Intelligent Crack Recognition Based on XFEM and GA-BP Neural Networks北大核心CSCD

基于扩展有限元法(XFEM)和经遗传算法(GA)优化的误差反向传播多层前馈(BP)神经网络(GA-BP)算法,建立了识别结构中裂纹的反演分析模型。模型通过XFEM正向分析获得的测点位移数据训练GA-BP神经网络,并在此基础上利用该网络进行裂纹反向识别。通过两个典型算例对模型的可行性和精度进行了验证,并探讨了网格密度、测点布置、输入数据噪声等对网络识别精度的影响。结果表明,该文的方法可反演线弹性断裂力学重点关注的直线裂纹的几何信息且具有较好的容噪性能,此外,GA-BP神经网络的预测精度较传统BP神经网络普遍更高。     

Prediction of Concrete Meso-Model Stress-Strain Curves Based on GoogLeNet北大核心CSCD

非均质复合材料的宏观力学性能往往取决于细观组分的分布方式和力学性能,但是建立明确的关系表达式极其困难。为了应对这一挑战,以混凝土为研究对象,提出了一种基于深度学习的策略,能够高效、准确地通过细观模型图像信息获取应力-应变曲线。首先,使用基于卷积神经网络（convolutional neural network,CNN）的GoogLeNet模型进行图像信息识别和提取,并针对应力-应变曲线的复杂性特点,进行了数据预处理操作,并且设计了相应的多任务损失函数。数据集中的细观模型图像采用基于Monte-Carlo的随机骨料模型生成,并且使用数值模拟试验获取对应细观模型的单轴压缩应力-应变曲线。最后,通过对神经网络的训练和测试评估了所提出方法的可行性。结果表明,GoogLeNet模型训练效率和预测精度均优于AlexNet和ResNet模型,具有良好的泛化能力和鲁棒性。     

Projective Synchronization of Fractional Quaternion Neural Networks With Time-Varying Delays北大核心CSCD

研究了具有时变时滞的分数阶四元数神经网络的投影同步问题.该文不将分数阶四元数神经网络系统转化成两个复值系统或四个实值系统,而是将四元数系统当做一个整体进行处理.在合适的控制器下,通过构造合适的Lyapunov函数,并利用一些不等式技巧,得到了具有时变时滞分数阶四元数时滞神经网络投影同步的充分性判据.最后,通过数值仿真实例验证了所得结论的有效性和可行性.     

Switching Control of Nonlinear Systems Based on the Quasi-ARX Model and the SVR Algorithm北大核心CSCD

该文基于改进的含有外部输入项的准线性自回归(准ARX)径向基函数(RBF)网络模型和支持向量回归(SVR)算法,提出了一种非线性切换控制方法.改进的准ARX模型非线性部分采用RBF网络.控制系统设计过程分为三个部分:首先,利用聚类方法确定模型的非线性参数;然后,采用线性SVR算法来解决控制系统的鲁棒性问题;接下来,基于控制误差给出切换判定函数,确定切换律给出控制序列.最后通过数值仿真验证了该方法的有效性.     

Normalized Dynamic Characterization and Application of Multiple Heat Storage Materials Based on Standard Thermal Resistance北大核心CSCD

基于标准热阻和能量流法,推导出储热材料与换热流体的瞬态换热热阻,通过类比电路分析法,获得了储热-换热过程的瞬态热量流模型及动态响应时间常数。进一步引入节点温度,重新定义换热热阻,获得了储热与换热过程耦合的三阶电路瞬态热量流模型,求解得到了加热、储热和释热三类时间常数,可用于协同表征储热材料中储热与释热的快慢程度,从而实现了多类储热材料的归一化动态表征。通过数值模拟验证与应用对比分析,发现基于多时间常数的归一化动态模型用于表征储热材料的动态特性是可行的,可直接对不同换热、储热材料进行对比分析。案例分析发现与固体储热材料换热时,液态金属的动态换热能力优于熔融盐,而相比于水蒸气和CO₂,空气与陶瓷材料换热能更快达到稳态。     

Optimization Design of Holding Poles Based on the Response Surface Methodology and the Improved Arithmetic Optimization Algorithm北大核心CSCD

抱杆优化设计需要耗费大量有限元分析计算时间,难以确定可行域.该文采用响应面法(response surface method,RSM)来模拟抱杆结构的真实响应,提出了改进的算术优化算法(improved arithmetic optimization algorithm,IAOA)对抱杆结构进行优化设计.将分数阶积分引入算术优化算法(arithmetic optimization algorithm,AOA),改善了算法的开发能力.采用拉丁超立方抽样,选取抱杆结构杆件截面试验样本,利用最小二乘法对样本点进行分析,构建了抱杆结构应力和位移关于杆件截面尺寸的二阶响应面代理模型.建立以抱杆质量最小化为优化目标,许用应力和位移为约束条件的优化模型,采用IAOA对其进行求解.结果表明:二阶响应面模型能够准确预测抱杆结构的响应值,IAOA的求解精度得到显著提升,代理模型可大幅降低有限元分析所需的计算代价,优化后抱杆结构质量减轻了8.2%.联合使用RSM和IAOA可有效求解大型空间杆系结构的优化设计问题.