蜂窝结构等效电磁模型的比较与改进

蜂窝结构是吸波材料中广泛使用的一种结构,但其复杂的几何结构给其电磁特性分析与设计带来了一定的困难.采用强扰动理论和变分法的两种等效模型与实验结果进行对比,分析了两种模型中横向等效电磁参数的对称性与实验结果中的非对称性方面存在的显著差异,并通过引入代表蜂窝结构横向非对称性参数的方法对等效电磁模型进行了改进.数值仿真表明,在使用等效电磁模型来描述蜂窝结构时,变分模型要优于强扰动模型,而改进模型不仅使得两种等效电磁模型都能够反映出蜂窝结构横向电磁参数的非对称性,而且能够在一定程度上提高等效电磁模型的准确性.     

基于角点检测的铝蜂窝芯层拉伸力学性能研究

铝蜂窝夹芯结构材料在航空航天和建筑等领域已被大量采用,发挥着重要作用.材料中的蜂窝芯层,是空心区域占绝大部分的六边形结构.针对该特殊结构对传统电测法不易贴片的限制,首次采用CCD拍摄的数字图像测量方法,对铝蜂窝芯层进行了拉伸试验研究.试验得到了铝蜂窝芯层在整个过程中力-位移的拉伸曲线,用角点检测法得到了拉伸线弹性范围的弹性模量和泊松比,和基于Y模型的蜂窝芯层等效模型理论计算值做了比较,为研究蜂窝夹芯结构整体的力学性能和结构设计提供了参考依据.     

基于相图几何特征的夹芯梁蒙皮裂纹识别方法

通过分析主共振发生时,含蒙皮呼吸裂纹与无裂纹的金字塔型点阵夹芯梁的相图几何特征,提出一种基于相图几何特征的裂纹参数识别方法.首先,采用"像素法"计算相图面积,利用定义的"准标准差公式"描述含裂纹夹芯梁相图面积的相对变化量,并定义相图面积参量为含裂纹与无裂纹相图面积之差和准标准差的比值,分析了该相图面积参量随裂纹位置和裂...     

利用神经网络预测Flory-Huggins作用参数

以理论溶剂化变色参数来定量表达有机分子结构 ,探讨 42个有机探针分子的结构及其与聚合物相互作用的Flory Huggins参数 χ12 之间的定量关系。采用改进的神经网络方法进行建模和预测 ,并与基于理论线性溶解能关系的结果进行了比较 ,结果表明神经网络预测结果优于理论线性溶解能关系的结果     

基于Hopfield神经网络的线性系统参数辨识

基于Ｈｏｐｆｉｅｌｄ神经网络的优化计算原理,提出了一种新的线性系统参数辨识方法,利用连续型ＨＮＮ辨识线性系统Ｉ／Ｏ差分方程计算系统的传递函数矩阵,最终获得了可观标准型的状态空间表达式,仿真结果证明了这种只方法的有效性。     

金字塔型点阵夹芯梁振动特性分析

研究了金字塔芯层点阵夹芯梁的自由振动和非线性受迫振动特性.基于折线理论推导出两端简支金字塔型点阵夹芯梁的非线性动力学方程.计算点阵夹芯梁固有频率并进行了验证.分析了杆件半径、杆件倾斜角度和芯层高度对点阵夹芯梁固有频率的影响.研究了点阵夹芯梁在不同激励幅值和不同结构参数下的非线性幅频响应特性.结果表明,随着各结构参数的增大,夹芯梁的固有频率均呈先增大后减小的变化规律,并且芯层结构参数对点阵夹芯梁的非线性响应存在复杂影响.     

基于BP神经网络的储层参数计算

本文提出了采用人工神经网络对油藏描述中的储层参数进行计算的方法 ,对 BP神经网络的算法进行了改进 ,提高了网络的收敛速度 ,在应用中取得了良好的效果。对神经网络技术在油藏描述中的应用进行了有益的尝试。     

基于混合神经网络与遗传算法方法的注塑参数优化

建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统,用Matlab语言编制了应用程序,对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析,显示出BP网络的稳定性和可靠性;优化结果经CAE模拟和实验验证,证明是正确的,表明基于混合神经网络与遗传算法方法的注塑工艺参数优化方法是可行的。     

六边形蜂窝夹层板的参数化有限元建模方法

针对几何建模、边界条件定义和网格划分等需求,提出了一种六边形蜂窝夹层板的参数化有限元建模方法.首先定义节点位置与蜂格几何参数之间的数学公式,通过数学公式严格定义特征平面与节点编号之间的拓扑关系,建立方向一致向外的上、下平面;然后采用映射法将上、下平面分割为相应的特征平面,并生成三边形结构化网格.基于该方法,建立了多功能结构加工样件8个设计方案的六边形蜂窝夹层板的有限元模型.最后通过分析最大应力和最大变形确定4#和8#方案为可行方案.其中8#方案被航天单位采用,实现了多功能结构加工样件的成型,初步证明文中方法的有效性,并为多功能结构的参数优化奠定了基础.     

