基于灰色神经网络的疲劳裂纹预测方法研究
“想吃马兰头青团”通过精心收集,向本站投稿了8篇基于灰色神经网络的疲劳裂纹预测方法研究,下面是小编为大家整理后的基于灰色神经网络的疲劳裂纹预测方法研究,如果喜欢可以分享给身边的朋友喔!
篇1:基于灰色神经网络的疲劳裂纹预测方法研究
基于灰色神经网络的疲劳裂纹预测方法研究
为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法.将灰色GM(1,1)模型向BP网络映射,建立了一维灰色神经网络GNNM(1,1)模型.基于灰色GM(1,1)模型的发展系数和灰作用量给出了GNNM(1,1)膜型初始权值.应用建立的GNNM(1,1)模型预测了某不锈钢构件腐蚀疲劳裂纹的.扩展,并与GM(1,1)模型的预测结果进行了对比,表明GNNM(1,1)模型具有更高的预测精度和模型精度.
作 者:李建国 江龙平叶新农 LI Jian-guo JIANG Long-ping YE Xin-nong 作者单位:李建国,LI Jian-guo(海军装备部航订部,北京,100841)江龙平,JIANG Long-ping(海军航空工程学院,青岛分院,山东,青岛,266041)
叶新农,YE Xin-nong(海军驻西安地区航空军事代表室,西安,710021)
刊 名:海军航空工程学院学报 ISTIC英文刊名:JOURNAL OF NAVAL AERONAUTICAL AND ASTRONAUTICAL UNIVERSITY 年,卷(期): 23(3) 分类号:V250 TB114.3 关键词:疲劳损伤 灰色 神经网络篇2:疲劳裂纹扩展研究综述
疲劳裂纹扩展研究综述
对疲劳裂纹,指出了扩展条件和研究方法;分析了控制参量;论述了扩展速率和寿命预测.
作 者:刘春孝 王海燕 作者单位:焦作大学,河南,焦作,454003 刊 名:焦作大学学报 英文刊名:JOURNAL OF JIAOZUO UNIVERSITY 年,卷(期):2008 22(2) 分类号:V25 关键词:疲劳裂纹 扩展 断裂 速率 寿命篇3:神经网络预测裂纹尖端约束效应
神经网络预测裂纹尖端约束效应
裂纹尖端约束效应的'评估在结构完整性分析中十分重要.基于J-A2双参数弹塑性理论,用有限元对裂纹尖端应力、应变场进行数值模拟.研究用BP神经网络预测裂纹尖端的约束效应,采用单边缺口弯曲(SENB)试件韧带上三个点的应变值作为网络的输入数据,J-积分和约束参数A2作为输出,建立神经网络.实例数值结果表明,神经网络可以很好地模拟韧带上应变值和J-积分及约束参数A2之间的非线性关系,它可用于预测带裂纹构件裂纹尖端的约束效应.
作 者:李慧梅 王钟羡 LI Hui-mei WANG Zhong-xian 作者单位:李慧梅,LI Hui-mei(江苏大学,理学院,镇江,21)王钟羡,WANG Zhong-xian(江苏大学,理学院力学与工程科学系,镇江212013)
刊 名:力学季刊 ISTIC PKU英文刊名:CHINESE QUARTERLY OF MECHANICS 年,卷(期): 29(2) 分类号:O346.1 关键词:裂纹 神经网络 有限元 约束效应 J-积分篇4:基于灰色神经网络的航空发动机振动故障诊断方法研究
基于灰色神经网络的航空发动机振动故障诊断方法研究
针对某型双转子航空涡扇发动机台架试车中出现的'振动异常现象,提出了一种基于灰色神经网络的航空发动机故障诊断方法,该方法不仅具有灰色关联度故障诊断方法计算量小、准确率高等优点,同时具备了神经网络强大的并行处理能力和良好的容错性.实例证明,该方法能够简单有效地诊断出航空发动机台架试车中出现的常见故障,为航空发动机故障诊断提供了一个新的途径.
