双酚A型聚碳酸酯形变行为的MD模拟

采用分子动力学方法(MD),计算了双酚A型聚碳酸酯的应力应/变关系、能量/应变关系.研究中采用了COMPASS力场和NPT系综.应力-应变曲线的研究结果显示,应变εXX≤0.05为"弹性区域",在这一区域,应力-应变有很好的线性关系.在εXX=0.14处出现"屈服点",经过"屈服点",在0.15<εXX<1.0的区域出现应力脉动,应变εXX>1.0后发生了应变硬化.能量-应力关系的研究结果显示,在应力-应变呈线性关系的"弹性区域",体系的总势能及各势能分量随应变增大发生不规则的波动,在"屈服点"附近,Etot与Ebs的变化均产生突跃性的局部高点,而EVW在"屈服点"附近的变化刚好与前两者相反;当体系在经历"屈服区域"时,随着应变的增加,各能量项并不发生明显的变化;当体系处于"应变硬化"阶段时,Etot、Ebs和Ebe会随着应变的增大而继续增大.在整个拉伸过程中,Eto均没有发生明显的变化.对拉伸过程的分子链快照进行分析发现,材料在εXX≤0.16时发生均匀的形变,并维持初始的链结构,同时伴随了一些空穴的生成,在εXX>0.6时,可以清楚地看到密度变得不均匀.在εXX>1.0的应变硬化的初始阶段,新的网络结构生成了,长的直链与缠绕链形成的团簇相连.     

原子模型分析无定型聚合物在单轴拉伸下的机械行为

用原子模型法研究双酚-A-聚碳酸酯无定型态聚合物在单轴拉伸下的机械行为.材料密度、x-ray散射、应力-应变曲线等计算结果与实验数据吻合,证实模型结构正确,力场选择合理.拉伸模拟中构象变化的苯环、碳原子和亚异丙基基团的运动一目了然.能量分析表明,二面角扭转能和VDW相互作用能在拉伸形变中,扮演了比较重要的角色.     

预制裂纹砂岩样力学特性与能量演化规律研究

目前单条和多条预制裂纹岩样的强度与裂纹扩展规律的研究主要针对小尺度预制裂纹岩样,而在实际工程实践中岩体地质构造尺度与产状均较大,相较于完整岩体,其受采动影响后的破碎程度与动力灾害发生的可能性均较大。针对该问题,开展了完整细砂岩岩样及预制大尺度裂纹岩样的单轴压缩试验。在分析完整岩样及预制裂纹岩样基本力学性质的基础上,获取了岩样应力-应变峰前各能量指标(总应变能、弹性应变能及耗散应变能)演化机制,揭示了岩样变形破坏全过程中预制裂纹倾角对能量密度的影响。研究结果表明:(1)随着预制裂纹倾角增大,岩样的峰值强度与峰值应变均减小,岩样由拉伸劈裂破坏向剪切滑移破坏转变;(2)对应岩样应力-应变的弹性阶段与塑性阶段,预制裂纹岩样分别出现了加速储能期与急剧耗能期,且随着预制裂纹倾角增大,岩样耗散应变能占比与盈余应变能占比均增大,说明岩样发生动力弹射破坏能力增强,岩样破碎,而完整岩样能量演化较为平缓。由研究结果指出,在实际工程中,当揭露大尺度、大倾角缺陷(断层、节理等地质构造)时,不仅要防治缺陷周边岩体的破碎,还要时刻监测缺陷周边的能量变化,降低岩体结构性冲击危险性。     

