枯水流量演进方法及其应用

将枯水期河段槽蓄水量表示为上断面多个时刻流量的线性组合,考虑河段引水、加水和损失等因素的影响,建立了枯水流量演进的线性方程模型,并用优化方法率定了模型参数;以河段上断面流量、河段用水量、区间加水量、河段损失量作为网络输入因子,河段下断面流量作为网络输出因子,构建了一个3层BP神经网络模型;将线性方程模型、BP神经网络模型和水力学方法应用于黄河下游河段枯水流量演进模拟计算,并对其模拟结果进行了比较.结果表明:线性方程模型稳定性好,便于演进计算和反馈控制计算;BP神经网络模型具有较好的泛化能力,计算精度也较高,但难以进行反馈控制计算;水力学方法在进行流量演进和反馈控制时,存在计算稳定性和收敛性问题,其应用有一定困难.     

三峡五级船闸运行级数及补水判断程序

三峡五级船闸是目前世界上规模最大的通航设施，船闸投入运行的级数需根据不同，下游水位的组合来确定。本文分析推地了在满足各闸室设计允许的最高，最低通航水位及输水闸门最高工作水头条件下，根据实测的上，下游水位判断运行级数，计算补水量的方法和数学模型，解决了监控系统自动生成船闸运行级数，自动判断补水及补水量计算等问题。     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

大通至长江口整体水动力模型

为更好研究长江大通以下河段的水动力特性,建立了大通至长江口感潮河段的二维水动力数学模型,模拟了径流和潮汐共同作用下的河道水位与流量、河汊分流比及长江口水域的流态.在整体水动力模型的基础上,采用嵌套技术建立了镇扬河段工程区局部数学模型,整体模型为局部模型提供边界条件,局部模型采用精细网格进行工程计算.以高资港区码头工程为例,对工程建设前、后不同水文条件下水位、流场变化进行了数值模拟.计算结果表明,工程建设对河段的水利规划、堤防和行洪安全、河势不会带来明显不利的影响.     

轧制制度对中板晶粒尺寸的影响及其工艺优化

利用已建立的热轧板带晶粒尺寸的仿真模拟系统对各工艺参数与产品晶粒尺寸间的关系进行了计算分析。在此基础上建立了晶粒尺寸与工艺参数间关系的BP网络模型，进而以晶粒尺寸最小为目标对实际生产工艺进行了优化。仿真计算表明，采用优化工艺可得到更细小的晶粒。     

水利枢纽附近动床模型相似律和模拟技术

本文对以底沙运动为主的水利枢纽下游附近动床模型相似律问题作了普遍性的分析,论证了模型设计和模型沙选择应满足的8个相似条件;并以万安水利枢纽整体动床模型为例说明了按相似条件进行模型设计和模型沙选择的详细步骤;介绍了电木屑作为模型沙材料的优越性及其开动流速试验成果;通过万安枢纽动床模型实际放水验证,表明了应用本文提供的模型设计方法能同时实现水流的重力相似、阻力相似和底沙运动相似。此外,本文还介绍了自制的模型放水流量和相应下游水位的自动控制装置,该装置保证了枢纽按非恒定流泄洪时模型流量和相应下游水位的变化过程与原型完全相似。     

天然河道水面线计算中起推水位的确定

河道水面线推算时,起推水位对上游断面水位的影响是有范围的。文章分析了起推水位对上游水位的影响范围,提出在工程设计中,可将起推断面向下游延长一段距离,利用下游临界水位作为起推水位向上游推算设计河段的各断面水位。     

断流河道间断输水两岸地下水的运动模型及其解法--以塔里木河下游断流河段生态输水为例

以塔里木河下游断流河段生态输水为背景,根据间断性输水河道充水和停水2个阶段周期性交替重复出现的特征,建立了断流河道间断输水两岸地下水运动的一维非稳定流模型,并通过水位与流量边界条件相互转换的一种方法实现模型的求解,最后应用该模型分析了塔里木河下游断流河段生态输水两岸地下水位恢复状况,其结果比较满意,表明了模型的实用性。     

时间变态对模型水流运动相似影响试验研究

利用长江防洪模型上荆江河段,以不同时间变率作为控制方式对上荆江2003年9月1日至9月30日实测水文过程进行模拟,测量了模型入流、尾水、沿程水位、断面平均流速变化过程等。研究了上荆江模型在不同时间变率下沿程水位、流量、平均流速与原型相似的程度并对偏差产生的原因进行分析,在此基础上对尾门滞后控制方式如何提高试验精度进行了研究。     

山区河流微弯河段平面二维数值模拟应用研究

数值模拟技术在河道整治中的应用越来越广泛,利用通用商业软件以及自编程序进行计算是目前主要的两种数值模拟方法。针对长江上游微弯河段河道特性,对丰都刀鞘溪河段进行数值模拟,复演河段的水位与流动情况。通过对比发现计算水位与实测水位偏差很小,河道流动情况与实测流动情况大致相同,达到了较高的计算精度,能够满足工程应用的需求,较好地模拟了复杂的河道流动情况。计算成果可用于长江上游通航、行洪论证以及航道整治等方面研究。     

