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．     

力敏感受体介导细胞功能调控的力学生物学研究

细胞膜是细胞与外部环境进行物质与能量交换的界面,是调节细胞正常生命活动的重要结构基础.细胞膜上力敏感受体可通过力学作用方式参与并影响细胞的力信号转导等功能.整合素和钙黏素是细胞膜上典型的力敏感受体,可介导细胞与细胞周围基质或邻近细胞发生力学作用,并将力学刺激信号转导为生化信号,进而激活细胞内一系列应答反应,最终影响细胞生长、分化、增殖、凋亡和迁移等功能.力敏感受体介导细胞功能调控研究已成为探索细胞主动响应外界复杂力学微环境的力学生物学机制的关键,为进一步深入认识生理和病理状态下细胞功能变化规律,为揭示疾病的发生、发展机制提供重要的力学生物学理论与实验依据.本文总结了力敏感受体介导细胞功能调控的国内外研究进展;介绍了黏附界面处典型力敏感受体的结构和功能;总结了这些力敏感受体参与的细胞力信号感知与响应的数理模型;概述了细胞通过力敏感受体进行力学信号转导的过程;介绍了黏附介导细胞功能调控的力学生物学过程和机制;简述了体外构建模拟细胞力学微环境中细胞-细胞外基质和细胞-细胞力学相互作用的技术;指出了力敏感受体介导细胞功能调控的力学生物学研究发展趋势和未来方向.     

基于爆炸切割试验的有机玻璃本构模型参数反演

为了获取爆炸切割数值模拟中有机玻璃（PMMA）的材料本构模型参数,建立了一种基于神经网络的有机玻璃Johnson Holmquist ceramics (JH-2)本构模型参数反演方法：基于从爆炸切割试验和现有研究得到的JH-2本构模型经验参数,确定本构模型参数的调整区间;使用LS-DYNA数值模拟软件对2.5 mm宽爆炸切割索切割14 mm PMMA平板过程进行数值模拟并收集平板损伤数据集;建立PMMA平板本构模型参数与损伤数据之间的神经网络模型;通过训练完成的神经网络模型对PMMA平板的JH-2本构模型参数进行反演。为验证通过反演参数的可靠性,进行了4.2 mm宽爆炸切割索切割19 mm PMMA平板试验和有限元数值模拟,计算结果中的平板损伤情况与实验结果相差较小,表明通过反演获得的JH-2本构模型参数能较好地应用于PMMA平板爆炸切割数值模拟。传统材料参数获取方法,该参数反演方法相较于可以通过较少的试验及测试,获得比较准确的材料本构模型参数。     

基于经验小波变换和卷积神经网络的水泵水轮机无叶区流态特征提取及识别研究

监测和识别原型水泵水轮机无叶区的流动状态,对于保证抽水蓄能电站的运行安全性和稳定性有非常重要的意义。本文提出了一种基于经验小波变换、散布熵和卷积神经网络原理的流态特征提取和识别方法,首先使用经验小波变换对压力脉动信号进行分解,然后通过计算各分量的散布熵提取流态相关特征,最后通过利用特征–标签对训练卷积神经网络得到的智能识别模型,实现了无叶区流态识别。利用从国内某水泵水轮机采集到的发电、抽水和空转工况下实测压力脉动信号对该方法进行了测试,测试的平均准确率达到了94.84%,证明了该方法的有效性。

     

水下无源组合导航系统智能容错方法设计

为提高自主水下航行器的导航精度,比较目前 AUV 常用的水下导航方式,将捷联式惯性导航系统与地球物理导航系统相结合构成水下无源组合导航系统.采用容错联邦卡尔曼滤波对各子系统信息进行故障诊断、系统重构和融合.针对传统的2c检验法不能确定故障具体原因,而仅能判断量测信息是否有效的缺陷,提出利用神经网络辅助2c检验法进行故障诊断.通过对水下组合导航系统算法进行仿真分析,结果表明该算法能够快速、准确地判断系统故障源,通过故障隔离和系统重构,使系统在故障情况下依然保持正常工作.     

结构疲劳寿命分析的模糊凸集模型

针对刚性凸集模型在表达实际参数不确定性时的局限,提出了寿命参数的模糊集合模型及寿命估计方法.根据区间模型的内切和外接椭球确定了模糊集合边界的内、外缘及超椭球尺度参数的隶属函数,建立了疲劳寿命估计的模糊约束集.提出了基于Taylor二次展式和Lagrange条件极值法的寿命估计方法,构建了疲劳寿命的模糊极大集和模糊极小集.给出了模糊凸集约束下疲劳寿命极值求解的模拟算法.通过工程算例,对模糊凸集方法、凸集方法和概率方法进行了比较,结果表明,当统计数据缺乏时,模糊集合方法更贴切实际,计算结果更准确合理,是对凸模型方法和概率方法的发展和完善.     

柔性多体系统中间隙铰接副的磨损预测

通过集成磨损计算与柔性多体动力学,对柔性系统中间隙铰接副部位的磨损进行了预测.基于绝对节点坐标方法（ANCF）建立了柔性部件的多体动力学模型,引入连续接触力模型计算间隙铰接副部分的接触力,并采用Archard磨损模型的迭代磨损计算程序预测磨损.为了得到在不同接触情况下的磨损系数,本文中采用了径向基神经网络处理试验数据.通过对含柔性连杆的曲柄滑块机构进行仿真计算,发现当考虑部件的柔性时,得到的间隙处的冲击力大幅降低,且预测的磨损量也略有降低,这种区别会随着仿真时间的增加而变得更加明显.     

透明陶瓷夹层结构冲击响应及BP神经网络预测

首先,选择以蓝宝石陶瓷为迎弹层、二氧化硅无机玻璃和聚碳酸酯有机玻璃为吸能层和聚氨酯为胶结材料的透明夹层结构为研究对象,采用一级轻气炮对试样进行了冲击实验,试样呈现陶瓷层弯曲失效破坏主导和冲击压缩破坏主导的2种破坏模式,通过高速摄像详细记录裂纹动态扩展过程。然后,采用Abaqus有限元软件对多组结构层厚度配比的透明夹层结构进行120、150、180 m/s速度的弹体冲击模拟,针对陶瓷材料引入了基于JH-2本构模型的子程序,并结合单元删除法,对裂纹扩展和碎片飞溅过程进行了数值模拟。模拟结果与实验结果吻合较好。最后,采用BP神经网络算法对冲击点后侧位移峰值进行了预测,单层和多层神经网络模型平均计算耗时分别为1和3 min,与位移峰值的数值模拟结果相比,2种神经网络模型预测结果的平均相对误差分别为7.6%和3.2%。该BP神经网络模型计算时效和精度都满足要求,相比传统消耗5 h的有限元计算,节省大量时间,可对透明夹层结构的设计提供指导。     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

乘积型模糊B-代数

引入乘积型模糊B-代数的概念,提供它们的几个例子,研究它们的一些性质.讨论模糊B-代数与乘积型模B-代数的关系,研究乘积型模糊B-代数的同态象与同态原象的性质,给出B-代数上乘积型模糊B-代数与B-代数的积代数上乘积型模糊B-代数的关系.