离心力作用下流体在矩形微通道中的瞬态流动特性

为预测离心力作用下单位时间内流体在矩形微通道中的流动位移,对离心力作用下流体在矩形微通道中的流动机理进行理论分析.基于N-S方程建立了微流体的瞬态流动模型,得到矩形微通道内流体的压力分布、速度分布及其流动前端的位移变化规律,并对所建立的瞬态流动模型进行仿真分析,在仿真结果的基础上分析截面尺寸以及转速对流体的流动位移和横向速度的影响.结果表明,所建立的瞬态流动模型的计算结果与其仿真结果较吻合,能够较好地预测离心力作用下流体在矩形微通道中的位移变化规律.     

基于刀触点路径截面线法的不规则曲面锯切加工算法研究

为获得更高的不规则曲面加工效率,研究了一种基于刀触点路径截面线法的锯切加工算法.该算法在点云数据的基础上,通过截交面产生截交线;通过调整锯片直径、步长满足截面线最小曲率要求,拟合产生刀触点路径,计算刀位点路径.仿真实验表明,加工效率可提高4倍左右;而在实际加工实验中加工效率提高了5倍.3D-Z轴定向模型分析表明,实际加工模型最大偏差4.005mm,平均偏差0.929mm,模型中不存在过切区域,满足工业生产要求,但存在一定量的欠切区域.研究结果为后续研究奠定了良好基础.     

颗粒阻尼线性离散元模型参数的选取方法

为了研究不同形式颗粒阻尼的减振特性及其在旋转条件下的阻尼效果,建立颗粒阻尼的线性离散元模型,提出了一种颗粒接触线性模型的参数选取方法。根据Hertz接触非线性模型,假设颗粒相对运动在达到屈服极限时,Hertz接触模型接触力所做的功和线性模型接触力所做的功相等,对颗粒接触的力和位移的关系进行了线性化处理;利用离散元法对重力场下不同材料的非阻塞性颗粒阻尼(NOPD)、柔性约束颗粒阻尼和旋转条件下的NOPD进行建模;根据颗粒材料的屈服强度、泊松比、弹性模量等物理属性确定了仿真计算的相关接触参数。与实验确定颗粒接触参数的方法相比,所提方法适用范围更广。数值计算结果与实验结果在趋势和数值上吻合得较好,为颗粒阻尼的进一步研究奠定了基础。     

基于BP神经网络的水中双爆源爆炸冲击波峰值压力预测模型研究

为了获得水中等质量两爆源同步爆炸时冲击波耦合中心的峰值压力计算模型,利用Autodyn计算得到不同药量和爆距下的峰值压力数据.一方面根据量纲分析确定的函数形式拟合数据从而获得峰值压力的计算公式;另一方面对药量、爆距及峰值压力三类数据进行对数变换和归一化,并将其分为训练集和测试集,然后将训练集代入BP神经网络进行训练,得到结构相对简单、均方误差最小的BP神经网络预测模型.结果表明：公式计算结果和BP神经网络模型计算得到的峰值压力与实际值吻合较好,公式计算值与实际值的平均相对误差为1.08%,BP神经网络预测值与实际值的平均相对误差为0.52%,与公式计算相比,BP神经网络能够以更少的数据样本容量实现更高的精度预测.     

基于BP神经网络的优势通道定量计算方法

目前优势通道参数的定量计算方法非常少.为此,借助典型井的优势通道参数定量解释结果,提出了一种利用BP神经网络模型定量计算优势通道参数的方法.从优势通道形成诱因及优势通道形成后的动态响应特征出发,选取优势通道控制因素作为BP神经网络的输入层,典型井的优势通道参数的定量解释结果作为BP神经网络的输出层,通过训练学习建立优势通道参数与控制因素相关的定量计算方法.结果表明,训练后的BP神经网络模型能准确计算优势通道的参数,计算结果与实际监测值误差不到10%,可以为调剖堵水等措施的实施提供技术支持,具有一定的矿场应用价值.     