多夹心层蜂窝板动力学特性分析与仿真

蜂窝夹层板广泛的应用在航空航天领域，蜂窝夹层板的动力学特性分析是一重要的课题。由于蜂窝板是一种结构型材料，无法直接给定其物理参数，因此该文首先研究了蜂窝板的三明治等效模型，应用该等效模型对蜂窝板夹芯进等效计算，得到了等效物理参数。利用这些参数建立了多夹心层蜂窝板的有限元模型，完成了不同算例在不同边界条件下的振动仿真，得到了各阶模态频率和振型的可视化仿真结果。将仿真结果与解析解对比说明，等效模型是合理的，且能很方便地处理多夹心层蜂窝板，可进一步推广至其他多夹心层蜂窝板结构的分析当中。     

基于人工神经网络的注塑参数模拟预测系统

将CAE模拟与神经网络技术相结合,在Matlab环境下建立了注塑工艺参数模拟预测系统。将系统预测结果与模拟及实验验证结果进行比较和误差分析,显示出系统的稳定性和可靠性,表明了该系统具有工程实用价值。     

改进神经网络对机场刚性道面损伤参数的识别

机场道面使用性状对于飞机安全起降具有重要意义。由于路面有损伤,要求在实际工程中快速识别机场刚性道面性状,但传统解析法缺乏快速有效性。为了提高识别的快速性,提出采用主成分分析(PCA)的神经网络理论自动识别系统的检测方法,通过ANSYS仿真对损伤参数进行研究,确定神经网络输入参数,对采用人工神经网络进行道面性状检测的网络形式与训练函数的选择等问题进行讨论,并考虑实际检测过程中噪声的影响,最终建立PCA—BP神经网络。经过仿真验证,PCA—BP神经网络在一定噪声影响的情况下的检测结果可靠适用,可用于实际工程,证明提出的方法也为刚性道面理论研究提供了新的思路。     

基于人工神经网络的软件失效预测模型研究

在软件开发的早期预测有失效倾向的软件模块,能够极大的提高软件的质量。软件失效预测中的一个普遍的问题是数据中存在噪声,而神经网络具有鲁棒性并对噪声有很强的抑制能力。该文介绍了一种基于人工神经网络的软件失效预测模型,给出了基于反向传播算法的多层前向网络的网络结构。用这种方法对朗讯光网络有限公司开发的SDH通信软件进行了分析,并得到了较高的预测准确率。通过采集通信软件的不同发布版本的测试历史数据,讨论了训练集数据的选择与预测精度之间的关系。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

基于人工神经网络的瓦斯涌出量预测

由于影响瓦斯涌出量的因素很多并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测,神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等特性,适合对瓦斯涌出量进行建模,针对对波动性较大的数据预测结果不理想的问题,在对监测数据分析的基础上,提出了用数据预处理的方法弱化数据波动性,然后进行神经网络建模的瓦斯涌出量预测模型,试验证明取得到了比较理想的结果。     

基于神经网络的一种图象细化方法

提出了一种新的细化算法,它利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明这种方法具有速度快,省空间的优点。     

基于WEB的人工神经网络材料设计系统

开发了一个基于WEB的人工神经网络材料设计系统。该系统用DelphiMIDAS技术结合ActiveX技术实现对数据库的维护;利用MATLAB的WEB技术结合其数据库工具箱和神经网络工具箱编写程序,从材料数据库中获得数据进行神经网络计算,并将结果通过WEB服务器返回给浏览器。     

基于模糊神经网络的人工鱼虚拟味觉系统研究

本文设计了在智能虚拟环境下人工鱼的一种虚拟味觉系统.利用模糊神经网络实现了鱼儿对食物的学习记忆算法.模糊神经网络由于同时具备了模糊逻辑对规则的表达能力以及神经网络的学习能力,非常适合解决虚拟环境中味觉的信号识别问题,经实验验证是切实可行的.基于模糊神经网络的味觉系统的研究和实现为人工鱼多感知融合系统提供了基础.     

基于ANN的非线性系统GPC算法及仿真研究

将神经网络（ANN）技术应用于常规GPC算法,设计了基于ANN的非线性系统GPC结构方案,并对其控制原理和控制算法进行研究,基于ANN高度非线性映射等特性,运用数字仿真方法,对所设计的控制结构方案进行仿真研究,仿真结果显示,基于ANN的非线性系统GPC结构方案合理可行,并取得了满意的控制效果．     

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。