考虑偶应力影响的应力集中问题求解

针对工程结构计算中应力集中现象，给出了求解该类问题的Cosserat基本方程。采用Cosserat理论从应力函数与偶应力函数出发，根据叠加原理，运用分离变量法求解了无限平板小孔应力分布情况；并从解答出发，经过推导与对比，进一步证明了经典弹性理论与Cosserat介质理论之间的退化关系。说明了Cosserat介质理论求解孔洞等应力集中问题的有效性。     

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     

浅析应力集中对巷道周围应力分布的影响

本文简要地分析了应力集中对巷道周围应力分布的影响,进而说明了巷道“冒顶”、“地鼓”及侧边岩体破碎产生的力学原因。     

用神经网络新方法求解图的最大独立集问题

在Ｈｏｐｆｉｅｌｄ神经网络优化方法的基础上,根据模拟退炎算法逃离局部最优解的原理,提出了一种神经网络计算的新方法,并用这种方法求解图的最大独立集问题。结果表明,该方法获得最优解比Ｈｏｐｆｉｅｌｄ神经网络优化算法获得的解要好,且所需时间比模拟退火算法少得多。     

应用Hopfield神经网络优化最大熵的图像恢复算法

基于图像最大熵分析,提出了一种基于Hopfield神经网络优化的图像恢复算法.将图像恢复问题转化为Hopfield神经网络优化问题,取恢复图像熵函数最大以及原始图像与恢复图像之间的误差平方和最小作为图像恢复的目标,构造能量函数连续型Hopfield神经网络模型,由Hopfield神经网络能量函数极小化可得到问题的优化解,其算法通过仿真实验,验证了算法的优越性.     

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。     

结合改进聚类算法与PSO-GA-BP神经网络算法的日最大负荷预测方法

为向负荷预测模型提供准确可靠的相似日训练样本集合,针对现有聚类算法在初始聚类中心选取方面的不足,提出了一种基于数据中心度的改进聚类算法,并搭建集数据筛选、聚类、优化、训练、预测为一体的日最大负荷预测模型.首先,基于各被聚类对象的中心度,选取聚拢效果最好的对象作为第一个聚类中心代入Canopy算法,形成初始聚类中心集合;然后,采用K-means聚类算法,得到不同类别相似日的训练样本;最后,利用PSO-GA-BP神经网络算法搭建日最大负荷预测模型进行预测分析.算例对某地区2011—2012年日最大负荷开展预测分析,结果表明：所提方法在聚类指标与预测指标上均具有一定优越性,具备一定实际工程应用价值.     

广义离散神经网络模型及启发式算法

对Hopfield离散网络的操作方式进行了推广，使其可以实现局部并行操作，并给出了相应的稳定条件。构造了一种用于最大独立集（MIS）问题求解的广义离散神经网络模型（GDHN）。模拟计算表明，所提出的算法在求解MIS问题时，比单纯的Hopfield神经网络算法有更好的优化性能。     

用电算法确定插齿刀的最大变位系数

确定最大变位系数是插齿刀设计的一个重要问题。而顶刃变尖是限制插齿刀最大变位系数的条件之一。目前常用的确定最大变位系数的方法，或者太麻烦，或者精度低。本文提出一种以牛蛎数值迭代法为基础的电算法，可以精确、迅捷，简便地确定插齿刀的最大变位系数。     

快速确定网络中最大流的流量分配算法

运输网络中的最大流的流量分配问题不仅存在于计算机网络,许多诸如在生产活动中的信号流、物流之类的问题,均可转化为运输网络模型,同样存在最大流的流量分配问题.文章就这一问题进行了探讨,"快速确定网络中最大流的流量分配算法"提供了运输网络中最大流的流量分配问题的算法及理论依据.     

