利用人工神经网络模型和Z-A模型对无氧Cu本构关系的对比研究

利用Split-Hopkinson bar装置上所得变形数据,研究并比较了冲击预变形铜的神经网络本构关系模型以及Zerrilli-Armstrong本构关系模型.在此基础上比较研究了两种模型对冲击预变形铜在不同热力学状态下流变应力的预测精度.本研究中神经网络模型的总的拟合度为0.9%,而Zerrilli-Armstrong模型的拟合度为8%.研究发现:Zerrilli-Armstrong模型相对于神经网络模型有较低精度的原因是由于物理模型把材料内部某些动态变量作为常数处理,而神经网络模型建模训练时已经包含了这些动态变化的因素.研究认为通过增加神经网络输入节点数可以扩大神经网络模型的应用范围.图2,表1,参12.     

中密砂的弹塑性神经网络本构模型

基于建立岩土本构模型的数值方法和建模的4个基本步骤，建立了中密砂的弹塑性神经网络本构模型，绘出了屈服面轨迹，并通过试样分析验证了此模型的可行性与有效性．研究结果表明：一方面，该模型排除了确定塑性势函数的困扰；另一方面，用神经网络替代模型解析表达式，既提高了精度。又简化了确定参数的过程；同时，能够反映出应力路径对本构关系的影响。从而为工程实践中对不同应力路径进行数值模拟提供了可能．     

饱和粘土本构关系的神经网络模型

基于不同应力中径下饱和粘土的三轴试验和反问题理论，提出了用改进BP神经网络和径向基函数（RBF）神经网络这两种方法来建立粘土的本构模型。实例分析表明，两种模型对具体本构关系都能够很好逼近和预测，比较起来，径向基函数神经网络模型的稳定性好，且逼近速度快，而改进BP神经网络稳定性好，但逼近速度过慢。     

简析混凝土本构关系模型

建筑工程中最常用的材料是混凝土,本文对其本构关系模型的研究现状作了简要的介绍和评述,并对其今后的发展趋势阐述了一些自己的看法.     

化学腐蚀下岩石应力应变进化神经网络本构模型

提出一种反映化学腐蚀下岩石全应力 应变特征的进化神经网络本构模型·该模型不同于常规的本构模型,化学腐蚀影响下全应力 应变特征反映在其网络结构和网络权值上;该模型结构是由遗传算法搜索得到的,具有很好的预测功能;模型经过训练较好地反映同种矿物质在不同化学溶液的腐蚀下全应力 应变普遍特征·实例表明该模型描述了化学溶液的腐蚀下岩石全应力 应变普遍特征且有较好的推广预测功能·     

一种新的土体本构模型的建议

1 分量屈服加载准则在某级增量荷载作用下,材料中某单元任一方向上的总应变增量dε_(ij)为弹性应变增量dε_(ij)~与塑性应变增量α_(ij)dε_(ij)~之和,即     

应变空间表述的岩体损伤本构关系

在分析岩体细观和宏观损伤特征及其与岩体非弹性变形之间关系的基础上,应用损伤表面的概念描述损伤状态和过程,定义弹性－损伤准则,进而建立了应变空间表述的岩体损伤本构关系,并讨论了其参数的确定和应用。     

土体本构模型参数的优化确定

提出了一种确定土体本构模型参数的最优化法，该法以试验得到的应力应变关系曲线与由模型算得的曲线绝对误差作为目标函数，以模型参数为变量，利用最优化技术优化迭代，求得最优解，即最优模型参数，它能使得由本构模型求得的应力应变曲线最优地逼近试验曲线。该法快捷、准确，适用于多种模型。     

泡沫材料连续模型的本构关系

提出了基于混合物理论的泡沫材料连续模型的本构关系,引进体积分数的概念,在理性热力学公理的框架内,通过考察体构关系的热力学约束,建立了能够反映复杂热力学条件的固－一气两相泡沫材料的本构方程。     

钢纤维混凝土力学性能和本构关系研究

利用MTS810和直径为74 mm的大尺寸SHPB实验装置开展了钢纤维混凝土的动静态力学性能实验.实验结果表明钢纤维混凝土是一种具有非常明显的钢纤维增强、增韧效应的应变率敏感材料.根据实验应力应变曲线的基本特征,提出了一种钢纤维混凝土的含损伤本构模型.该模型在考虑钢纤维增强、应变率硬化、损伤软化等因素下,描述了钢纤维混凝土的受力响应特性.     

