缺口小裂纹的疲劳扩展速率

将复型技术应用于疲劳小裂纹扩展试验中的裂纹长度测量。在等载荷比R=0.1、不同平均载荷水平影响的疲劳条件下,板试样V型缺口小裂纹疲劳扩展速率做了试验测试;通过结果分析,提出了缺口小裂纹疲劳扩展速率表达式,并以εp为控制参数,求出45~#钢的计算式。     

疲劳裂纹扩展速率的统计分析及疲劳寿命的概率预测

通过对Paris模型的分析,得到m和logC的线性关系.试验结果的数据分析表明了m和C分别符合正态分布及对数正态分布,并运用统计结果对疲劳寿命进行了概率预测.     

冲击疲劳裂纹扩展

本文综合归纳了金属材料的冲击疲劳裂纹扩展研究。讨论了冲击应力行征参量,如应力幅值,加载时间,2次应力峰值和过载,对冲击疲劳裂纹扩展速率的影响;对材料在冲击和非冲击疲劳载荷作用下的裂纹扩展行为进行了比较。结果表明：冲击应力特征参量对冲击疲劳裂纹扩展速率的影响规律与其裂纹尖端的微观变形、断裂机制有关;材料在冲击和非冲击疲劳载荷作用下的裂纹扩展速率存在3种不同的关系,并取决于材料在冲击和非冲击疲劳载何作用下的裂纹扩展机理;应力幅值,应力花样和材料的显微组织对材料的冲击疲劳裂纹扩展的影响大于对非冲击疲劳裂纹扩展的影响,冲击载荷常导致材料脆化并加速材料的疲劳裂纹扩展。     

高温低周疲劳裂纹扩展速率试验技术研究

研究了４００℃下低周疲劳裂纹扩展速率试验技术。主要包括疲劳裂纹长度、疲劳裂纹的扩展速率和低周疲劳裂纹扩展驱动Ｊ的自动检测技术；载荷ｐ、载荷线位移Ｄ、裂纹嘴张开位移ｖ的信号计算机采集系统和标定软件；试验和数据处理的应用软件。研究表明ＨＧ６０ＲＡ钢在４００℃时的低周疲劳裂纹扩展率略低于常温下的。     

压力容器钢疲劳裂纹扩展速率曲线测试的小样本方法

提出了一种测试压力容器钢疲劳裂纹扩展速率的小样本方法,可以综合利用历史数据和当前试验数据确定疲劳裂纹扩展速率曲线.与仅能利用当前试验数据的传统方法相比,在精度相同的情况下,可以节省大量试件;在试件数量相同的情况下,可以大大提高测试精度.     

基于神经网络的疲劳裂纹扩展率的初步估算

采用基于神经网络的方法对压力容器疲劳裂纹扩展公式（Ｐａｒｉｓ公式）中的两个材料常数进行了估算,用人工神经网络建立一个学习系统,以获得各种材料的疲劳裂纹扩展率．通过计算和实验数据的比较,证明了利用神经网络进行疲劳裂纹扩展率的估算是可行的．     

残余压应力场中疲劳短裂纹扩展速率的预测

通过对Newman中心孔裂纹闭合模型加以改进,引入经有限元分析计算得到的残余应力再分布曲线,建立了用于单边圆缺口短裂纹闭合力及扩展速率预测的改进模型。为了验证模型的合理性,对40Cr调质态板状试样的缺口部位进行喷丸,测定裂纹扩展时的残余应力再分布,实测短裂纹的闭合力及扩展速率。结果表明,模型计算与实验测定符合较好。残余压应力提高了裂纹闭合力,减小了最大应力强度因子,从而降低了有效应力强度因子幅值,使裂纹扩展速率下降。     

一种带可靠性的疲劳裂纹扩展速率表达式

利用旧桥梁钢实验研究了疲劳裂纹扩展速率表达式,并以一种新的方法获得了带有可靠性的疲劳裂纹扩展速率表达式.该表达式表明了疲劳裂纹扩展门槛值的存在,它覆盖疲劳裂纹扩展A区和B区.为精确评估在役钢结构的安全寿命提供了理论依据.     

