基于有限元线法的位移反分析

将有限元线法同岩土工程反分析理论相结合,提出了一种基于有限元线法的反演分析方法,为有限元线法的应用提供了一个新思路,并通过算例表明该方法是可行的。     

岩土力学反分析的智能反演方法

通过对岩土力学反分析的数学描述法的介绍；揭示了岩土力学反分析的本质，重点介绍了反分析各类智能反演方法的原理、特点及其研究现状。     

参数反分析方法及工程应用

文中介绍了参数反分析方法的原理,在弹性地基梁有限元计算程序中采用了考虑位移和时间效应的土压力计算公式,并在实际工程中进行了计算和分析。     

考虑误差影响的力学参数反分析神经网络方法研究

通过求偏导技术将反分析的参数误差分别表示为模型误差与测量误差的函数，利用这些函数研究了模型误差与测量误差在力学参数反分析神经网络方法中的传递过程以及影响反分析结果的影响因素．研究结果说明：输入变量的选择严重影响力学参数反分析的精度，选取力学参数灵敏度大的测点位移作为神经网络的输入变量，可以减小模型误差与测量误差对反分析结果的影响．这对提高力学参数反分析的实用性与可信性有重要意义．     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

岩土工程反分析的最大熵原理

以概率与数理统计理论和现代信息理论为基础，针对目前岩土工程随机反演中常用的极大似然法和贝叶斯法，从随机过程入手，应用最大熵原理推导了这两种方法的准则函数，它的理论意义在于，从数据信息的角度对极大似然反分析法和贝叶斯反分析法进行了重新认识，比过去仅从数据和算法本身研究反演问题多了一个参照系，使得对传统意义上反分析法中的不确定性研究有了一个新的模式。     

岩土力学参数概率分布的推断方法研究综述

岩土力学参数的概率分布推断是岩土工程可靠性分析的关键步骤之一,选择和建立输入参数的概率模型直接影响可靠性最终的计算结果和精度.介绍了不同情况下确定岩土参数概率分布的各种推断方法和研究进展,主要包括小样本情况、较大样本及大样本情况、存在先验分布和现场有限小样本情况下的推断方法.详细介绍了笔者最近在这一领域内所做的工作,希望对这一领域内的研究工作起到一定的推动作用.     

尾砂充填体力学参数混沌优化反分析研究

采场尾砂胶结充填体力学参数难以在实验室得到,有必要用反分析方法获取.采用有限元方法对不同充填体力学参数的变形结果进行计算,建立充填体力学参数与其变形结果的神经网络映射模型.用混沌优化与神经网络映射模型相结合,实现了充填体力学参数反演计算.对安庆铜矿高阶段充填体工程实例进行了分析,得出了不同配比尾砂胶结充填体力学参数.研究结果表明,混沌优化与神经网络相结合的反分析方法能实现全局寻优,具有较高的计算精度.图2,表3,参8.     

土石坝的复杂渗流反分析研究

本文结合某土石坝测压管水位的多年观测资料,给出一种有限元离散——函数极值优化耦合计算求解的渗流反分析方法,对该坝多种不同透水性介质的渗透系数比值进行了最优解反演估计与假预报反馈识别,进而详细地反馈评估了大坝整个渗流场的实际性态和势态。认为对整个渗流场起控制性作用的是坝基天然阻水层O_z~(12)的隔水性,因坝基水平细砂夹层的存在,大大地限制了上游“透水窗”局部入渗源的不利影响程度和范围;下游面坝基回填砂砾料褥垫层的排水降渗作用明显,能普遍降低坝体浸润线位置2.0m左右。     

多参数位移反分析优化设计与约束反演

针对岩土工程位移反分析，提出一般地应力场优化设计的数学形式，构造了岩层变形破坏的结构性计算模型。应用以有限元和约束优化为基础的正定式化方法进行了多参数约束反演，并编制了计算程序。通过地应力参数和岩层结构模量的数值反演算例，说明优化设计和约束反演能同时有效地识别多个参数，可提高反演可靠性和准确度，且能保障计算稳定性。     

机械设计特征值反问题求解的神经网络算法研究

研究了特征值反问题求解的几种神经网络模型：直接逆模型，间接逆模型，优化方法模型，指出了各种方法的应用范围。研究表明，神经网络的直接逆模型使用范围十分狭窄，间接逆模型不一定收敛，而基于有限元分析的神经网络-优化方法模型，在结构参数到频率响应之间的映射关系为非双射时，也完全能获得正确结果。数值实例表明了该方法的有效性。     

