搜索结果: 1-15 共查到“力学 神经网络”相关记录24条 . 查询时间(0.215 秒)
中国科学院力学所流固耦合与数值计算团队在融合物理神经网络研究中取得进展（图）
流固耦合 数值计算 神经网络
<
2023/8/17
通过实验获得的流体数据通常是稀疏或不完整的，如何利用不完美的流场数据提取流场的高分辨率数据或特征信息在实验流体力学领域是一项重要难题，对高精度数据获取有重要意义。传统途径多采用直接求解NS方程的方法，利用数据同化，嵌入稀疏流场数据进行求解或预测，此类传统方法需要大量的前期代码工作，且需要精细的网格划分辅以高精度的求解，灵活性较低。融合物理神经网络(Physics-Informed Neural N...
基于卷积神经网络模型的Gd2O3/6061Al中子屏蔽材料的力学性能预测
Gd2O3/6061Al 卷积神经网络 力学性能 预测
<
2021/1/11
提出了一种卷积神经网络模型来预测Gd2O3/6061Al中子屏蔽材料的力学性能。以Gd2O3/6061Al中子屏蔽材料的EBSD微观形貌及其相应的拉伸性能作为数据集来训练及验证卷积神经网络模型。结果表明：使用多个显微图像，不需任何人工图像处理，卷积神经网络可得到良好的训练结果，其性能优于传统的测试方法；卷积神经网络捕捉到晶粒的存在和晶粒的一些统计信息；晶粒数目和晶粒大小之间具有很强的相关性。
基于级连相关神经网络的人工冻土本构模型
神经网络 本构模型 人工冻土
<
2016/6/24
为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数...
基于神经网络的风洞马赫数预测控制仿真研究
风洞 预测控制 神经网络
<
2016/10/14
针对2.4 m 跨声速风洞很难用精确的机理模型表示系统的动态特性的问题，提出了基于神经网络模型的 风洞马赫数预测控制策略。综合了模型预测控制和神经网络建模的优点，对于控制参数未知、非线性和时变系统具 有很好的处理效果。利用基于径向基函数的神经网络模型预测系统的动态响应、非线性神经网络模型可以在训练过 程中捕获系统的动态特性等措施，实现了将神经网络模型应用到MPC 结构中。仿真结果表明，该控制策略具...
基于BP神经网络的风洞传感器非线性误差修正方法
BP神经网络 风洞传感器 误差修正
<
2016/10/13
针对风洞试验时传感器测值受到非线性误差干扰的问题，提出基于BP 神经网络的风洞传感器非线性误 差修正方法。利用BP 神经网络强大的非线性映射能力，通过神经网络模型融合传感器校准数据对传感器的测量误 差进行计算，并根据网络计算误差对传感器测值进行修正。试验结果表明：该方法能有效地减小非线性误差对传感 器测值的影响，提高传感器的测量精度。
集成神经网络在2.4 m跨声速风洞马赫数预测中的应用
2.4 m 跨声速风洞 特征子集 集成神经网络
<
2016/10/13
2.4 m 跨声速风洞空气流动是复杂的三维流动，想要利用机理模型来描述马赫数的特性十分困难，所以采 用数据驱动的方式建立风洞马赫数模型。提出一种基于特征子集的集成神经网络建模方法，该方法选用动态 NARMAX 模型，并采用集成神经网络的方法建立了风洞马赫数预测模型；最后，进行了单一神经网络模型与集成神 经网络模型在马赫数预测上的性能对比。试验结果表明：集成神经网络模型可以在保证预测准确度和泛化性的...
基于BP神经网络的风洞传感器非线性误差修正方法
BP神经网络 风洞传感器 误差修正
<
2016/5/25
针对风洞试验时传感器测值受到非线性误差干扰的问题，提出基于BP神经网络的风洞传感器非线性误差修正方法。利用BP神经网络强大的非线性映射能力，通过神经网络模型融合传感器校准数据对传感器的测量误差进行计算，并根据网络计算误差对传感器测值进行修正。试验结果表明，该方法能有效地减小非线性误差对传感器测值的影响，提高传感器的测量精度。
集成神经网络在2.4米跨声速风洞马赫数预测中的应用
2.4米跨声速风洞 特征子集 集成神经网络
<
2016/4/5
2.4 m跨声速风洞空气流动是复杂的三维流动，想要利用机理模型来描述马赫数特性十分困难,所以我们采用数据驱动的方式建立风洞马赫数模型。本文提出一种基于特征子集的集成神经网络建模方法，该方法选用动态NARMAX模型，并采用集成神经网络的方法建立了风洞马赫数预测模型。最后，进行了单一神经网络模型与集成神经网络模型在马赫数预测上的性能对比。结果表明，集成神经网络模型可以在保证预测准确度和泛化性的基础上，...
