RBF神经网络及其在结构损伤识别中的应用研究

采用具有更好的仿生效果的径向基函数(RBF)网络对单处损伤结构及多处损伤结构的损伤程度、位置、区域、处数进行识别,网络学习方法选择了简单易行、精度高且运算速度快的正交最小二乘(OLS)法.通过实例对该方法进行了测试,并与BP网进行了比较.测试结果可验证:RBF网络及其OLS学习方法可以快速、有效、高精度地识别结构损伤状况.     

结构动力分析中的动态有限条法

将动态有限元的概念应用于有限条，提出了适合结构动力分析的动态有限条件，并用算例验证其理论及方法的正确性。作者认为，与动态有限元相比该文方法更适合微机分析高层结构的动力特性。     

RBF神经网络在\"薄管板\"结构强度分析中的应用

叙述了RBF神经网络的结构和\"薄管板\"结构强度分析过程以及应用RBF神经网络对\"薄管板\"结构应力的非线性系统进行了系统辩识,网络输出值与计算值符合较好.说明基于神经网络的系统辩识方法在结构强度分析过程中具有一定的实用性.     

结构动力分析中的逐级近似缩聚法

本文基于逐级逼近理论建立了一种动力模型缩聚的逐级近似减缩法。该方法具有协调和非协调格式。本文基于ＳＡＲＴ导出了一般的ｋ级递推减缩公式，其中一级近似和二级近似减缩式就是现有的Ｇｕｙａｎ／Ｉｒｏｎｓ减缩和ＩＲＳ减缩。算例表明，在物理型减缩技术方面，本文的三级近似减缩模型精度最好。     

Lanczos向量叠加法的改进及其在高层结构动力分析中的应用

本文柔度法形成高层建筑结构的动力方程,在对现有Ｌａｎｃｏｚ向量叠加法改进后,建立了用改进的Ｌａｎｃｚｏｓ向量叠加法进行高层建筑结构的动力计算的具体步骤与原则。     

结构分析和设计中神经网络计算研究评述

综述了工程结构分析和设计中神经网络计算研究的现状与趋势,指出了进一步发展神经计算的策略及方向。研究结果表明神经网络计算是工程结构分析中一种很有发展潜力的新方法。     

神经网络在非线性随机分析中的应用

用改进的ＢＰ算法结合改进的点估计法来进行结构非线性随机分析的概率特性计算。在加权残值法计算的基础上，进行了两端刚固的闭合圆柱壳失稳的可靠性计算，表明了该方法的有效性。     

基于神经网络的结构分析与优化技术研究进展

近几年来，神经网络在结构分析与优化中得到了应用，本文介绍即将形成的神经网络结构近似分析方法、神经网络结构分析方法、神经网络的结构优化策略等新的研究领域的研究进展。     

结构可靠度分析的改进BP神经网络响应面法

对功能函数不能明确表达即具有隐式功能函数的问题进行可靠度分析,常采用响应面法。其中二次多项式响应面法应用较为广泛,采用与此方法相同的思路,人们提出了BP神经网络响应面法。在此基础之上,笔者提出了改进的BP神经网络响应面法。对以上方法计算效果,通过算例进行了对比分析,其中改进BP神经网络响应面法计算精度较好,进行有限元分析次数较少。该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量,具有一定实际应用价值。     

双BP网络在损伤评估智能结构中的应用

为满足智能材料结构中大量的传感器和驱动器的信息处理和控制要求,目前应用较多的是ＢＰ网络,但它存在一些缺陷。本文研究采用双ＢＰ网络替代标准ＢＰ网络以提高其泛化能力,并应用于损伤评估智能复合材料结构中。     

基于神经网络的车辆抗冲击防护组件优化

随着军用车辆防护要求的不断提高,抗冲击防护组件设计面临越来越多的挑战。为了提供一种高效科学的研究方法,本文中采用V型结构,并应用径向基函数神经网络近似模型和多目标遗传算法对某型车防护组件进行优化设计。以防护组件变形量与总体质量最小为设计目标,利用灵敏度分析筛选出对防护组件防护性能影响较大的设计因子。以径向基函数神经网络构建实验设计样本的近似模型,然后用多目标遗传算法进行数值优化获得防护组件最优方案。最后通过仿真与实验验证,证明优化方案满足设计要求。研究结果可为今后防护组件开发提供设计思路。