高温疲劳裂纹扩展规律的研究

采用降载法和目测法对高温镍基合金的中心裂纹试样进行了高温疲劳裂纹的门槛值试验和扩展速率试验，并分析讨论了高温下疲劳裂纹的扩展规律及其影响因素。     

400MPa超级钢疲劳裂纹扩展速率

采用PLG-100高频疲劳试验机,在试验频率为80 Hz条件下,应用三点弯曲法对400 MPa超级钢板进行了裂纹扩展速率实验;绘制出ANS400裂纹扩展速率da/dN与应力强度因子幅ΔK之间的关系曲线;利用Origin7.0软件,采用线性拟合的方法得出Paris方程中的系数C=9.4×10-12mm/次,m=4.47.计算得出ANS400钢的裂纹扩展门槛值ΔKth为7.98 MPa.m1/2.     

基于改进RBF神经网络的美元指数预测

首先介绍了RBF神经网络的原理.然后叙述了RBF神经网络的正交最小二乘算法,针对此算法在选择网络宽度上的不足,在原算法的基础上提出一种改进算法,该算法通过优化网络的宽度,提高了网络对时间序列逼近的准确度.对美元指数进行预测,预测结果表明改进的算法有良好的性能.     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

基于改进的BP神经网络下的字符识别

我国字符一般由汉字、英文字母以及阿拉伯数字组成,字符图片的类型众多给字符的识别带来了很多困难.参照目前现有人工智能算法的优点,结合了字符特征提取方法设计了一个改进的BP神经网络对归一化后的三类字符进行识别,取得了预期效果.     

基于神经网络的爆破块度预测

选择以对爆破效果影响最为明显的爆破参数作为神经网络输入层参数,建立神经网络预测模型,对爆破效果参数进行预测。将块度指标作为神经网络计算的输出层神经元,分析神经网络计算得出的块度指标是否满足设计精度。选择合理的样本数目进行训练学习,将模型计算结果与实测现场数据进行比较,输出结果的误差精度可以满足现场生产需要,能够达到指导实践中矿山调整爆破参数、改善爆破效果,节约成本的目的。     

基于神经网络的太阳辐照度预测方法研究

以天数、时间、天气情况、温度作为输入数据,太阳辐照度作为输出数据,提出采用人工神经网络建立太阳辐照度预测模型,并通过这一模型进行太阳辐照度预测。通过在青海大学内进行的实验建立适用于西宁地区的太阳辐照度神经网络模型。并根据这一模型对2012年5月12日太阳辐照度情况进行了预测。结果表明,对于预测天气和预测温度与实际情况接近时,平均误差为10%左右。     

基于改进RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定。RBF神经网络参数的初始值直接影响收敛速度,本文通过聚类法优化初始值。仿真结果表明,基于聚类法优化的RBF神经网络收敛速度快,整定效果优于未使用该方法的整定结果。     

基于改进Hopfield神经网络的手写字符识别

针对传统Hopfield神经网络无法对非正交学习模式进行正确回忆的问题,在Hebb学习规则的基础上,提出了一种改进的Hopfield神经网络．通过在学习阶段对连接关系矩阵进行修正,改进后的Hopfield神经网络能够对其学习模式进行正确的回忆,实验证明了其对手写字符有着较好的识别效果．     

改进的人工智能神经网络预测模型及其应用

针对传统人工智能预测算法在对预测问题峰值变化处理问题上的不足,引入峰值识别理论改进BP神经网络预测模型(SIBP).在此基础上,利用引入多向全局搜索机制的改进粒子群算法,对SIBP神经网络预测方法进行改进,提出一种具有峰值识别能力、全局学习能力更强的人工智能预测模型,以有效解决基于BP学习方法易于陷入局部极值的问题.将改进后的预测方法应用于"尖峰突变"比较突出的出清电价预测问题,以美国PJM电力市场2005-02-01至2005-05-16的实际数据为样本,对所提出的改进预测方法进行实证分析.研究结果表明:所提出的算法较改进前的BP算法对发生电价突变的短期电价预测精度提高10.16%,运算时间仅增加6.2 s,预测结果证明本文所提出的算法在处理峰值预测问题方面的有效性.     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.