基于BP神经网络算法的断裂参数预测

采用BP神经网络算法预测断裂参数J和A2.将三点弯曲试件有限元数值实验结果作为神经网络的训练样本,经过训练得到拓扑结构为4-25-2的BP网络模型.建立了J-积分、约束参数A2这二者与裂纹尺寸、裂纹尖端附近三个应变值之间的非线性映射.结果表明:应用BP网络时,只要选取适当的传递函数、训练函数、隐含层数目、神经元个数、学习速率就可以得到较好的预测,满足应用要求.     

裂纹尖端附近三维效应区的有限元分析

基于Kane-Mindlin关于弹性平板面内问题位移的运动学假设,本文首次推导了一种考虑板厚效应的平板面内问题的有限元格式。将Kane-Mindl.n假设推广到弹塑性问题,推导了相应的有限元方程.对双边及中心裂纹拉伸试件的计算结果表明,裂纹尖端附近的弹性三维效应区尺寸和板厚相当.对线性硬化弹塑性材料,当切线模量E_t和弹性模量E之比E_t/E大于0.2时,三维效应区在两倍板厚以内.     

基于神经网络的界面裂纹尖端场分析

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甬数的逼近。得到的网络具有较高的联想、记忆能力和相当的稳定性,并且可以快速、准确地得到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裂纹的扩展。数值计算给出了LY12-CZ材料裂纹扩展方向的计算结果,与实验结果吻合较好,还给出了两相材料含界面裂纹在复合型载荷作用下的塑性区形状的变化情况,并对两相材料含界面裂纹在复合型载荷作用下裂纹的扩展方向进行了预测。     

I型裂纹尖端约束应力区模型及其解析解

考虑了I型裂纹尖端损伤区域内三种不同的约束应力分布形式,即右三角分布形式(情况A)、均匀分布形式(情况B)、左三角分布形式(情况C),并采用复变函数方法求得了应力强度因子与裂纹张开位移的解析解;在此基础上,通过数值计算得到了应力强度因子和裂纹张开位移随约束应力区长度、约束应力大小以及分布形式的变化规律。研究结果表明:随裂尖材料损伤程度的增加,裂尖损伤区内约束应力减小,应力强度因子和裂纹张开位移增大;约束应力的分布形式对应力强度因子和裂纹张开位移有显著影响;相对于其他区域,约束应力对裂纹尖端区域裂纹张开位移的影响较大。然而,对于裂尖损伤区域的形成与作用荷载、材料性质、构件几何尺寸之间的关系,还需要进行更为深入的研究。     

考虑闭合效应和三维应力约束的表面裂纹扩展模拟

假定承受Ⅰ型常幅载荷下的表面裂纹在扩展中的形状保持为半椭圆,利用Newman半椭圆表面裂纹应力强度因子公式计算应力强度因子。提出了等效厚度的概念,利用穿透直裂纹的研究结果,考虑表面裂纹扩展中塑性致闭和三维应力约束效应。基于Elber模型建立了三维表面裂纹扩展模型。数值模拟了表面裂纹扩展过程,研究了裂纹形状变化及规律,计算了裂纹扩展寿命。将计算结果与有关试验结果进行了对比,吻合较好。     

功能梯度材料裂纹尖端动态应力场

研究受反平面剪切作用的功能梯度材料动态裂纹问题,通过积分变换-对偶积分方程方法推出了裂纹尖端动态应力场,时间域内的动态应力强度因子由Laplace数值反演获得,研究结果表明功能梯度材料的梯度越大,相应的裂纹问题的动态应力强度因子值越低。     

基于GABP的压力容器表面裂纹断裂研究

压力容器在长期运行过程中表面裂纹问题难以避免,进行基于断裂分析的安全评估对压力容器的稳定运行具有较强的现实意义.针对二维J-积分理论难以应用于表面半椭圆裂纹,数值模拟耗时冗长的问题,论文提出一种采用三维J-积分量化压力容器表面裂纹尖端应力强度,再结合神经网络进行预测的安全评估方法.通过有限元方法计算了1200例不同几何尺寸、裂纹尺寸和内压载荷的含表面裂纹的压力容器问题,分析了半椭圆裂纹尖端三维J-积分结果,构建修正系数F表征材料性能、裂纹尖端奇异性以及容器几何特征对三维J-积分的影响.基于生成的机器学习数据集,搭建反向传播神经网络(BPNN)模型,采用遗传算法优化,形成GABPNN预测模型.结果表明：BPNN和GABPNN模型预测精度高达96%以上,在未知数据上亦可以取得较为准确的结果,可以高效地预测裂纹尖端三维J-积分,对于实现计算机辅助压力容器安全性现场快速评定提供新的思路和方法.     