圆筒受限高分子链的Monte Carlo模拟

高分子链的构象性质是高分子研究中的重要研究对象.当高分子链受限于各种微腔中时,链的构象熵与微腔的形状和体积有十分密切的关系.平面壁限制条件下的高分子构象研究极多,然而在考虑高分子链穿越半径很小的纳米管时,有必要将微腔视为细长管道,而不是平面壁,因此约束在软管中的高分子链在近几年中得到了更多的重视.现有文献中主要讨论构象和能量与约束半径R 之间的关系,没有考虑温度 T 的影响.本文采用自避行走(SAW)为模型链,利用硬球链模型模拟高分子链在无限长圆筒受限条件下的结构.模型由弹性链连接的硬球构成,球与球之间通过弹性势能函数相互作用,利用标准的 Metropolis算法,通过Monte Carlo 模拟,改变约束半径 R 和与绝对温度 T 成反比例关系的相关系数 K,分别计算了高分子链的平均回转半径,平均末端距,平均弹性势能,能量均方涨落,能量相对涨落与 R、T 的关系.结果表明,圆筒受限高分子链的构像主要取决于 R,在 R 小于某个临界值时高分子链受到明显的约束作用,当 R 超过临界值时高分子链变为无扰链.温度 T 并不明显地影响受限高分子链的构象.能量性质在 R 较小时主要取决于 R,但 R 为临界受限值附近时,能量性质受 T 影响明显,容易出现能量和涨落的状态突变.     

基于SEBS/纳米炭黑复合膜的电阻式应变传感材料制备及其性能研究

以热塑性弹性体苯乙烯/乙烯/丁烯-苯乙烯(SEBS)和炭黑纳米颗粒为原料,采用熔融共混-模压成型法制备了SEBS/纳米炭黑复合电阻式应变传感膜.实验中,研究了该薄膜的力学性能及其电阻应变的传感性能.力学测试表明,该复合应变传感膜具有优异的弹性力学特性,断裂伸长率达410.8%,断裂强度达2.5 MPa,经1000次循环拉伸后,其形变率仅为3.0%.应变传感测试显示,随着复合膜拉伸倍率增大其电阻变化呈线性提高,并且动态拉伸电阻变化速率高于静态条件下的电阻变化速率.该复合应变传感膜应用于人体胳膊弯曲试验显示,可较为精准的记录胳膊弯曲量和弯曲次数,进而得知人体的运动活动量,在健身和康复等领域有重要的潜在应用价值.     

基于超细长弹性杆模型的斜拉索静力构形分析

以超细长弹性杆模型研究了斜拉索自重和可拉伸情形下的静态位形.建立了斜拉索一般意义下的超细长弹性杆平衡方程,分三种情况讨论了其平衡位形对应的挠性线、索力及索长.(1)忽略抗弯刚度时,其退化为仅考虑弹性拉伸时斜拉索的平衡方程,此时求得其挠性线方程与已有结论一致;(2)忽略弹性拉伸时,其退化为仅考虑抗弯刚度时斜拉索的平衡方程,求得其挠性线方程比忽略抗弯刚度时的结论多一项一阶修正项;(3)同时考虑弹性拉伸和抗弯刚度情形时,求得其近似挠性线方程.以苏通大桥和某实验室斜拉索为例,分别计算了以上三种不同情形下的斜拉索的静力参数,并分析了在不同索长和索力情况下抗弯刚度和弹性拉伸对斜拉索几何构形的影响.     

水上行走机器人支撑腿的设计与布局

研究了水上行走机器人支撑腿形状设计与布局问题.首先将支撑腿视为欧拉-伯努利弹性曲梁,通过对其柔性变形的几何分析与应力应变分析,提出了-种支撑腿形状优化设计方法,方法的目标是获得最大支撑力.对方法的正确性和有效性进行了仿真和实验验证.其次通过分析支撑腿间距对支撑力的影响,以及支撑腿布局与机器人抗翻转能力的关系,提出了支撑...     

带转换层商住楼的地震输入能仿真研究

研究地震问题,针对商住楼住宅结构地震时易产生应力突变问题,为提高抗震能力,对带转换层的商住楼在地震作用下的输入能进行研究.传统方法将多自由度模型简化为第一振型等效的单自由度系统再计算输入能,但商住楼模型精度不够.根据振型分解法导出了弹性多自由度系统与弹性单自由度系统地震输入能之间的关系,并采用直接积分法推导出了结构各层的输入能量,并进行仿真.结果表明,弹性多自由度系统的地震总输入能可以由所有振型的地震输入能线性叠加得到.通过对转换层模型进行分析发现结构总输入能可以由前几阶振型输入能叠加得到,且精度较高,明确地震输入能量会在转换层发生聚集,各层能量分析更准确,可为设计提供参考.     

