不同取向贝壳材料力学性能的压痕法研究

天然生物材料的组织结构特征及其与性能间的关系研究对于材料的仿生设计有重要意义.利用压痕法压研究了贝壳材料的硬度,断裂韧性及脆性指标,并结合SEM技术研究了贝壳珍珠层压痕形貌,探讨了珍珠层的增韧机制.结果表明,无论是珍珠层和还是柱状晶生长纹对其性能影响较小,珍珠层在平行于片层方向上与垂直于片层方向的性能差别较大,珍珠层明显的各向异性主要来自于其独特的组织特征.珍珠层其成分和独特的微观结构特点决定了其在应力场中是一种能量耗散结构,裂纹在扩展过程中,裂纹偏转,有机物桥联,纤维拔出等多种增韧机制在协同作用于材料韧性.     

用PSpice模拟神经网络的功能描述法

提出了在ＰＳｐｉｃｅ上模拟神经网络的一种新方法－功能描述法。该法以传递函数的形式描述非线性神经元；它具有精度高、无动态范围限制、编程简单等优点，可有效地模拟多种神经元。通过对Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络实现的Ａ／Ｄ转换器和线性规划电路的模拟，验证了该方法的有效性。     

球形液滴法测液体的表面张力系数

利用液体表面张力系数与液滴半径及液体附加压强成比例的关系,通过螺旋式微量调旭器,控制凸出液体球的半径大小,测量丫不同半径液滴球的附加压强与液体表面张力系数,该装置还增加了温度传感器和』Jll热器,可以在密闭窄内测量不同温度下液体的表面张力系数,避免了外界环境的干扰,提高了实验精度．     

静载压痕残余应力测量的简化模型

采用三维八结点等参元的有限元数值分析方法,对静载压痕残余应力测量的力学模型进行了简化,对其弹塑性变形过程进行了理论分析。结果表明,在一定的试验条件下,测点的轴向应变增量与其所受轴向应力间存在良好的线性关系,同时对试验参数进行了优化。     

BP神经网络对功能梯度材料变形的预测

本文讨论利用神经网络对功能梯度材料的变形进行预测,并与实际结果比较,希望在工程实际应用中,提供功能梯度材料力学分析的新方法。     

基于神经网络控制的共轭梯度法

共轭梯度法中搜索步长是通过某种搜索策略得到,许多情况下的收敛速度较慢.为了加快其收敛速度,提出了通过引入具有“先验知识“的神经网络对共轭梯度算法中的搜索步长进行控制.实验结果表明,该模型实现的共轭梯度法对于加快收敛速度有效.     

不可压缩弹性薄膜球形压痕问题的一种渐近解析解

针对刚性基底上不可压缩弹性薄膜的轴对称球形压痕问题,采用了一种基于Kerr模型的简单解析求解方法。在该方法中,薄膜上表面的接触压强与位移为线性微分关系。之后利用贝蒂互等定理,求解了该问题的高阶渐近解,推导了接触力、压痕深度和接触半径之间的显式关系。当忽略高阶项时,得出的高阶渐近解与现有研究中的低阶解相同。此外还建立了有限元模型来验证渐近解的精度。结果显示,与已有的低阶渐近解相比,高阶渐近解与现有的数值计算结果和有限元分析结果吻合得更好。     

神经网络在梯度功能材料制备中的应用

针对梯度功能材料（ＦＧＭ）制备过程的复杂性，提出了利用神经网络信息处理机制进行制备材料的特性预估，实例分析表明，这一方法是有效的，同时，针对ＢＰ学习算法速度较慢，易陷入局部极小的缺点，改函数型连接网络来提高学习速度，试验表明学习速度提高显著。     

数学神经网络（Ⅱ）：神经网络的学习算法

重点研究神经网络的学习算法，给出了单人单出，多入单出，单入多出及多入多出网络学习算法的通用公式，指出了目前人工神经网络研究的方法没有跑出计算数学的圈子，人工神经网络所具有的“优点”并没有真正的实现。     

纳米压痕双斜率法的修正

分析了双斜率法的误差来源,即采用纳米压痕载荷与位移曲线求解材料的弹性模量和硬度,引入2种不同的修正因子并给出修正的双斜率法表达式,利用二维等效圆锥模型和三维真实Berkovich模型模拟幂强化型材料的纳米压入过程并求解修正因子,利用修正的双斜率法计算标准材料熔融硅的硬度和修正因子.结果表明,所得结果与其有限元模拟结果相近,从而验证了修正的双斜率法的有效性,同时,推测其对压头尖端钝化并不敏感.     