基于相似理论的车身底部防护仿真分析研究

传统arbitrary lagrange—Eulerian(ALE)算法模型大、耗时长。为了解决这些问题,提出了一种改进算法。利用仿真软件LS-DYNA,采用ALE算法和试验数据相对比,验证缩放前模型的仿真准确性;然后根据缩放理论,等比例缩小整车模型和炸药当量,同样用ALE算法对车身底部在爆炸冲击波作用下的动态响应进行仿真,得到驾驶室底板的位移和速度曲线。最后将仿真结果与原模型仿真值和理论计算值进行对比。结果表明:运用相似理论对驾驶室进行仿真所得结果与理论结果吻合较好,可应用于爆炸冲击波对车身底板的防护仿真研究中。     

基于遗传算法的BP网络在机车滚动轴承故障诊断中的应用

提出一种遗传算法（GA）和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。在铁路机车滚动轴承诊断方面,利用MATLAB仿真实验结果表明,遗传算法与BP算法结合的模型诊断精度为100%,标准BP算法的模型诊断进度为80%,并且提高了网络的收敛速度。说明GA—BP算法模型诊断精度较高,诊断能力得到了改进,遗传算法与BP算法的结合算法可行有效。     

基于层次分析与BP神经网络的电梯安全评价模型

为高效评价在用电梯运行状态的安全性,提出基于层次分析法和BP神经网络的电梯安全评价模型。通过层次分析法建立电梯系统安全评价指标体系,采用BP神经网络构建电梯系统安全评价模型;通过改进粒子群算法和改进BP算法分别优化、训练BP神经网络;最后进行仿真验证。仿真结果表明,经过改进粒子群算法优化的BP神经网络模型训练速度最快,训练时间比BP算法快8.45 s,比粒子群算法快5.17 s;评价准确度最高,达92.3%,分别比BP算法和粒子群算法提到了11.7%、6.8%;而训练误差最小,仅为0.020 6。     

基于自适应神经模糊Petri网的电机故障诊断

为了提高电机的维护效率,实现电机实时故障诊断功能,基于传统Petri网理论、模糊理论和神经网络算法,提出了一种具有自适应性的神经模糊Petri网故障诊断方法。首先,利用高斯函数代替变迁可信度,解决故障传递不确定性的问题,结合BP神经网络对参数进行适应性训练。然后,根据Petri理论,引入竞争算子对矩阵推理方式进行改进,结合Sigmoid函数,提高了算法的计算效率。最后,以三相异步电动机为例,根据三相异步电动机的故障运行机理和故障特性,建立系统模型并进行故障诊断。仿真结果表明,该算法能准确地诊断出三相异步电动机的故障,具有较好的准确性和适应性。     

微通道内流的微尺度粒子图像测速技术实验研究

采用微流动粒子图像测速技术Micro-PIV对0.4~0.8 mm的方形截面微通道流场进行了研究.实验选取3μm的荧光染色微球作为示踪粒子,使用532 nm激光、12位灰阶电荷耦合器件(CCD)相机及10倍显微物镜得到粒子图像.通过背景噪声处理技术提高了图像信噪比,并采用系综相关及回归算法得到了微通道截面的速度分布,测量的空间分辨率达到23.68μm×23.68μm×15.64μm.为了消除壁面随机粗糙分布的影响,采用沿流向进行空间平均方法得到了充分发展的方形截面微通道速度分布.将测量结果与方形截面理论幂函数速度廓线进行比较发现:微通道近壁区流场受到扰动的强弱和流道尺寸直接相关,除近壁区外的大部分区域速度分布与矩形截面流道理论速度分布符合良好.     

基于分层遗传算法的BP神经网络学习算法

针对BP算法局部搜索能力强,而分层遗传算法全局搜索优势突出的特点,结合二者优势构造了一种分层遗传算法与BP算法相结合的前馈神经网络学习算法．将分层遗传算法引入到前馈神经网络权值和阈值的早期训练中,再用BP算法对前期训练所得性能较优的网络权值、阈值进行二次训练得到最终结果．仿真结果表明,该混合学习算法能够较快地收敛到全局最优解,优于BP算法、分层遗传算法,具有一定的实用价值．     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

神经网络算法在特色农产品品质分类中的应用

针对新疆核桃品质分类问题,本文选取特征参数数据,采用神经网络的最速下降BP网络算法、自组织竞争算法、概率神经网络算法建立分类模型,做了训练和测试分类的工作.实验结果表明,三种算法中动量BP网络算法在实现中较为简易直观,相比三种算法,其网络收敛速度较慢,在动量因子的合理选取下,误差在一定范围可以达到收敛的最小震荡;自组织竞争网络在预先设定好的类别范围内,可将分布比较密集的样本进行更加细化的聚类分类,使得分类问题达到更优结果;概率神经网络具有较好的网络收敛速度.实验结果可为实现核桃类坚果的自动化分类、提高工作效率提供一定的理论依据.     