作 者:倪绍华 沙云东 张军 NI Shao-hua SHA Yun-dong ZHANG Jun 作者单位:沈阳航空工业学院飞行器动力与能源工程学院,辽宁,沈阳,110034 刊 名:沈阳航空工业学院学报 英文刊名:JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING 年,卷(期):2008 25(1) 分类号:V263.6 关键词:航空发动机 故障诊断 神经网络 灰色理论篇5:疲劳裂纹电位法测量研究
疲劳裂纹电位法测量研究
本文对电位式裂纹测量仪的'基本组成原理及性能做了介绍,并在高温疲劳裂纹扩展试验中,使用该仪器与显微镜直接观测法同时测得四组试验数据.对其中三组数据进行线性拟合,拟合出试验中裂纹长度与测得电压之间的关系式,最后用拟合出的关系式对另一组数据反推检验裂纹长度.对比所得结果,测量精度比较令人满意,证明了此电位式裂纹测量仪的可靠性和实用性.
作 者:侯贵仓 常小榕 HOU Gui-cang CHANG Xiao-rong 作者单位:北京航空航天大学,能源与动力工程学院,北京,100083 刊 名:燃气涡轮试验与研究 英文刊名:GAS TURBINE EXPERIMENT AND RESEARCH 年,卷(期): 21(4) 分类号:V231.95 关键词:电位法 疲劳裂纹 裂纹检测篇6:基于神经网络方法的民航安全预测研究
基于神经网络方法的民航安全预测研究
为了对民航系统安全运行状态进行科学的分析和预测,选取能够反映民航安全综合状态的重要指标之一-飞行事故万时率,分别采用BP神经网络和RBF神经网络的理论和方法对其进行分析预测和仿真验证.两种方法预测结果的对比分析表明神经网络方法能较准确的'预潮出民航的综合安全状况,而相比于BP神经网络,RBF神经网络具有更高的预测精度.
作 者:於秋枫 曾鑫 陈通 作者单位:中国民航飞行学院,四川广汉,618307 刊 名:科技创新导报 英文刊名:SCIENCE AND TECHNOLOGY INNOVATION HERALD 年,卷(期): “”(32) 分类号:V32 关键词:神经网络 飞行事故万时率 民航安全预测篇7:基于灰色理论与BP神经网络的工序质量预测研究
基于灰色理论与BP神经网络的工序质量预测研究
摘要:工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网络相结合的工序质量预测方法.在充分利用两者在预测领域的优势基础上建立了综合质量预测模型,实例计算表明该预测方法是可行的. 作者: 王秋明[1] 刘科成[2] 高慧颖[3] Author: WANG Qiu-ming[1] LIU Ke-cheng[2] GAO Hui-ying[3] 作者单位: 北京理工大学,管理与经济学院,北京,100081;中国科学院,微电子研究所,北京,100029北京理工大学,管理与经济学院,北京,10008;Informaties Research Centre,University of Reading,Reading,Berkshire,UK北京理工大学,管理与经济学院,北京,100081 期 刊: 北京理工大学学报 ISTICEIPKU Journal: TRANSACTIONS OF BEIJING INSTITUTE OF TECHNOLOGY 年,卷(期): , 31(2) 分类号: N949 关键词: 灰色系统 神经网络 工序质量 残差 质量预测 机标分类号: TP3 X70 机标关键词: 灰色理论 人工神经网络技术 工序质量 预测研究 BP Neural Networks Grey Theory Based Quality 质量预测模型 预测方法 新陈代谢模型 质量控制 优势 局限性 计算表 综合 基础 比拟 基金项目: 国家自然科学基金 基于灰色理论与BP神经网络的'工序质量预测研究[期刊论文] 北京理工大学学报 --2011, 31(2)王秋明 刘科成 高慧颖工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网...篇8:一种新的组合灰色神经网络预测模型
一种新的组合灰色神经网络预测模型
对GM(1,1)灰色和几种灰色组合模型进行了讨论,针对多个相关序列预测的问题,提出了组合灰色GM(1,1)神经网络预测模型.此方法采用灰色模型对各序列进行预测,然后利用神经网络对预测值进行校正,得到最终预测值.实例表明此种模型在实际应用中的确能够提高预测精度.
作 者:许秀莉 罗键 作者单位:厦门大学自动化系,福建,厦门,361005 刊 名:厦门大学学报(自然科学版) ISTIC PKU英文刊名:JOURNAL OF XIAMEN UNIVERSITY(NATURAL SCIENCE) 年,卷(期):2002 41(2) 分类号:N941.6 关键词:模型 BP神经网络 组合灰色神经网络预测模型【基于灰色神经网络的疲劳裂纹预测方法研究】相关文章:
5.艺术论文研究方法






文档为doc格式