利用人工神经网络判别陶瓷原料种类

利用三层 BP人工神经网络 ,对陶瓷原料进行模式识别 .以原料特征参数作为判别指标 ,由训练样本集得到最佳网络参数 ,然后对待测样本的种类进行预测 .研究结果表明 ,人工神经网络用于陶瓷原料的模式识别 ,其结果和实际一致 .该方法有助于配方中陶瓷原料的选择 ,值得推广     

网络设计中集中器定位问题的神经网络解决方法

给出了用于解决网络设计中集中器定位问题的神经网络方法，这类容量受限的集中器定位问题是求最小总花费的NP完全问题，利用拉格朗日乘数法和惩罚函数构造神经网络动态系统的微分方程，采用专门的神经网络可以有效解决，模拟结果表明，这种神经网络方法有效可行，并能求出最优解或近似最优解。     

基于神经网络方法的系统级故障诊断

在Ｍａｌｅｋ模型下，构造了一个连续Ｈｏｐｆｉｅｌｄ神经网络来解多处理机系统中最可能的故障处理机集问题，并对此方法进行了仿真。     

各向异性、正交异性功能梯度材料平面断裂基本方程

针对材料参数在厚度方向按任意函数形式连续变化的功能梯度材料板。利用新的分层方法，首先求出各向异性功能梯度材料板平面断裂基本方程，在此基础上又进一步求出正交异性功能梯度材料板平面断裂基本方程，最后结合各向同性功能梯度材料及各向同性、各向异性、正交异性复合材料对方程作了全面讨论．结果表明复合材料和功能梯度材料以及各向同性、各向异性、正交异性之间既有区别又有联系密切，新的分层方法可广泛应用。     

一种快速选择性神经网络集成方法

选择性集成通过选择部分个体能够获得比传统全部集成更好的泛化性能．已有的一些选择性集成方法实现的时间复杂性较高，或没有充分利用个体的先验信息．提出了一种新的选择性集成方法FASEN（fast approach to selective ENsemble）．该方法在独立训练出一批神经网络后，采用一种近似搜索策略，只选择与其他个体差异较大且估计泛化误差较小的网络参加集成，把个体选择的搜索空间从2^N降到N．理论分析与实验结果表明，该方法简单高效，泛化性能与已有的几种选择性集成方法相当甚至占优．     

利用非局部理论分析功能梯度材料中两平行裂纹的动态性能

利用非局部理论求解了功能梯度材料中两平行裂纹对反平面简谐波散射的动态断裂问题.经傅立叶变换,问题的求解可以转换为对两对以裂纹面张开位移为变量的对偶积分方程的求解,为了求解对偶积分方程,把裂纹面张开位移直接展开成雅可比多项式形式.与经典理论的解相比,裂纹尖端处不再有应力奇异性出现.     

功能梯度材料的研究现状

功能梯度材料是一种新型复合材料。阐述了功能梯度材料的概念、种类、主要制备方法、设计方法、特征评价及应用领域,并讨论了功能梯度材料研究的主要方面。     

神经网络技术识别水淹等级的应用

油田开发阶段，由于注水驱油的开发方式导致油层水淹．如何判别水淹等级是个相当重要的问题．它对于了解油田开发状态，确定剩余油的分布，制定后期开发方案等都起着积极的作用．神经网络具有极强的自学习能力和推广能力，应用神经网络对某油区进行水淹等级识别，实际资料处理证明了这种方法的有效性和实用性．     

应用神经网络理论的计算机通信网迟延新算法

计算机网络最小平均迟延的求解实质上是一个联合优化问题。进一步的分析表明，它可以近似为一个二次型优化问题。我们利用一种具有全局收敛性质的神经网络模型解决了这一问题。计算结果表明，这种方法是可行而有效的。