正交异性双材料半无限界面裂纹尖端场分析

通过构造含两个实奇异指数的应力函数,利用复合材料断裂复变方法对正交异性双材料界面裂纹进行了研究。在特征方程组的判别式都小于零的情况下,通过求解一类广义重调和方程组边值问题,在双材料工程参数满足适当的条件下,推出了正交异性双材料半无限界面裂纹尖端的应力场和位移场。研究表明:其结果没有振荡奇异性;当上下半平面材料参数相同时,可获得正交异性单材料的应力场。并通过有限元算例进行比较,验证了理论结果的正确性。     

求解混合型裂纹应力强度因子的围绕积分法

本文用复变函数理论推导出裂纹的辅助场，并用Ｂｅｔｔｉ功互等定理给出求解混合型裂纹应力强度因子的远场围绕积分法，此方法与积分路径的选择无关，用有限元法计算出远离裂纹尖端的位移场和应力场，就可通过计算绕裂端的围线积分，精确地给出混合型裂纹的应力强度因子Ｋ１和Ｋ１的数值解。     

裂纹尖端弹塑性变形的实验测量与有限元计算

用显微网格数字图像处理方法，测量了Ｆｅ－Ｓｉ材料平面应力条件下Ⅰ型单边裂纹尖端附近的应变场，并且用弹塑性有限元程序进行了数值模拟。对实测结果和有限元计算模拟结果进行了对比分析。结果表明：逐级更新拉格朗日坐标体系下的弹塑性有限元计算在裂纹尖端不出现严重钝化和损伤的条件下，可以正确反映裂尖区域的弹塑性变形。在裂纹接近临界扩展时，有限元计算与实测结果之间有较大差别，其原因有待进一步研究。     

应用微相关技术研究裂端弹塑性变形

测量裂端附近区域的弹塑性变形，对于研究材料的损伤或微裂纹的产生，获得材料早期的损伤信息，为预防宏观裂纹的产生及扩展具有十分重要的意义。本文用A3钢材料制作边缘带裂纹的显微拉伸试件，试件表面进行了金相处理。试件是用由计算机控制的显微拉伸台进行加载试验。在加载过程中，利用环境扫描电镜对裂端附近的显微结构进行原位观察以及扫描记录。应用数字散斑相关技术对扫描电子显微镜记录的显微结构图进行分析处理，求出裂端附近的弹塑性变形。借助扫描电子显微镜，不仅可以定性观察应力集中区微裂纹的萌生及扩展过程，还可以结合数字散斑相关技术，对微区内的弹塑性变形进行测试，是研究微区域内材料变形的一个有效手段。     

Crack-tip stresses as computed from strains determined by stereoimaging

Measurements of the three in-plane elements of the strain tensor near a crack tip have been combined with the material constitutive behavior to compute the three inplane elements of the stress tensor and the mean stress. The method is illustrated with fatigue-crack plasticity results for 7075-T651 aluminum alloy.     

应用超声衰减技术探测铝合金裂纹尖端塑性区损伤的实验研究

被测试件中超声衰减系数的变化可用来量度材料塑性损伤的程度,并可据此预报裂纹的扩展。     

确定裂纹尖端形状及张开位移的焦散线—伪焦散线法实验研究

本文根据反射式焦散线－伪焦散线法和弹塑性断裂力学的基本原理，推导出裂纹尖端形状方程，为测量裂纹尖端的张开位移，提供一种全新的实验方法，本文还引用实例来进行验证．     

滚动轴承转子系统固有频率识别的BP神经网络法

神经网络由于其本身具有的优越性,已广泛应用于各个领域.鉴于神经网络理论强的非线性映射能力,通过其建立了滚动轴承转子系统固有频率与各种参数之间的映射关系,依据所确定的映射关系,将大大降低对于类似所研究转子结构的固有频率的计算工作量,通过仿真算例和试验验证了所提方法的优越性.     

GPS误差模型参数估计的Hopfield神经网络方法

本文首先建立了ＧＰＳ误差模型。然后，利用Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）方法对误差模型参数进行了估计，并给出了其硬件实现方法。将估计结果与传统的最小二乘（ＬＳ）估计进行比较，证明了神经网络方法的有效性。     

基于神经网络的机械磨损故障光谱定位诊断法

在分析常用光谱定位诊断方法的基础上提出了基于神经网络的光谱定位诊断法；将机械摩擦副材质的元素含量作为神经网络输入，将材质所对应的部件作为神经网络输出，建立了相应的神经网络训练样本；通过整理训练样本和训练神经网络，利用神经网络超强的非线性映射能力和容错性实现了磨损故障部位诊断；通过算例分析验证了所提出的诊断方法的可行性和准确性．结果表明，所建立的方法简洁有效，并具有很高的诊断精度．     

弹塑性接触问题神经网络计算模型

利用神经网络优化计算原理,引入LPNN(Lagrange Programming Neural Network)模型求解弹塑性摩擦接触问题,提高了神经网络计算精度。通过采用非线性函数作为神经元的传递函数,使神经网络的非线性问题同力学的非线性问题得到统一。最后对两个简单的弹塑性接触问题进行了数值仿真,验证了算法可行有效。     

基于神经网络改进WENO-Z重构方法

本文通过使用深度神经网络对WENO-Z格式的非线性权重进行改进,提出了一种新的WENO-Z-NN格式．新格式首先用神经网络去随机扰动有限体积系数集,然后用代表偏微分方程解的波形生成的数据,采用L2正则化来学习扰动的最优函数,最后引入测试函数并结合最小总变差和最小总偏差作为评估依据进行后处理,从而得到新的权重．一维波动方程和一维Euler方程的数值结果表明,无论是在粗网格还是在细网格,本文所提出的WENO-Z-NN格式的激波捕捉能力明显优于传统的WENO-Z和WENO-JS-NN格式．