网络模型研究正定对称矩阵的特征子空间估值问题:第1种模型是非线性神经网络,用于计算最大特征值及其特征向量;第2种模型属于线性神经网络,用于计算相应于最大特征值的特征子空间。详细研究了两种离散神经回路网络模型的动力学性质并用于特征子空间估值。     

聚类神经网络的通用设计方法

基于神经网络的聚类算法通过其并行计算能力可以提高聚类速度．现有的聚类神经网络只能处理特定分布的数据聚类，网络缺乏通用性．文中分析了基于ＡＶＱ的聚类和Ｃ－均值聚类的等效关系，提出了一种通用的聚类神经网络设计方法．它适用于各种数据分布的聚类问题     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

智能神经网络在乐器音调识别中的应用

基于智能神经网络的理论，提出了一种乐器音调识别的方法。首先通过小波变换提取音调的特征值，然后训练了若干能够识别某一音调的小网，最后联合所有小网络组成大的智能神经网络以识别所有音调。本试验中对单音的音调识别率为97．90％。     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

高阶联想网络的容量分析

分析了高阶联想神经网络如高阶Ｈｏｐｆｉｅｌｄ神经网络、高阶双向联想网络、分形神经网络、神经网络环及多向联想神经网络的存储容量，并给出了容量与阶数Ｋ和样本向量的概率之间的关系式。理论分析表明高阶神经网络的容量比常规的神经网络的容量要高许多。     

人工神经网络用于采煤机故障诊断系统初探

分析了典型的有导师监督模型ＢＰ网络、无导师监督模型ＡＲＴ网络的工作过程，探讨了将这两种神经网络应用于采煤机故障诊断的可能性