神经网络辨识的自适应逆控制

逆模型控制是一个新颖的控制方法．但在实现上会遇到很多困难,如被控对象的大滞后、时变性和不确定性等,使精确的对象数学模型难以建立．文中根据工业对象的特点及对控制系统高鲁棒性与高自适应性的要求,提出一种改进的神经网络的模型参考自适应逆控制系统．仿真试验表明,此系统具有良好的跟踪给定信号和消除对象干扰的作用．     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于神经网络逆系统的感应电机变频系统解耦控制

感应电机反馈线性化方法的优点之一 ,是在电机参数准确已知的前提下 ,可将感应电机数学模型解耦为相互独立的转速子系统和磁通子系统 但是电机参数是时变的 ,不易精确获得 ,为进一步完善反馈线性化方法 ,提高调速性能 ,本文应用神经网络逆系统控制理论 ,使用神经网络直接替代现有解耦控制方法中的对应逆系统模型 ,理论分析与实验的结果表明 :该方法成功地实现了转速与磁链的解耦 ,同时对感应电机变频调速系统负载的变化具有较强的抗扰性和鲁棒性     

新型递归神经网络求解时变矩阵Moore-Penrose逆

将传统梯度神经网络（GNN）与张神经网络（ZNN）巧妙结合,提出了一种新型的神经网络（NNN）模型.在相同的条件下,采用NNN,GNN,ZNN模型求解时变矩阵M-P逆,从理论上证明了NNN模型的有效性和优越性.计算机仿真结果表明NNN模型在有噪声的条件下求解矩阵M-P逆具鲁棒性.     

用人工神经网络方法辨识岩体力学参数

研究了用人工神经网络辨识岩石工程岩体力学参数的基本原理、网络结构、网络训练样本的获得及网络训练方法·在此基础上,提出了用人工神经网络辨识岩石工程岩体力学参数的方法和步骤,并给出了一个参数辨识实例·结果表明,依据巷道变形观测,用神经网络辨识岩石工程岩体力学参数是可行的·该方法为研究岩体物理力学性质参数和岩石工程初始地应力条件提供了一个有效途径,尤其适用于软岩情况下岩体力学参数的辨识·     

基于RBF神经网络逆系统的注射速度控制

为了实现注射速度的精确控制,针对其非线性时变的动态特性,提出了基于神经网络逆系统的控制方法.采用M.Rafizadeh模型描述注射速度系统特性,通过求解该系统的相对阶证明了系统的可逆性.由于注射速度系统逆模型的解析形式难以获得,因此构造了基于RBF神经网络的注射速度逆系统,并将该系统与常规PID控制相结合,对注射速度实现复合控制,解决了基于RBF神经网络逆系统的开环控制效果不理想的问题.仿真实验表明,该控制系统具有良好的跟踪性能及抗干扰性能.     

基于神经网络的电参数反演载荷算法

提出一种基于神经网络的抽油机载荷反演算法,从电机输入电功率和载荷输出非线性逼近的角度建立高维输入输出系统模型,通过对网络误差的负梯度反馈,自动调整权值参数,求解电参数到载荷的映射网络. 通过实测数据软件仿真,算法能实现电参数到载荷之间的非线性拟合,误差小于10-3,相关系数达到0.95以上.      

非线性振动控制的神经网络离散逆系统方法

针对非线性结构振动控制难以用线性控制方法精确控制的情况，提出神经网络离散逆系统方法．建立了结构的离散化模型，再用神经网络将非线性系统通过逆系统变换变为伪线性系统，对该伪线性系统可以用一般线性方法精确控制．该方法将非线性结构控制问题转化成了线性结构控制问题，使问题难度大大减小．对某非线性建筑结构振动作了控制仿真，实现了精确线性化，控制效果曲线与对线性结构控制效果曲线几乎完全吻合．神经网络离散逆系统方法发挥了神经网络和线性控制各自的优点，可用于强非线性结构的振动控制．     

一种基于神经网络的结构参数识别方法

提出了一种基于神经网络的结构参数识别方法,该方法以残余力向量作为结构参数识别的网络输入。针对训练样本在数据空间分布不均匀的问题,采用ＧＳＬ变换对训练样本数据进行预处理。从而提高了网络收敛速度及参数识别精度。本文算例说明了方法的有效性。