     

人工神经网络非线性动力学及应用

综述神经网络系统非线性动力学行为及其与网络性能的联系和在科学和工程中的应用;讨论了神经网络的权值动力学系统和状态动力学系统的动态过程,神经网络的稳定性和鲁棒稳定性,高阶关联网络的性能、张量描述、吸引性和复杂性,神经网络设计和综合的分叉理论;说明了神经网络动力学分析的意义和重要性．     

基于神经网络的隐式显化方法在结构可靠度分析中的应用

针对结构可靠度分析中极限状态方程不能明确表达的情况,结合神经网络技术,提出了隐式极限状态方程转换为显式表达式的方法.该方法利用神经网络的非线性映射能力,构造出显式表达的极限状态方程,从而可以很方便的引入一次二阶矩等其他基本求解方法进行结构可靠度分析.实例数值结果表明,基于神经网络将隐式函数转化为明确表达的极限状态方程是可行的,同时该方法具有较高的精度,为结构可靠度计算提供了新的有效思路和手段.     

双BP网格在损伤评估智能结构中的应用

为满足智能材料结构中大量的传感器和驱动器的信息处理和控制要求,目前应用较多的是ＢＰ网络,但它存在一些缺陷。本文研究采用双ＢＰ网络替代标准ＢＰ网络以提高其泛化能力,并应用于损伤评估智能复合材料结构中。     

Approximation and Calibration of Nonlinear Structural Dynamics

In this paper, a methodology for the calibration of nonlinear structural dynamic models is presented. Calibration of nonlinear structural dynamics offers several additional challenges beyond that of linear dynamics. Even with advanced computational power, exact nonlinear finite element simulations often take several hours to complete on engineering workstations. Thus, the proposed model calibration method utilizes an approximate structural model. This approximate analysis is embedded in the outer loop, which utilizes an exact finite element analysis to verify the validity of the approximate model. If the approximate model is shown to be invalid at that point in parameter space, then the new exact analysis is used to develop an improved approximate model and the inner loop is executed again. Specifically, this paper will focus on the two key aspects of the inner loop, namely the development of an approximate model, and the parameter identification using the approximate model.     

神经系统疾病与认知动力学(II): 神经振荡与认知动力学

大脑神经系统具有从慢到快多种不同的振荡节律, 这些节律振荡被认为参与了大脑多种功能的实现, 其中高频的伽马同步振荡被认为与大脑的认知功能最为相关. 本文阐述了生物学实验方面关于伽马振荡及其功能的研究进展, 并针对实验中伽马振荡的频率敏感依赖于外部刺激特征的现象, 综述了基于神经网络模型进行变频伽马振荡及其认知功能的动力学建模研究工作, 解释了视觉刺激调控的变频率伽马振荡动力学产生机理, 提出了基于同步抑制增强全局放电率对比度的神经认知机制. 研究成果有助于理解神经系统同步振荡的产生机理及其认知作用, 为大脑认知原理以及类脑智能的研究奠定基础.     

基于动态神经网络非线性结构辨识的研究

利用Elman动态递归神经网络,对非线性结构进行黑箱辨识,建立了它的非线性状态方程;提出了加快网络收敛速度的自适应学习算法.辨识结果表明,动态递归网络模型优于传统辨识模型,适于非线性、不确定结构的辨识.     

运用机器学习方法设计原子链 人工边界条件

本文运用机器学习方法设计一维线性原子链的人工边界条件。该方法基于前馈神经网络,通过对一小部分数值解进行训练后得到人工边界条件。应用该法不需要较多先验知识,编程简单,实现速度快,算例表明数值反射较小。     

飞机壁板结构的动特性分析与计算

本文以“修正的变分方法”为基础推导了一种新的飞机壁板结构动力分析方法.该法不需要将结构理想化或离散化而直接对复杂的飞机壁板结构进行特征分析或响应分析,方法的实质是将一个复杂结构划分为一个参考结构和一些附加结构,而把这些附加结构视为作用在该参考结构上的广义力,这些广义力由系统能量的变分求得.同时,本文还将有限条法与各向异性壳法相结合,发展了新的有限条分析方法.文中通过固有频率的计算,对这种方法的计算精度和应用场合等问题进行了讨论.