Neural network model for the constitutive relations of soil

0　ＩｎｔｒｏｄｕｃｔｉｏｎＡｃｃｏｒｄｉｎｇｔｏｔｈｅｄｉｆｆｅｒｅｎｔｔｈｅｏｒｉｅｓａｐｐｌｉｅｄｉｎｔｈｅｅｓｔａｂｌｉｓｈｉｎｇｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌ,ｔｈｅｃｏｎｓｔｉｔｕｔｉｖｅｍｏｄｅｌｉｓｇｅｎｅｒａｌｌｙｇｒｏｕｐｅｄｉｎｔｏｔｗｏｃａｔｅｇｏｒｉｅｓ :ｅｌａｓｔｉｃｍｏｄｅｌａｎｄｅｌａｓｔｏ ｐｌａｓｔｉｃｍｏｄｅｌ.Ａｓｏｎｅｏｆｔｈｅｅｌａｓｔｉｃｍｏｄｅｌｓ,Ｄｕｎｃａｎ Ｃｈａｎｇ’ｓｍｏｄｅｌ[1] ｉｓｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｅｎｇｉｎｅｅｒｉｎｇｐｒ…     

结合人工神经网络的冷凝器稳态分布参数模型

为了克服由于实际装置的复杂性及生产工艺的差异对冷凝器稳态仿真精度的影响 ,提高冷凝器仿真模型的通用性和准确性 ,提出了冷凝器基本模型结合人工神经网络的仿真思路 .以相区划分和制冷剂出口焓值迭代为基础 ,提出了一种稳定的逆流型冷凝器仿真分布参数模型和算法 ,建立了冷凝器仿真的基本模型 .其计算结果与实验数据的变化趋势一致 ,能够在定性上反映实际物理过程的基本特性 .通过对部分实验数据的学习 ,进一步建立了与基本模型相结合的人工神经网络 .利用其非线性映射能力进行模型修正 ,显著提高了冷凝器的仿真精度 ,从而为同时提高冷凝器仿真的通用性和准确性提供了一种有效的工程应用方法     

神经网络的多故障诊断层次模型研究

人工神经网络已成功应用到实际的故障诊断系统中，但大多主要用于单故障诊断情形。实际应用中，多故障同时出现的情况却普遍存在。基于神经网络的方法，构造了一种用于既能诊断单故障，又能诊断多故障的模型。通过实例与传统的诊断模型进行对比，说明了所提出诊断模型的可行性和有效性。     

基于椭圆模型和神经网络的人脸姿态估计方法

基于椭圆模型和神经网络方法, 提出一种人脸姿态估计方法. 先采用椭圆模型对人脸边界进行拟合, 确定眼睛和嘴在椭圆中的位置, 再应用BP神经网络对位置参数和人脸姿态参数的关系进行学习, 从而对人脸姿态进行估计. 实验结果表明, 用该方法对较大范围内的人脸转动进行估计, 结果比较准确.     

硬度转换的神经网络模型

基于人工神经网络理论，建立了各种硬度值之间相互转换的完整一的神经网络模型，该模型可实现各种硬度之间的线性与非线性映射，并对硬主莆中没有的数据给出准确的预测，克服了查表法的不足，较线性回归具有更高的精度，网络模型可嵌入机械ＣＡＤ系统中，方便中种硬主之间的转换。     

神经网络智能算法在砂砾石本构模型中的应用研究

通过人工神经网络方法构建砂砾石材料的非线性本构模型,结合工程实例进行了有限元分析计算,提出了对有一定高度的同性材料按不同围压进行分区,并结合神经网络本构模型进行计算的方法;研究结论对神经网络在本构模型上应用的特点提出了基本的研究思路.     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

城市可持续发展调控预测模型的BP网络实现

根据1990-1999年10年时间序列上海市可持续发展评价指标体系的数据库,选取表征研究区域可持续发展的主要因子,即国民生产总值、人均用水量、人口自然增长率、海域环境质量、万元产值工业废水排放量及人均公共绿地面积,利用神经网络技术建立了上海市可持续发展的调控预测模型,取得了良好的效果.     

Designing Neural Network Model in Distributed Control System

The realizing of Artificial Neural Network(ANN) in Distributed Control System (DCS) is discussed. The model of ANN designed can be called as easily as conventional algorithm. It can act as an ANN controller or as an identifier in adaptive control system.