本构方程对6016铝合金板材成形极限影响分析

通过单向拉伸试验和半球形刚模胀形试验分别得到了6016铝合金板材的室温应力应变曲线和成形极限图(FLD),拟合应力应变曲线获得了Hollomon,Power和Voce本构方程.应用DYNAFORM软件进行了刚模胀形试验的有限元模拟,分析了三种本构方程对6016铝合金成形极限的影响.模拟结果和试验结果对比表明:本构方程的选择对铝合金板材成形极限有显著的影响,相比Power与Hollomon,采用Voce本构方程进行模拟能够更精确地预测铝合金板材的成形极限.     

低温下沥青中柔性短纤维桥联应力计算模型

分析了柔性纤维增强脆性材料特点,建立了单根纤维从沥青中拔出时的受力模型。采用球面坐标系建立空间均匀分布短纤维桥联应力的计算模型,计算了沥青断裂时短纤维产生的桥联应力。采用大尺寸的纤维沥青试件进行低温拉伸断裂试验,实测短纤维的桥联应力。通过对桥联应力的计算值和实测值进行试算拟合,修正了计算模型中的参数。分析结果表明：桥联...     

FRP-混凝土粘结系统界面强度模型评估及其改进

采用文献中的FRP-混凝土粘结单剪试验的232组试验数据对5个界面粘结强度模型及相应的界面断裂能进行了简化的统计评估;对其中的Dai模型界面断裂能及粘结强度模型进行了修正和重新评估,修正后的模型可以用来较准确地估算界面断裂能及界面粘结强度。6个模型预测界面粘结强度模型计算分析表明:理论与试验值都有较好的线性相关性,但也有一定的分散性;基于非线性断裂力学的界面断裂能可以作为评估粘结强度模型是否合理的一个辅助手段。     

道路网短期交通流预测方法比较

介绍了用于短期交通流预测的两大类模型:统计预测算法和人工神经网络模型.对其中各种模型的特征进行了比较,将历史平均模型、求和自回归滑动平均模型(ARIMA)、非参数回归模型、径向基函数(RBF)神经网络模型与贝叶斯组合神经网络模型,应用于一个真实路网的短期流量预测,比较了各模型的预测结果.结果表明,组合神经网络模型预测误差最小,可靠性最高,是一种对短期交通流预测的有效方法.     

基于RBF神经网络的单塔斜拉桥模型修正

为获得某单塔双索面斜拉桥换索过程中的工作状态,建立了一种联合子结构与径向基神经网络的有限元模型修正新方法.根据模型参数修正理论,通过分析设计参数的相对灵敏度确定需要修正的参数;为满足参数离散性要求,在模型修正过程中引入了子结构方法,并认为每一子结构中的设计参数是不变的.采用径向基(RBF)神经网络作为模型修正优化算法.将子结构与RBF神经网络相结合,从而将有限元模型修正的反问题转化为正问题;同时,对子结构的划分、RBF神经网络构建以及输入输出参数的确定进行了讨论.以某单塔斜拉桥为例,验证了所提的联合模型修正方法.结果表明:计算值与测量值之间的误差,在有限元模型修正前后有很大改善.     

基于组合函数响应面的桥梁有限元模型修正

针对基于响应面的桥梁有限元模型修正方法进行研究,采用2阶多项式和高斯径向基函数构造组合函数,通过ANSYS重复试验获得样本数据,利用最小二乘法拟合回归响应面,在其基础上构造目标函数并使用MATLAB实现优化求解,该方法具有拟合精度高、抗噪能力强、计算量可控等特点。通过室内悬臂梁模型实验验证、贝雷梁桥的模型修正与动力响应分析,发现修正后所得有限元模型能够较准确地再现实测结果,表明其能够反映出实际结构的真实状态,证实了该方法的有效性。     

南丰蜜桔可溶性固形物非线性模型研究

探索应用近红外透射光谱无损检测技术,结合径向基神经网络和反向传播神经网络两种人工智能算法,建立南丰蜜桔可溶性固形物快速无损检测的非线性稳定预测模型。通过43个未参与建模的南丰蜜桔样品作为外部验证数据,验证径向基函数神经网络模型的性能,预测模型的相关系数R=0．92。研究结果表明：径向基函数神经网络比反向神经网络获得的预测结果更好,校正模型的预测均方根误差从0．72^0Brix降低到0．65^0Brix。径向基函数神经网络方法是解决近红外光谱检测南丰蜜桔可溶性固形物中非线性建模问题的有效方法。     

基于材料韧性耗散的剩余寿命预测模型的对比分析及改进

将韧性耗散模型及其相关修正模型的公式推导过程进行对比,分析表明在变幅载荷作用下,相比于传统的损伤等效方法,考虑了载荷间相互作用效应的疲劳损伤等效法则更为合理.结果亦显示在前后两级加载的损伤等效过程中,应力比作为影响因素时,无论是放在系数上还是指数上,均可以有效地表征载荷间相互作用的影响.此外,在已有系数修正模型的基础上做了进一步改进,得到了更加简洁的寿命预测公式.通过典型材料试验数据的对比分析,验证了改进模型的有效性.     