一种改进的模糊调节神经网络及其应用

针对具有相同激励函数的隐层神经元非线性表达能力较差的情况,提出了一种改进的模糊调节神经网络,并利用遗传算法进行训练。该模糊调节神经网络包括模糊神经网络和三层前馈神经网络2部分,通过模糊神经网络间接调整前馈神经网络隐层激励函数参数,并用遗传算法同时对模糊调节神经网络的权值和模糊神经网络参数进行训练,从而增强了网络的表达能力。将模糊调节神经网络用于非线性量化因子模糊控制器参数的整定仿真结果表明,改进的神经网络比传统的神经网络拥有更大的自由度,具有更强的非线性表现能力,从而使非线性量化因子模糊控制系统具有更好的控制性能。     

基于BP神经网络的啤酒瓶口检测方法

运用BP神经网络可以实现啤酒瓶口的破损检测.首先获取啤酒瓶口图像,并进行图像处理.然后计算啤酒瓶口的周长、面积、圆形度和相对圆心距离4种特征参数,由这4种特征参数构成特征向量组.其次建立结构为4-7-1的BP神经网络模型,将特征向量组作为神经网络的输入.最后对啤酒瓶口破损情况进行训练,根据训练结果获得权值和阈值矩阵,通过逻辑转换关系获得啤酒瓶口的破损情况.经实验验证该方法具有很好的准确度和检测效率.     

BP神经网络在连续梁桥施工监控中的应用

为了实现大跨度连续梁桥施工过程中立模标高快速、准确地确定,基于BP神经网络能逼近任意的函数与自适应算法结合的特点,将其运用到连续梁桥施工控制的标高预测中.通过有限元软件建立桥梁模型,结合参数的影响的分析,运用BP神经网络原理,根据实测值与理论值的对比分析结果来确定挠度预测的输入向量和目标向量,建立大桥高程偏差的神经网络模型.利用MATLAB程序的神经网络模型,完成对样本矢量的输入及对桥梁施工控制的网络训练,预测出下一阶段的标高值,以此反复进行,有利于立模标高更快更精确的确定,最终使桥梁的线形和设计线形达到很好的吻合.     

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期，探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法，即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务．同时，提出一种改进的前向反馈神经网络(BP算法)，在训练过程中，学习率和动量项依据输出的均方差自适应调整，来加快网络训练速度和改善收敛性．采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计，结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一，同时也验证了该方法的有效性和可行的。     

用BP神经网络对气流床粉煤气化炉的预测

利用3层BP神经网络对气流床粉煤气化炉进行模拟研究.以Gibbs自由能最小化方法建立粉煤气化炉数学模型的模拟结果作为BP神经网络训练数据,训练后的BP神经网络模型对模拟数据的预测准确度较好.以Shell粉煤气化炉和国内首套粉煤加压气化中试装置上的实际生产数据作为BP神经网络的训练数据,训练后的BP神经网络模型能预测实际生产数据.     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于PSO-GA-BP神经网络的视觉伺服控制系统

传统的基于图像视觉伺服控制需要计算雅可比矩阵和解雅克比矩阵的逆,其结构复杂、计算量大且系统 的实时性不够理想。基于粒子群遗传算法优化的 BP(Back Propagation)神经网络(PSO-GA-BP: Particle Swarm Optimization-Genetic Algorithm-BP)通过学习图像特征空间到机器人运动空间的映射关系,实现了“眼在手上”的 机器人视觉伺服控制,通过优化 BP 神经网络的权值和阈值,防止了其训练时间长、收敛速度慢等弊端。实验 结果表明,优化后的算法运算效率较高,所设计的控制器能使机器人末端执行器在更短的时间内达到预期位 置,图像特征点运动位置的实际值与期望值平均误差约为 2 个像素,具有良好的收敛速度和控制精度。相关结 论可为机器人视觉伺服控制提供优化依据,提高算法的应用性能。