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。     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

瓦斯浓度预测的混沌时序RBF神经网络模型

为对煤矿瓦斯质量浓度进行精确预测,针对瓦斯质量浓度的非线性特点,在验证其时间序列具有混沌特性的基础上,建立了基于混沌理论和径向基神经网络的预测模型。将实测瓦斯质量浓度时间序列进行相空间重构得到训练样本,并利用MATLAB仿真软件进行编程预测分析。结果表明,相对误差为0~3%,均方差为0.005 6,预测效果良好。实例验证该预测模型切实可行。     

基于神经网络的病态线性方程组求解

提出了一种基于神经网络的病态线性方程组求解方法。将病态线性方程组的一般系数矩阵转化为对称正定矩阵,然后将此方程组的求解转化为一个无约束优化问题。以此优化问题的目标函数作为神经网络的能量函数,利用最速下降原理构造神经网络的动力学方程,并证明该神经网络系统的稳定性。从而把原病态线性方程组的求解问题转化为一个等价的神经网络优化问题。最后通过两个算例的数值仿真求解以及与其他求解方法的比较,验证了该方法的可行性与有效性。     

高斯-赛德尔法求解光伏阵列最大功率点基准值

为了快速且准确地求解光伏电池模型参数,进而求解局部阴影条件下光伏阵列的最大功率基准点值,采用高斯-赛德尔法,从工程实际出发,根据局部阴影下的光照情况,把光伏阵列模型分解成光照均匀条件下的多个新光伏阵列模型,利用光伏电池数据手册可以快速且准确地求解模型参数。仿真结果表明:高斯-赛德尔法能够快速且准确地求解拆分后模型的光伏阵列最大功率点基准值;该方法适用于光伏阵列在局部阴影条件下的输出特性和各个峰值点最大功率基准值求解问题。     

光伏电池最大功率点跟踪

为了快速稳定地跟踪到光伏电池最大功率点,提出基于固定电压法和导纳增量法相结合的光伏电池最大功率点跟踪(MPPT)方案.固定电压法用来迅速跟踪近似最大功率点,导纳增量法则用来进行精确跟踪,仿真结果表明此方案能快速地跟踪到光伏电池的最大功率点.在此基础上加入环境判断因子,提高了光伏电池在多云天气情况下最大功率点跟踪的稳定性.     

一种改进的光伏系统最大功率控制算法

为了提高太阳能发电效率,提出了一种新的太阳能最大功率跟踪方法。该改进算法由扰动观察法和二次插值法相结合进行最大功率点跟踪,利用二次插值法可以缩小搜索范围的特点,克服了扰动观察法在最大功率点附近产生的震荡现象,从而减小误判。通过MATLAB建模仿真的结果表明,改进算法能够快速地搜索到最大功率点,提高太阳能发电系统的稳定性。     

确定应力强度因子的实验－计算混合法

提出一个新的、由光弹性与权函数两种方法相结合确定应力强度因子的混合法．用此方法求解了单圆孔有限宽板孔边单侧有一水平裂纹、双圆孔无限宽板中心有一水平裂纹受均匀拉伸和具有单边垂直裂纹的半圆形板受三点弯曲时的应力强度因子，并与文献作了比较，两者符合良好，为断裂力学的研究和工程应用提供了一个经济有效的方法．     

神经网络在确定裂纹尖端塑性区中的应用

通过构造反向传播神经网络，对裂纹尖端的应力场进行模拟，进而实现对裂纹尖端应力场函数的逼近。得到的网络具有较高的联想、记忆能力和较好的稳定性，并且可以快速、准确地计算实际中带裂纹构件的裂纹尖端应力场，从而确定裂纹尖端的塑性区和分析带裂纹构件裂纹的扩展。     

K型管节点焊接残余应力及其对应力集中系数的影响

采用有限元软件ANSYS,以K型管节点为研究对象,利用生死单元技术,模拟焊接过程和退火处理过程,研究管节点的焊接残余应力,得到焊接温度场和应力场的分布。分别对考虑焊接残余应力与不考虑焊接残余应力而只考虑焊缝对结构影响的管节点模型施加轴向载荷,计算这两种模型的热点应力集中系数,得到焊接残余应力对管节点应力集中系数的影响。结果表明:对焊接管节点进行退火处理可以显著降低焊接残余应力,降低发生变形和断裂失效的风险,大幅度提高管节点的安全性能;管节点结构中热点位置及热点应力集中系数与尺寸参数、载荷类型、加载方式、焊缝结构等有关。