车身粘接结构断裂失效准则改进

为了解决现有失效准则无法满足粘接结构真实失效预测的问题, 利用试验测试与仿真分析相结合的方法建立一种基于应力的断裂失效准则; 设计了5组典型拉剪比的ISR-7008/铝合金粘接接头, 并对5组不同拉剪比的粘接接头进行准静态拉伸试验, 获得了初始断裂载荷与最大断裂载荷, 确定了胶层断裂失效点的起始位置; 建立了粘接接头的仿真模型并在仿真模型中施加初始断裂载荷, 提取出5组典型拉剪比的接头失效区域内初始断裂点的各种应力; 通过对失效点的各种应力进行比值和线性组合处理, 得出等效应力计算公式, 基于该等效应力计算公式建立适用于粘接结构的初始失效和后续失效统一的失效准则; 设计了验证试验方案, 通过对比试验结果和仿真结果, 分析了失效准则的有效性。分析结果表明: 在75°嵌接接头中, 仿真分析获得的失效载荷为1 717.6 N, 试验测试获得的失效载荷为1 936.4 N, 试验和仿真的相对误差为11.3%;仿真结果与试验测试的胶层失效过程基本吻合, 验证了本文建立的失效准则的有效性。建立的基于应力的失效准则实现了粘接结构初始失效准则和后续失效准则的统一, 可以较为准确地预测复杂应力状态下粘接接头的失效过程, 并且该失效准则解决了弹性粘接剂厚胶层的仿真问题, 为工程实际应用中的粘接结构强度设计提供了一定参考。      

激光参数对高强度不锈钢搭接焊接结构和断裂行为的影响

通过焊接和拉伸试验及微观组织分析,研究了焊接参数对高强度301L-HT板搭接非熔透激光焊接接头结构、断裂行为和力学性能的影响.结果表明：激光焊缝的硬度为HV215,δ铁素体比电阻点焊少,热影响区硬度更接近于母材;焊缝几何结构对激光参数敏感,熔深变化的规律性更明显,特定部位的熔宽与焊接参数耦合有关;板材厚度相同的焊接接头变形刚度接近,焊缝的几何结构决定最后的变形和断裂行为,焊接内板的弯曲变形角度比外板大,两板的弯曲角度差随熔深增加而减小;焊接板弯曲角度和焊接强度随焊缝尺寸同步升高;焊缝硬度低于母材和热影响区导致拉伸变形集中在很窄的区域,焊接接头的断裂位移都小于2mm.     

An improved ductile fracture criterion for fine-blanking process

In order to accurately simulate the fine-blanking process, a suitable ductile fracture is significant.So an evaluation strategy based on experimental and corresponding simulation results of tensile, compression, torsion and fine-blanking test is designed to evaluate five typical ductile fracture criteria, which are widely-used in metal forming process.The stress triaxiality and ductile damage of each test specimen are analyzed.The results show that none of these five criteria is sufficient for all tests.Furthermore, an improved fracture criterion based on Rice and Tracey model, taking the influence of both volume change and shape change of voids into account, is proposed.The characterization of this model for fine-blanking process is easily done by the tensile test and the prediction result shows good.     

基于RBF神经网络模型的板料成形变压边力优化

为了解决变压边力优化过程中RBF(radial basis function )神经网络隐层节点训练难的问题,利用人工智能算法的优越性,建立了基于人工免疫算法的RBF神经网络,并将其用于非线性函数的逼近中.结合分块压边圈与改变压边力控制技术,通过Dynaform软件进行数值模拟获得成形数据,建立了变压边力与成形质量之间的RBF神经网络近似模型.利用人工免疫智能算法对该近似模型进行优化,获得最优压边力参数.将该方法应用于S形梁冲压成形中,与优化前的结果进行比较,采用优化后最优变压边力可以抑制起皱,最大起皱量减少了89.53%.      

基于RBF神经网络的城市互通立交短时交通量预测

根据实测数据,分析了城市互通立交交通流运行特性,研究了城市互通立交主线总交通量、交织流量比和第2车道大型车比例3种因素对合流区端部交通量的影响,应用神经网络原理建立了输入层为3个神经元,输出层为1个神经元的RBF神经网络,研究了该RBF神经网络的训练算法,应用实测数据进行了网络训练,对训练后的网络进行了仿真.仿真输出结果与实测数据之间的误差很小,证明应用RBF神经网络对互通立交合流区的短时交通量进行预测是一种可行的方法.此研究为分析互通立交内各功能区之间的相互影响,为研究互通立交桥的预先控制和运行状态分析提供了理论参考.     

基于RBF神经网络的交通流数据修复研究

完整的传感器数据是交通管理和控制的基础,但由于传感器自身或传输线路故障等原因,常常导致数据缺失,亟需对传感器缺失数据进行修复。鉴于此,以离散和连续缺失的线圈检测器交通流量数据为研究对象,构建基于RBF神经网络的数据修复模型。并将其结果与利用非线性回归模型、BP神经网络模型进行修复的结果相比较。RBF神经网络模型在离散缺失3 个数据、连续缺失3 个数据和连续缺失5 个数据情况下,平均百分比绝对误差分别为0.67%, 0.66%和1.33%,修 复值和实测值的总体相关性为0.992,修复精度优于非线性回归模型和BP神经网络模型。研究结果表明,RBF神经网络模型与其他方法相比可更精确地进行交通数据修复。     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.     

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

基于RBF神经网络因子分析的汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,采用因子分析法提炼出较少的线性无关的主要因素,建立预测城市汽车保有量的RBF神经网络模型.最后通过实例分析,对RBF神经网络因子分析法计算结果和全要素神经网络模拟结果比较,得出RBF神经网络因子分析法在运算效率、运算精度上的优越性.     

基于多尺度分析与神经网络的交通流预测

针对实际交通系统时变复杂和变化的不确定性所带来的交通流量随机因素影响大、非线性强、规律性不明显的特征;采用小波多尺度分解的方法,将含有综合信息的时间序列分解为多个分量特征不同的时间序列,然后采用神经网络对各个分量分别进行预测,最后用实测数据进行了验证分析。结果表明,基于多尺度分析与神经网络预测模型比单神经网络预测模型预测精度高,可用于交通流的实时动态预测。