基于Abaqus子程序的高分子材料本构关系实现

对于高分子材料的仿真,业界一般使用经典的弹塑性本构模型来描述其应力-应变关系,但其真实的应力-应变关系与经典的弹塑性本构模型存在一定差异,从而导致仿真与实际测试之间的差异.Abaqus提供UMAT/VUMAT子程序接口,让用户可以自己构建新的材料本构模型.通过撰写新的材料本构子程序实现高分子材料应力-应变关系在仿真中的准确描述,减少仿真与测试之间的差异.同时,在卸载段可以通过卸载标志符的选择定义不同的卸载路径,方便用户使用.     

基于压电晶体传感器的椭圆损伤定位算法

压电晶体传感器作为激励部件可以在结构中产生高频弹性应力波,其同裂纹等局部损伤发生相互作用将产生波动的能量耗散、波形反射以及波形干涉等现象.利用附在金属板上的压电激励器在结构产生的高频弹性应力波,并通过嵌入或附着在结构中的压电传感器进行接收,提出了一种基于TDOA模型的椭圆损伤定位算法.利用该算法可以获得损伤部位坐标的显式表达式,并能够对损伤区域的大小做出估计.仿真计算结果和实验证明该算法能够提供实时的"主动"损伤检测手段,同时可以准确快速地对结构中可能存在的损伤进行定位.     

运用线性和非线性的方法预测烷基苯的沸点和摩尔体积(英文)

本文中建立了几个定量的模型预测80个烷基苯的沸点和79个烷基苯的摩尔体积.每个烷基苯的结构用其分子式得到的6个数字编码来描述.把这6个数字编码作为捕述符,运用多元线性回归,多元非线性回归和人工神经网络地方法来分别建立定量构效关系模犁.模型具有很好的预测性.沸点的3个预测模型,RMS偏差都小于9℃,摩尔体积的3个预测模型的RMS偏差都小于6 cm3·mol-1.     

Use of artificial neural networks to predict the gas chromatographic retention index data of alkylbenzenes on carbowax-20M

Quantitative structure-activity relationships (QSARs) quantify the connection between the structure and properties of molecules and allow the prediction of properties from structural parameters. Models of relationships between structure and retention index of alkylbenzenes were constructed by means of a multilayer neural network using extended delta-bar-delta (EDBD) algorithms. The 165 group data belong to 129 alkylbenzenes at different temperatures on carbowax-20M. We proposed a new method to describe the structure of the alkylbenzene with a simple set of six numeric code depending on its molecular formula. A set of six numbers and the temperature were used as input parameters to predict the retention indices. The performance of different order of structural coding was investigated. The networks' architecture and the learning times were optimized. The optimum ANNs could give excellent prediction results. In addition, the multiple linear regression (MLR) and nonlinear multivariate regression were applied. We have shown in our studies that, based on the structural numeric codes, ANNs give more accurate predictions of retention index data of alkykbenzenes than regression analysis.     

Logistic Model Trees

Tree induction methods and linear models are popular techniques for supervised learning tasks, both for the prediction of nominal classes and numeric values. For predicting numeric quantities, there has been work on combining these two schemes into model trees, i.e. trees that contain linear regression functions at the leaves. In this paper, we present an algorithm that adapts this idea for classification problems, using logistic regression instead of linear regression. We use a stagewise fitting process to construct the logistic regression models that can select relevant attributes in the data in a natural way, and show how this approach can be used to build the logistic regression models at the leaves by incrementally refining those constructed at higher levels in the tree. We compare the performance of our algorithm to several other state-of-the-art learning schemes on 36 benchmark UCI datasets, and show that it produces accurate and compact classifiers.Editor Johannes FürnkranzThis is an extended version of a paper that appeared in the Proceedings of the 14th European Conference on Machine Learning (Landwehr et al., 2003).     

连续超松弛支持向量机回归算法应用研究

支持向量回归问题的研究,对函数拟合(回归逼近)具有重要的理论和应用意义.借鉴分类问题的有效算法,将其推广到回归问题中来,针对用于分类问题的SOR支持向量机有效算法,提出了SORR支持向量回归算法.在若干不同维数的数据集上,对SORR算法、ASVR算法和LibSVM算法进行数值试验,并进行比较分析.数值实验结果表明,SORR算法是有效的,与当前流行的支持向量机回归算法相比,在回归精度和学习速度上都有一定的优势.     

