基于Levenberg—Marquardt算法的应力集中预测

应用应变电测的基本原理及技术，测量所研究试件应力集中附近处的应变值，以神经网络技术为基础，采用单隐层网络结构，以Levenberg-Marquardt算法来训练网络，笔者在收集已有相关资料的基础上，对应力集中处的最大值进行了预测，通过与常用的应力集中预测模型进行数值计算比较，表明该模型预测精度高，可靠性强，模型中所采用的数据预处理方法，大大扩大了模型的应用范围。     

应变电测的灰色建模方法

应力集中是工程实际中影响构件破坏的主要原因之一 ,其研究主要以实验为主 ,但由于种种限制 ,不能直接测得应力集中处的最大应变或应力 ,必须由附近几个点的实验值去推算 ,这就需要提高对实验数据的处理精度 对三种应力集中试件进行应变电测实验 ,并将灰色系统方法理论中的GM(1 ,1 )模型应用于应力集中测试技术的数据处理 ,根据应力集中处附近的应变测试值 ,能方便地求出应力集中处的最大应变 把用灰色预测法所得结果与光弹解的结果相比较两者很相近 ,说明预测精度高 而且该方法使用简便 ,所需实验数据少 ,可以节省大量的人力、财力 ,其实用性较强     

确定应力集中系数的解析应变测量方法

为确定构件应力集中处的应力集中系数,通过对构件简化后进行弹性分析,建立应力集中处的近似应变表达式。由于该表达式是在作了一些简化假设的基础上得到的,反映了应力集中处应力应变的基本变化情况,但不能完全反映实际构件的真实情况。因此可以用它构成应力集中处应变模型的骨架,而模型中的系数则可根据实测数据用最小二乘法等方法确定。这样所得到的应变模型既反映了实际构件各种因素的综合影响,而确定系数所用的实测数据又不需太多。该文对带孔或槽的拉伸试件和带孔的圆轴试件应变测量数据进行了分析计算,结果表明这是一种较实用的方法。     

应力集中的灰色预测方法

以三种不同形式应力集中现象作为研究对象 ,分析讨论了灰色预测方法在应力集中问题上应用的可行性 ,研究了预测模型精度、原始数据分布特点对灰色预测结果准确性的影响 结果表明 ,灰色预测模型可以比较准确地预测出应力集中区域中最大应力点的应变 (或应力 )值 ,并且具有较广的适用性 同时指出了采用灰色预测方法解决应力集中问题时 ,采集原始数据应该遵循的一般原则     

应力集中的灰色预测方法

以三种不同形式应力集中现象作为对象对象,分析讨论了灰色预测方法在应力集中问题上应用的可行性,研究了预测模型精度,原始数据分布特点对灰色预测结果准确性的影响。结果表明,灰色预测模型可以比较准确地预测出应力集中区域中最大应力点的应变值,并且具有较广的适用性。同时指出了采用灰色预测方法解决应力集中问题时,采集原始数据应该遵循的一般原则。     

确定应力集中系数的灰色建模法

将灰色系统理论应用于应力集中测试技术的数据处理，利用ＧＭ（１，１）的直接建模方法，根据应力集中处的应变测试值，能方便地求出应力集中处的最大应变。这为工程上确定应力集中系数提供了一种新的方法。算例表明，该方法简单，且精度较高。     

确定应力集中系数的灰色建模法

将灰色系统理论应用于应力集中测试技术的数据处理，利用ＧＭ（１，１）的直接建模方法，根据应力集中处的应变测试值，能方便地求出应力集中处的最大应变，这为工程上确定应力集中系数提供了一种新的方法，算例表明，该方法简单，且精度较高。     

子模型法在割缝筛管精细分析和优化设计中的应用

在对割缝筛管进行了有限元整体分析的基础上,对割缝处的应力集中区域采用子模型法重新建立模型,得到该区域精确的应力值和应力分布情况.计算表明,整体分析具有一定的有效性,采用子模型技术可以提高整体分析的精确度,最高可达50%;同时,针对应力集中情况,对割缝处进行了局部改进,分析了局部改进对筛管整体强度的影响,为筛管结构进一步优化打下基础,并利用曲线拟合技术,建立了过渡圆弧半径与筛管承载能力的解析简化计算公式,为其工程应用提供了参考.     

基于超弹性模型的牙周膜生物力学响应

牙周膜应力-应变关系表现为指数形式,为了更准确地研究牙周膜的生物力学响应,提出采用指数形式的超弹性应变能函数进行研究.基于连续介质力学理论推导出超弹性模型本构关系,使用人体牙周膜单轴拉伸实验数据并利用最小二乘法对超弹性模型进行参数拟合,同时进行拟合误差分析.结果显示较少参数的Mooney-Rivlin指数模型能更好地拟合实验数据.利用ABAQUS材料子程序UHYPER编制模型的接口程序,通过对拉伸实验情况的模拟计算,验证了开发的模型子程序的有效性.最后,比较分析了正畸力下的超弹性与线弹性牙周膜的生物力学响应.结果表明:应力和应变主要集中在牙周膜牙颈和根尖处,且超弹性牙周膜中部存在局部应力集中;Mooney-Rivlin指数模型能提高牙周膜瞬时弹性响应的预测精度.     

