无网格法在材料力学求解中的运用

采用径向基函数,求解了不同节点分布情况下无网络方法的形函数,并对函数的紧支性和Delta函数性质进行了分析,通过几个典型的算例,验证了该方法的有效性与精确性,为材料力学的求解扩展了新的思路。     

基于K-L变换和径向基函数神经网络的滚动轴承故障模式的识别

径向基函数(RBF)神经络是一种三层前馈型神经网络,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点,在对滚动轴承振动信号故障特征分析的基础上,应用K-L变换将所测取的振动相关特征矢量转化为独立的特征矢量,利用其主特征值建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性,且具有较高的识别精度。     

基于RBF的可靠性工作项目风险综合评价方法研究

利用径向基神经网络优秀的函数逼近和空间插值能力,提出基于径向基神经网络的可靠性工作项目风险综合评价模型。在对原始数据进行“效益型”归一化处理的基础上,采用三层径向基神经网络,利用遍历法得到隐层节点数,进行径向基神经网络的创建与训练,用来进行可靠性工作项目风险的仿真评价。实例表明,该方法具有很好的评价效果。     

基于数据驱动方法的污水源热泵故障诊断研究

利用反向神经网络(BP)构建污水源热泵机组故障诊断模型,并通过粒子群算法(PSO)优化BP神经网络的权值和阈值。以陕西省某大型污水源热泵集中供暖系统为研究对象,采集2017～2018年冬季供暖期间机组的蒸发器,冷凝器,压缩机的压力、温度等工况数据作为训练测试样本,其神经网络的结构以12种故障特征向量作输入端,4种诊断结果作输出端,隐含层根据kolmogorov定理确定为25个,从而建立故障诊断模型,并分析其性能。实验结果表明:经过PSO优化后的BP神经网络故障诊断模型训练迭代次数降低了24.45%,诊断准确率提高了12%,性能优化显著。     

径向基函数配点法分析三维功能梯度材料板的静力和动力问题

传统配点法在求解动力学问题时会存在误差随时间累积的问题,而无网格径向基函数配点法在全域内采用具有无限连续性的径向基函数作为近似函数,结合配点法构建方程,通过最小二乘法进行求解。无网格径向基函数配点法不仅在数值计算过程中不需要任何网格,是真正的无网格法,而且易于离散,精度高,不需要积分,计算效率高;径向基函数的近似函数仅与距中心点的距离有关,非常适宜于求解三维问题。对于这种方法,本文先离散空间域,然后再离散时间域,并在每一时间步内施加边界条件,来分析三维功能梯度材料板的静力和动力问题,据此可解决传统配点方法在求解动力问题时误差随时间累积的问题。数值分析表明,材料性能呈梯度分布会导致其力学性能在梯度方向呈现非线性变化,不同的梯度分布模式会导致力学性能非线性变化的幅度不同。     

基于径向基函数无网格配点法求解泊松方程

将径向基函数无网格配点法用于求解泊松方程，此方法无需背景积分网格，是一种真正的无网格法。采用三种不同的径向基函数来求解，讨论了形参取值对求解精度的影响，收敛性也得到了证明，编制相应的计算机程序进行计算，结果精度令人满意。     

基于小波神经网络对城市供水管网压力的预测

为了对城市供水管网的压力进行更准确的预测,提出了运用小波神经网络的方法,对供水管网压力进行预测。该方法以BP神经网络为基础,用小波基函数取代了BP神经网络的隐含层函数,并对其进行了优化,并用该方法进行模拟仿真。结果表明,小波神经网络比BP神经网络更能准确预测水压值,最大误差为4.39%,最小误差为0.31%。该方法具有更强的学习性能、精确度及容错能力,在水压预测中有更实用的价值。     

深基坑开挖位移多点监测模型及径向基函数神经网络计算中心的FCM确定

为建立合理的基坑多测点位移监测模型,采用径向基函数神经网络(RBF)为基本框架,从位移力学机制选择网络输入层,以相关联的多个测点位移为输出层,发挥RBF网络非线性映射功能的同时,根据基坑的开挖进展和位移特征,采用有针对性的预选RBF计算中心与模糊C均值聚类(FCM)算法,共同确定计算中心。实例表明,该计算方法更具合理性,且能获得理想的训练和预测效果。     

小波神经网络在水库流量预测中的应用

针对河南省某水库监测点实测的1991~2013年每月的平均流量样本进行归一化处理作为训练样本,构建了使用Morlet、Mexican hat以及高斯一阶导数小波基函数小波神经网络的预测模型实现对2014年的月平均流量的预测,并通过均方误差(MSE)和平均绝对误差(MAE)两项指标对每种网络的预测结果进行评价,从而选择较好的小波基函数作为小波神经网络的隐含层传递函数。研究表明,采用Morlet小波作为神经网络的隐含层基函数对该水库的月平均流量的预测效果要好于其他两种神经网络。     

建筑物沉降的非等间隔GM(1,1)模型的建立与改进

根据灰色系统建模思想建立了建筑物沉降的非等间隔GM(1,1)模型,并分析了该模型的缺陷,即背景值构造和初始值确定的不足,建立了加权背景值和具有修正项的初始值,背景值权值和初始值修正项采用具有全局寻优能力的模式搜索法求解,实例应用结果证明改进后的模型提高了预测精度。