基于神经网络算法的建设项目风险预测系统设计

利用3层并行分布式人工神经网络连接模型和BP网络算法,以市场前景、资源、原燃料、动力供应、工艺、筹资、布局安全等为预测因子,建立建设项目BP网络风险预测模型,设计建设项目风险预测系统。该系统包括数据管理、模型管理、知识管理和模式转换4个典型组件。该系统实际预测建设项目的很好和失败两种情况时,具有良好的预测效果。     

基于改进的B/S体系结构的工程计算模式

网络技术的进步将工程设计方式带进一个新的历史时期,新型的基于网络的数值计算系统应运而生.在对普通B/S体系结构分析的基础上,基于Web服务和ASP.NET技术,提出了一个改进的B/S体系机构,并利用该体系机构提出一种新型的工程计算模式,介绍了实现远程设计计算的平台架构及其实现的关键技术,利用该平台,可充分实现资源共享,为工程设计人员提供良好的计算平台,从而提高工作效率.     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于集合经验模态分解和 BP 神经网络的北京市 PM2.5 预报研究

利用集合经验模态分解算法(EEMD)和 BP 神经网络组成的混合模型, 对北京城区PM_2.5浓度值进行短期预报。结果表明, 与单独使用BP神经网络模型相比, EEMD-BP混合模型的预报准确率更高; 混合模型高频部分的预报误差是整体误差的主要方面; 混合模型的输入变量中需包含输出变量的信息; 前期污染物浓度的数值对模型的预报结果有较大的影响。     

基于BP神经网络特定学习的单级倒立摆控制方法

利用BP神经网络的特定学习算法，以单级倒立摆为控制对象设计一个四输入／单输出、包含5个隐层单元的3层BP神经网络控制器，提出一种新的单级倒立摆控制方法，然后通过Matlab6．5数值计算软件对这种新的单级倒立摆控制方法进行仿真．仿真结果表明，该方法具有较好的收敛性，是一种有效的控制方法．     

基于神经网络的尾流激励叶片气动力辨识方法

发动机中存在上下游干涉作用,上游叶片的尾迹流会引起下游叶片发生强迫振动。针对这一现象,提出了采用神经网络模型的方法辨识尾流激励下的叶片气动力。通过计算流体力学（CFD）方法获得时域尾流压力波及其叶片气动力作为训练信号和测试信号,分别用BP神经网络和NARX神经网络建立尾流激励下的叶片气动力辨识模型,对测试信号的叶片气动力进行辨识,并与CFD结果进行比较,探究这两种辨识模型的计算精度。算例结果表明基于NARX神经网络的叶片气动力辨识模型较基于BP神经网络的叶片气动力辨识模型计算精度更高,泛化能力更强。基于NARX神经网络的尾流激励叶片气动力辨识模型,可以快速准确地辨识不同振幅的随机尾流激励和周期尾流激励下的叶片气动力。     

基于有限元法的数控车床主轴系统频率可靠性分析

基于有限元法参数化建立主轴系统三维有限元模型,将轴承简化为弹性支撑.考虑皮带轮和卡盘的影响,对整个主轴系统进行模态分析,得到主轴系统的前八阶固有频率及固有振型.进行临界转速分析,将工作转速与非零最低阶频率对应的转速进行比较,验证主轴设计的合理性.利用ISIGHT集成ANSYS进行正交试验设计并计算非零最低阶固有频率,将有公差范围要求的轴段的直径和长度以及基本物理参数作为随机变量,采用BP神经网络拟合主轴系统非零最低阶固有频率与随机变量之间的关系.利用一次二阶矩法计算主轴系统在特定转速下的可靠度并求解各随机参数的可靠性灵敏度.     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.     

基于神经网络增强学习算法的工艺任务分配方法

在任务分配问题中,如果Markov决策过程模型的状态-动作空间很大就会出现"维数灾难".针对这一问题,提出一种基于BP神经网络的增强学习策略.利用BP神经网络良好的泛化能力,存储和逼近增强学习中状态-动作对的Q值,设计了基于Q学习的最优行为选择策略和Q学习的BP神经网络模型与算法.将所提方法应用于工艺任务分配问题,经过Matlab软件仿真实验,结果证实了该方法具有良好的性能和行为逼近能力.该方法进一步提高了增强学习理论在任务分配问题中的应用价值.     

基于改进神经网络的SMT回流焊温度曲线预测

在实际生产中,SMT回流焊工艺通常以实验方法预测温度曲线,其高成本低效率是目前亟待解决的问题.针对温度曲线输入参数与曲线多重特征值间的非线性映射关系,提出基于BP神经网络技术的温度曲线预测模型.针对训练中出现的不足,改进了误差计算方法和权值调整方式,消除了预测样本次序对网络的影响,提高了网络训练速度.利用MAPE评估方法将网络预测结果与某公司实际生产数据进行对比,结果显示预测值满足企业生产误差精度要求,因此所建立的神经网络可以有效地进行温度曲线预测,为企业回流焊生产工艺规划提供指导.