基于神经网络的风洞马赫数预测控制仿真研究
风洞 预测控制 神经网络
<
2016/5/25
针对2.4米跨声速风洞马赫数控制精准度要求较高的问题，开展了马赫数预测控制仿真研究。本文提出了基于神经网络模型的风洞马赫数预测控制策略，采用的方法综合了模型预测控制和神经网络建模的优点，对于控制参数未知、非线性和时变系统具有很好的处理效果。本文提出利用基于径向基函数的神经网络模型来预测系统未来的动态响应，而非线性神经网络模型可以在训练过程中捕获系统的动态特性，将神经网络模型应用到模型预测控制（MP...
集成神经网络在2.4米跨声速风洞马赫数预测中的应用
2.4米跨声速风洞 特征子集 集成神经网络
<
2016/5/23
2.4 m跨声速风洞空气流动是复杂的三维流动，想要利用机理模型来描述马赫数特性十分困难,所以我们采用数据驱动的方式建立风洞马赫数模型。本文提出一种基于特征子集的集成神经网络建模方法，该方法选用动态NARMAX模型，并采用集成神经网络的方法建立了风洞马赫数预测模型。最后，进行了单一神经网络模型与集成神经网络模型在马赫数预测上的性能对比。结果表明，集成神经网络模型可以在保证预测准确度和泛化性的基础上，...
基于神经网络预测与小波变换的结构非线性振动参数识别
复Morlet小波变换 BP神经网络 边端效应 预测延拓
<
2014/9/25
首先介绍利用复Morlet小波变换进行结构非线性振动模型参数识别的原理，进而分析了因小波变换过程中的边端效应以及在采样点较少情况下复Morlet小波变换对非线性模型参数识别准确性的影响。然后提出了利用BP神经网络对非线性模型参数识别的信号进行预测延拓，并基于预测后的信号进行参数识别。最后通过对两种非线性振动模型进行数值仿真，验证了该方法能很好的提高非线性模型参数识别的准确性，并且具有一定的抗噪能力...
径向基神经网络在非线性非定常气动力建模中的应用研究
径向基神经网络 非线性非定常气动力模型 等效缩减频率 谐波运动 阶跃运动
<
2013/9/3
基于南航NH2风洞中某飞机模型大迎角大振幅单自由度偏航、滚转及偏航滚转耦合的谐波、阶跃运动实验数据，应用径向基神经网络，研究人工神经网络描述非线性非定常气动力特性的能力。研究结果表明，所建立的径向基神经网络模型的预测结果与训练数据和验证数据都符合得很好，说明神经网络建模方法可以有效地对高度非线性的气动力进行建模。研究还表明，用神经网络建立模型时所需要的风洞实验数据可以减少，从而提高风洞实验效率...
基于振动信号神经网络层合板分层损伤检测研究
层合板 分层损伤 振动信号 神经网络 损伤检测
<
2013/10/12
基于振动信号应用神经网络研究层合板分层损伤的检测方法. 对层合板分层损伤区域, 采用相同坐标不同节点建立了分层损伤处的有限元模型; 通过数值模拟提取结构无损和不同程度面积分层损伤的全局振动标识量; 重点研究神经网络对层合板分层损伤位置和损伤程度的检测技术. 研究表明, 用结构全局振动标识量作为人工神经网络的输入, 对层合板结构分层损伤检测是一种很有效的工程实用技术, 可应用于实际结构的在线损伤检测...
将遗传算法和神经网络相结合，建立了NEPE推进剂寿命预估的遗传神经网络(GA-BP)模型。以推进剂拉伸强度下降至原来的50%作为失效判据，利用GA-BP模型预估了NEPE推进剂在常温(20℃，相对湿度65%)下，可靠度为90%时的贮存寿命约为12.5年。结果表明，该模型预估精度高，泛化能力强。