理想薄平板气动导数的人工神经网络识别

介绍一种用BP人工神经网络方法识别理想薄平板的气动导数的方法．通过构造BP网络，比较各种因素对识别结果的影响．数据处理方式对神经网络的训练结果影响很大．隐层单元数量、训练次数、随机赋值次数、样本数量等对训练结果也有影响，但影响较小．采用这种方法识别理想薄平板的气动导数是可行的，并且具有较高的精度．     

利用BP人工神经网络反算沥青路面基层弹性模量研究

基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。     

基于神经网络的DCT换挡品质评价系统的开发

通过对DCT换挡过程的分析,确定了换挡时间、车辆加速度、换挡冲击度和发动机转速波动量等4个物理量作为客观评价指标。依据BP人工神经网络的基本原理,应用Matlab软件的神经网络工具箱函数,建立了用于评价车辆换挡平顺性的神经网络模型。利用GUI工具箱建立人机交互界面。通过内置的三种评价标准以及可以自行设计评价标准的方法,大大增强了该评价系统的灵活性和针对性。最后,对该评价系统进行了总结。     

人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播（BP）理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果。预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的。     

基于人工神经网络的交通量预测

现行的交通量预测方法大都存在数据拟合度不高,外推性不强等问题,介绍了人工神经网络的ＢＰ网络模型,结合实例探讨了人工神经网络方法在远期交通量预测上的应用,证实了该方法的可行性和可靠性。     

曲面分段全建造流程的误差累积及精度预测

以海洋平台典型曲面分段为研究对象,梳理建造企业对切割和弯曲工艺的精度要求及误差响应,以及焊接工艺对应的典型接头力学载荷,并将其作为曲面分段建造的源头误差。基于弹性有限元方法,分析焊接工艺对曲面分段建造精度的影响;考虑切割和弯曲误差对焊接工艺的影响,并预测闭合加工误差的焊接工艺及其产生的焊接变形。为提升曲面分段建造精度的评估效率,建立基于遗传算法的BP(Back Propagation)人工神经网络,并以27组数据为训练样本,以9组数据为验证样本检验其预测的准确性。通过弹性有限元分析研究不考虑、保留及矫正切割和弯曲加工误差等3种情况下的曲面分段建造精度,结果发现三者存在明显差异。考虑切割、弯曲的加工误差及其焊接闭合工艺对曲面分段的建造精度的显著影响,基于遗传算法的BP人工神经网络具有极高的预测精度和稳定性。     

基于RBF-ANN GA的水下空化水射流喷嘴结构优化

为使空化水射流的性能满足船舶水下清洁的需求,对喷嘴结构进行优化,提出一种基于径向基函数（RBF）、人工神经网络（ANN）和遗传算法（GA）的水下空化水射流喷嘴结构优化方法。通过数值模拟计算设计参数（如入口段长度、收缩段长度、圆柱段长度、扩散段长度、入口半径、圆柱段半径、收缩角和扩散角等）与空化性能参数轴线最大蒸汽体积分数的关系,通过RBF-ANN对该关系进行预测,解决采用GA进行结构优化时个体适应度难以计算的问题。将该方法与传统的方法进行对比,结果表明,该方法能快速且稳定地计算个体的适应度,相比传统方法能更有效地提升喷嘴的空化性能。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

弹性限位浮筏隔振系统的动力学建模与算法

文章从接触动力学的角度,建立多自由度多弹性限位浮筏隔振系统的动力学模型,采用人工神经网络算法用于判别限位器的接触状态.实例分析指出,神经网络算法接触判别的时间大大缩短,接触计算得以实现.得出了对工程有指导意义的结论:限位器单向约束时,筏体和设备的最大位移与限位器之间存在最优间隙.限位器双向约束时,筏体的最大位移与限位器之间存在最优间隙,而设备的最大位移随着限位器的间隙增大而增大.限位器间隙对系统的影响与限位器的约束状态有关.