排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
裂纹识别是结构健康监测的重要内容。本研究基于反演分析原理,将数值流形方法(NMM)与Elman神经网络相结合开展裂纹识别。NMM用于获取对应裂纹构型下测点的位移数据以供Elman神经网络的学习,在此基础上利用训练好的Elman网络进行了直线裂纹反演。通过2个典型算例证实了NMM-Elman协同方法的可行性和精度,与此同时分析了测点布置方式及输入数据噪声等因素对裂纹反演精度的影响。表明本研究的方法能够准确反演出单一及复杂裂纹的裂尖坐标。本研究的工作为复杂裂纹的高效准确识别提供了一种新的思路和方法。 相似文献
2.
流形元法独有的数学覆盖系统和物理覆盖系统使其在域离散等方面具有明显的特色。多边形单元(边数大于4)则具有网格划分更灵活、不易发生体积自锁、更适合分析复杂异质结构等优点。发展了用于分析二维热弹性问题的Wachspress多边形流形元法(WPNMM)。列出了热弹性问题的控制方程和边界条件,给出了WPNMM的位移场近似函数和权函数,导出了WPNMM求解平面热弹性问题的总体方程;描述了主要求解策略,在与物理域边界不一致的数学覆盖系统上对两个典型算例进行了模拟。分析表明:对指定的数学覆盖系统,矩形平板中考察点的位移相对误差在2%以内,开孔方板则不超过3%,研究结果充分展示了方法的精度及其在网格划分方面的优势。 相似文献
3.
4.
5.
6.
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。 相似文献
1