回归算法对软件缺陷个数预测模型性能的影响

针对已有研究在评价软件缺陷个数预测模型性能时没有考虑到软件缺陷数据集存在数据不平衡的问题而采用了评估回归模型的不合适的评价指标的问题,提出以平均缺陷百分比作为评价指标,讨论不同回归算法对软件缺陷个数预测模型性能的影响程度。利用PROMISE提供的6个开源数据集,分析了10个回归算法对软件缺陷个数预测模型预测结果的影响以及各种回归算法之间的差异。研究结果表明：使用不同的回归算法建立的软件缺陷个数预测模型具有不同的预测效果,其中梯度Boosting回归算法和贝叶斯岭回归算法预测效果更好。     

A class of fuzzy clusterwise regression models

In this paper we introduce a class of fuzzy clusterwise regression models with LR fuzzy response variable and numeric explanatory variables, which embodies fuzzy clustering, into a fuzzy regression framework. The model bypasses the heterogeneity problem that could arise in fuzzy regression by subdividing the dataset into homogeneous clusters and performing separate fuzzy regression on each cluster. The integration of the clustering model into the regression framework allows us to simultaneously estimate the regression parameters and the membership degree of each observation to each cluster by optimizing a single objective function. The class of models proposed here includes, as special cases, the fuzzy clusterwise linear regression model and the fuzzy clusterwise polynomial regression model. We also introduce a set of goodness of fit indices to evaluate the fit of the regression model within each cluster as well as in the whole dataset. Finally, we consider some cluster validity criteria that are useful in identifying the “optimal” number of clusters. Several applications are provided in order to illustrate the approach.     

基于支持向量机回归的麻醉药毒性的QSPR研究

采用支持向量机回归(SVR)方法研究了39个麻醉药毒性的定量构效关系,基于留一法交叉验证的结果,模型的相关系数为0.970。结果表明,所建SVR模型的精度高于逆传播人工神经网络(BPANN)、多元线性回归(MLR)和偏最小二乘法(PLS)所得的结果。     

基于核函数的层次判别回归

层次判别回归把分类和回归统一成回归问题，在每个内部节点进行输入和输出空间的双聚类，输入空间的分类子空间可以自动从聚类中获得，再用层次概率分布模型计算判别子空间，构成输入空间由粗到精的概率分布，可以准确而且快速地实现高维数据的检索。该文提出了利用核函数在输入空间先对样本进行核聚类，就能够有效降低非线性分类边界的影响，使得检索结果更加准确。     

Technical Note: Naive Bayes for Regression

Despite its simplicity, the naive Bayes learning scheme performs well on most classification tasks, and is often significantly more accurate than more sophisticated methods. Although the probability estimates that it produces can be inaccurate, it often assigns maximum probability to the correct class. This suggests that its good performance might be restricted to situations where the output is categorical. It is therefore interesting to see how it performs in domains where the predicted value is numeric, because in this case, predictions are more sensitive to inaccurate probability estimates.This paper shows how to apply the naive Bayes methodology to numeric prediction (i.e., regression) tasks by modeling the probability distribution of the target value with kernel density estimators, and compares it to linear regression, locally weighted linear regression, and a method that produces model trees—decision trees with linear regression functions at the leaves. Although we exhibit an artificial dataset for which naive Bayes is the method of choice, on real-world datasets it is almost uniformly worse than locally weighted linear regression and model trees. The comparison with linear regression depends on the error measure: for one measure naive Bayes performs similarly, while for another it is worse. We also show that standard naive Bayes applied to regression problems by discretizing the target value performs similarly badly. We then present empirical evidence that isolates naive Bayes' independence assumption as the culprit for its poor performance in the regression setting. These results indicate that the simplistic statistical assumption that naive Bayes makes is indeed more restrictive for regression than for classification.     

评价回归模型拟合效果的数量化方法

回归模型模拟的效果直接影响其预测结果的精确性,针对残差分析法检验模型似合效果的局限性,采用数量化方法进行检验,不仅综合分析的模拟效果,而且可以直接比较模型间的拟合效果,并为建立拟合效果好的新模型提供了充分的依据。