确定应力集中点最大应力值的神经网络算法

提出了利用神经网络,根据应力集中处附近已知的三点应力（或应变值）来确定最大应用的一种方法,建立了一个３－４－１的网络结构,通过对网络的训练建立了应力集中处附近已知的三点应力（或应变值）与最大应力之间的关系,数值结果表明,提出的方法是有效,可靠的。     

PM2.5浓度预测模型的应用

空气中PM2.5浓度问题越来越受到各界的关注。根据PM2.5浓度数据的特征,首先选择ARIMA预测模型进行浓度预测;考虑到BP神经网络易陷入局部最小,而遗传算法具有全局搜索的能力,给出了遗传算法优化的BP神经网络预测模型;为了进一步提高预测精度,引入IOWGA算子,将ARIMA预测模型与遗传算法优化的BP神经网络预测模型相组合,给出了基于IOWGA算子的组合预测模型;最后经过实例仿真分析验证了模型的可行性和有效性,为PM2.5浓度预测提供基础资料。     

基于RBF神经网络的船用柴油机NOx排放的预测

依据4190ZLC-2型船用四冲程增压柴油机实际试验测得的数据,利用MATLAB中的神经网络工具箱,建立了基于径向基函数神经网络（RBF）的柴油机氮氧化物（NOx）排放浓度的预测模型。在预测模型建立过程中选取柴油机油耗率（SFOC）、功率、转速等参数数值作为输入矩阵,柴油机的氮氧化物排放浓度作为输出矩阵。仿真结果表明:该方法预测精度高,可为控制氮氧化物的排放提供依据。     

基于灰色BP神经网络的混凝土连续刚构桥应力预测

为了对混凝土连续刚构桥施工过程中的应力进行控制与预测,保证桥梁施工的安全,根据灰色理论和BP神经网络建立了灰色BP神经网络应力预测模型GNNM（1,1）．以贵阳花溪特大公路刚构桥施工过程实测应力为输入数据,对模型GNNM（1,1）进行训练,得到了应力预测值．该预测值与检验值的相对误差在3％以内,表明GNNM（1,1）模型的预测精度高,可以对混凝土连续刚构桥施工进行短期应力预测,同时,对大桥应力控制及安全施工具有一定的参考价值．     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

基于消光系数的机场PM2.5质量浓度神经网络预测模型

分析了气溶胶粒径吸湿增长因子、风速和NO_2与消光系数和PM_(2.5)质量浓度之间的相关性及影响规律。提出了一种基于消光系数的机场PM_(2.5)质量浓度神经网络预测模型。首先,建立消光系数与PM_(2.5)质量浓度之间的定量关系,并分析相对湿度对其影响。然后,分析风速和NO_2对消光系数和PM_(2.5)质量浓度的影响。最后,将四项参数与PM_(2.5)质量浓度之间的复杂关系通过模糊神经网络进行学习和表达,实现PM_(2.5)质量浓度的预测。使用实测PM_(2.5)质量浓度数据对预测模型进行了对比验证。结果表明,该预测模型的预测精度较高,能较为客观的反映机场PM_(2.5)质量浓度的变化情况,这对研究颗粒物质量浓度对机场能见度的影响规律以及机场周边污染治理决策提供数据支持具有重要的意义。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

GA优化灰色神经网络的煤矿瓦斯浓度预测

针对神经网络在煤矿瓦斯浓度预测中存在缺少大量实时数据和难以精确建模的问题,建立一种遗传算法优化灰色神经网络模型。采用灰色预测少数据模型理论和神经网络的自学习能力构建改进的瓦斯浓度预测模型,并利用遗传算法对该模型的初始权值和阈值进行优化。结果表明,遗传算法优化灰色神经网络模型较传统模型提高了瓦斯浓度的预测精度和速度。该研究为预防瓦斯事故的发生提供了有益参考。     

小波技术在高耸构筑物安全性评价中的应用

高耸构筑物施工风险大,安全监测至关重要。然而,复杂的环境因素使构筑物的原型观测数据包含强烈的噪声,严重干扰构筑物的受力分析和预测。为此,综合运用小波多尺度技术和小波神经网络技术分别对原始监测数据进行去噪处理和预测模型的建立。研究结果表明:经小波去噪后的数据更好地反映构筑物真实受力状态;基于RBF神经网络方法预测效果较好,具有很好的工程应用前景。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.     

基于GRNN神经网络的中厚板轧机厚度预测

根据4200轧机轧制45号钢的实测数据,利用Matlab神经网络工具箱,建立中厚板轧机厚度预测的GRNN神经网络模型.研究结果表明;GRNN神经网络模型能较好地预测轧件厚度的变化,相对误差很小;与BP网络和Elman网络模型相比,GRNN网络模型具有更高的精度和更强的稳定性.