基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

基于混沌猴群算法的结构有限元模型修正研究

有限元模型修正可转化为优化问题,基于此,将全局寻优算法--混沌猴群算法引入到有限元模型的修正中。利用响应面法,实现结构响应与待修正参数间非线性隐性关系的显式表达,基于最小残差原理,建立优化目标函数;利用混沌猴群算法求解该函数,得到修正后的结构有限元模型。以一个数值算例验证了该方法在结构有限元修正中应用的可行性。本文研究拓宽混沌猴群算法的应用范围,为有限元模型修正提供了一种新的思路。     

基于神经网络修正的结构有限元模型简化

介绍了神经网络修正技术在结构有限元模型简化中的应用，并根据实际工程润扬大桥桥塔的现场实测模态数据对所建的有限元模型进行修正简化．建立了结构物理参数与结构自振频率之间复杂非线性关系的BP神经网络模型，反演仿真数据代入的有限元计算结果与实测结果较为吻合，证实了该方法的有效性．     

结构振动有限元模型的精细修改方法

本文在分析模型精细校正的基础上,从另一角度推导了分析模型的质量阵和刚度阵的修改公式,简化了精细校正计算公式,不仅计算量小,且修改灵活,修改后的模型保持了与实际结构的对应关系,从而可以再修改.文中对非测试自由度振型值的计算也给出了改进的公式.最后,简要地讨论了精细校正方法的数学基础.     

基于优化方法的有限元模型修正方法

在进行结构动力分析时，依据理论建立的有限元模型与结构的实际情况不可避免地存在着差异，必须用试验得到的结果对有限元模型进行修正。利用ANSYS有限元软件的优化功能对一悬臂梁进行模型修正，修正后的有限元模型具有很高的精度。该方法修正过程简单，且修正效果好，为有限元模型修正方法提供了例证。     

基于优化方法的有限元模型修正方法

在进行结构动力分析时,依据理论建立的有限元模型与结构的实际情况不可避免地存在着差异,必须用试验得到的结果对有限元模型进行修正.利用ANSYS有限元软件的优化功能对一悬臂梁进行模型修正,修正后的有限元模型具有很高的精度.该方法修正过程简单,且修正效果好,为有限元模型修正方法提供了例证.     

基于动力的石拱桥有限元模型修正

利用大型通用软件ANSYS,以国道319线苏家坡桥为例阐述基于动力的加固前后石拱桥有限元模型建立及模型修正的过程.首先介绍加固前后苏家坡桥的环境振动试验与模态参数识别,然后介绍加固前的石拱桥有限元建模及基于动力的模型修正过程,最后介绍加固后该桥的有限元模型修正.结果表明,加固前后的有限元模型计算和实测动力特性能够吻合良好,所建立的有限元模型可以用于桥梁的静动力计算.     

有限元动力模型的修正—改进Berman修正法

Ｂｅｒｍａｎ法是一种用实验模态参数对初始有限元动力模型进行修正的方法，目前在工程中应用较为广泛，本文针对该方法的不足之处，提出了一种改进Ｂｅｒｍａｎ修正法，并研制了修正软件ＧＭＯＤ，通过理论算例和工程实际算例验证了改进的修正方法和相应软件的正确性和实用性。     

结构有限元模型的局部修正方法及应用

给出了一种结构有限元模型的局部修正方法，首先对具有误差的子结构有限元模型修正，即以质量矩阵和低阶实验固有频率为基础对其实测振型作正交性修正，用实验模态参数，依建模简化情况下对其简化部分刚度矩阵作局部修正。     

大型桥吊结构动力有限元模型修正

在建结构有限元模型时,所建的有限元模型与结构的真实情况不可避免地存在着差异,要建立精确的有限元模型,必须用试验得到的结果对有限元模型进行修正。利用有限元分析软件ANSYS的优化功能,对桥吊进行模型修正,修正后的有限元模型为结构瞬态动力学分析提供了切合实际的数学模型。     

基于神经网络的船舶轴频电场特征控制实验

任分析实验室船模轴频电场和海洋实测船舶轴频电场信号与环境电场数据的基础上,利用径向基神经网络预测模型对轴频电场信号进行控制．先对信号进行测量,在合理设置训练集与目标集的基础上建立预测模型,得到预测值后在下一时刻利用电极在场源处反向输出该预测值,以达到减弱特征信号的目的．通过对实验室与海洋实测船舶轴频电场数据进行处理,结果表明：用该方法能对船舶轴频电场信号特征进行有效控制,使幅值减小到原信号的30％以下．     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题.基于RBF神经网络的辨识方法,建立了青霉素发酵过程模型.以动力学模型为基础产生教师数据,采用遗传算法对网络进行训练,建立了基于RBF神经网络的发酵过程模型,并进行了仿真实验验证.实验结果表明,该辨识模型对青霉素补料分批培养过程具有实用价值.     

用RBF网络控制非线性系统的混沌运动

设计 RBF前向神经网络 ,以 Ott、Grebogi和 Yorke混沌控制策略作为训练网络控制算法的基础 ,通过参数扰动模型输出数据训练网络来产生控制非线性系统的混沌运动必须的小扰动时间序列信号 ,使其成为混沌控制器 ,将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定不动点 .Hénon映射的数值仿真结果证明该方法十分有效 .图 6 ,参 7     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。     

某斜拉桥主塔模态测试及有限元模型修正

本文通过对某斜拉桥主塔的模态测试,得到结构在自然激励下的自振频率。再利用ANSYS优化设计功能,对斜拉桥的主塔进行动力有限元模型修正,得到了修正后的设计参数和计算频率,使得有限元模型更加接近于实际结构。     

一类基于概率神经网络的语音识别模型

介绍了采用人工神经网络,特别是概率神经网络(PNN)技术进行语音识别的原理．提出了一类基于概率神经网络的解决元音识别问题的模型,并且通过一个试验,研究了用于语音识别的PNN模型中的参数设置．试验表明,该模型对于元音的识别具有较好的识别率．     

应用神经网络的非参数模型自适应控制

 提出了一种应用神经网络的非参数模型自适应控制方案,该方案仅用受控系统的I/O数据来设计控制器,并与神经网络自适应控制方案进行了仿真比较,仿真结果表明了该方案的有效性和优越性.     

基于RBF神经网络的软基沉降预测研究

将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压缩层从上到下分成若干段，每段的土性指标按段内各层土在段中的长度取加权平均作为系统的输入，将某个沉降模型的沉降曲线参数作为系统的输出，可以预测后期沉降曲线走势．实践表明，建立的基于RBF神经网络的软基沉降短期预测和长期预测模型是可行的，只要有足够多的训练样本，长期预测可以达到比较精确的预测效果．表5，参9．