神经网络的泵体铸造过程数值模拟的优化与应用

根据泵体的产品结构特点,设计出合适的浇注系统。为了更好的节省成本并试制样件,利用procast模拟软件对柴油机用的高压共轨喷油泵铸铝件的铸造生产过程进行cae研究。通过对该泵体两种铸造工艺模拟的结果,分析了可能产生铸造缺陷的位置及其类型,选择出最适于该泵体的铸造工艺。最终采用低压铸造工艺,根据模拟结果修改模具参数,增加水冷装置,最终得到合格的泵体铸件,并投入生产。

阐述了运用数值模拟和人工神经网络技术相结合的方法进行汽车覆盖件坯料设计的思路,试验研究的结果表明:采用设计优化切实可行,具有良好的实际应用效果。

用人工神经网络算法计算了消失模铸造充型过程中不同时刻液态金属-模样界面的位置。通过实验对该算法进行了验证,模拟计算结果与实际测试结果无论在充型形态还是充型时间上都符合得较好。根据得出的界面位置及边界条件,通过求解n-s方程和能量方程计算了消失模铸造充型过程的流场及温度场。讨论了该计算模型在消失模铸造过程模拟仿真中的应用。

笔者旨在实现给予人工神经网络技术的双金属复合管铸造数值仿真的应用,通过分析双金属复合管铸造的工艺,在铸造过程数值仿真过程,实现人工神经网络的建模处理,确定人工神经网络仿真形式,积极构建神经网络,实现神经网络的初始化研究,学习神经网络的同时,确定仿真的结果和实例.基于实测数据以及仿真数据的研究,结果表明人工神经网络技术下的仿真最大误差约为2.2%,基于铸造过程的仿真应用,结合双金属复合管的优化设计,应用工艺的制作分析,有着较强的理论性意义和现实意义.

基于bp神经网络土体自由膨胀率的模拟研究——土体的膨胀性与其物理力学指标有着密切关系，但它们的关系是非线性的、复杂的，难以用传统的方法进行模拟。bp神经网络以其良好的非线性映射能力而成为应用最广泛的一种神经网络模型。结合南水北调中线工程，取南阳地...

本文利用神经网络的模拟能力代替传统的力学方法,对混凝土材料的循环本构关系进行了模拟研究.试验结果和模拟结果的比较说明,该模型具有较高的精度和良好的泛化能力.为研究材料本构特性提供了一条新的途径.

研究目的是通过神经网络方法反求铸造模具复杂曲面。利用径向基函数(rbf)神经网络优异的非线性逼近能力,将外形数据、加工余量、变形数据作为神经网络输入,在神经网络的输出上可以得到铸造模具曲面离散数据点。再通过输出数据,可以对模具曲面进行造型。模具曲面的重构精度高、速度快。通过在复杂曲面模具造型上的实际应用,证明该方法能够实现产品和工艺装备的并行设计,可以缩短产品研制周期,提高设计、生产速度和效率,具有实用推广价值。

以标准渐开线直齿轮齿根弯曲模型为例,就目前还无法用公式来计算的轮齿形变,利用人工神经网络的快速、非线性映射的特性来数字模拟轮齿形变,并利用labview为平台,开发了一套基于人工神经网络的工程建模和计算的仿真模拟系统软件.通过对软件的实际运行,取得了较好的效果.

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

为了优化机械油泵轴锻造工艺,提升机械油泵轴的综合性能,基于5×25×1三层拓扑结构,以坯料加热温度、始锻温度、终锻温度、模具预热温度和锻造变形量为5个输入参数,以磨损性能为输出参数,以tansig函数为传递函数,构建了机械油泵轴锻造工艺神经网络优化模型,并进行了神经网络模型的训练、预测与验证.结果表明该模型平均相对训练误差为3.2％,相对预测误差低于5％,具有较高预测精度和较强预测能力.与生产线现用工艺相比,采用模型优化工艺锻造的skh-51高速钢机械油泵轴的磨损体积减小了51.9％,磨损性能得到明显提高.

针对传统方法单独采用bp神经网络算法易陷入局部极值的问题,提出了遗传算法优化bp神经网络,并将其应用于mimo-ofdm系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使bp网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。

由于地下工程岩土力学参数的复杂性,在实际工程设计和施工中,要想得到比较准确的岩土力学参数是比较困难的,而岩土参数对地下工程的设计和施工的成败具有很重要的意义。本文利用遗传神经网络优化算法结合数值模拟试验对地下工程岩土力学参数进行优化反分析,并取得了良好的效果。

从空调负荷预测的目的出发,详细介绍了一种基于神经网络的混沌优化方法,对误差函数及搜索方法作了适当的改进,建立了一个混沌神经网络模型。并用此改进的模型对一实例进行了空调负荷预测,结果表明该方法简便、足够准确可靠。

基于解耦子波和优化神经网络的大坝变形预测——针对提高神经网络对大坝变形的预测能力，在对murtagh提出的、小波与神经网络相结合的、用于复杂时间序列预测的“三阶段”策略进行改进的基础上，发展了一个解耦子波和优化神经网络优势联合的预测模型。首先，利...

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素,提出了一种基于bp神经网络的公路网规模预测方法,并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为:改进传统的bp算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明,该方法客观、合理,预测精度高,实用性强,具有较强的理论与实际应用价值。

针对隧道工程施工网络计划执行率低的现状,将遗传算法和神经网络技术联合用于隧道施工网络计划的动态优化与决策。基于遗传优化和神经网络方案(模式库、专家知识系统)的优化决策方法能使该技术在隧道施工的应用更科学合理、准确可靠和方便快捷。该技术不仅能解决施工网络计划的执行率低的现状,而且为信息化和智能化的隧道施工提供了有力的技术保障,具有广泛的应用前景。

过程神经元网络的输入为时变连续函数,不能直接输入离散样本。针对该问题,提出一种基于分段线性插值函数的过程神经网络训练方法。将样本函数、过程神经元权函数的离散化数据插值为分段表示的线性函数,计算样本函数与权值函数乘积在给定采样区间上的积分,将此积分值提交给网络的隐层过程神经元,并计算网络输出。实验结果证明了该方法的有效性。

神经网络在岩土工程观测数据优化中的应用——利用人工神经网络独特的结构和处理信息的方法，以实际工程为背景，编制了岩土工程观测数据优化程序，结合德兴铜矿2号尾矿坝b-b测线浸润线观测实例进行分析研究，使得优化的结果与实际相吻台。

在机械优化设计领域针对实体结构的动态分析计算,采用bp神经网络可以提高优化收敛速度和精度,神经网络理论与传统的数值方法相结合具有重要的现实意义。

提出将一种径向基网络的重要变形—概率神经网络(pnn)应用于化工过程的故障检测中。与其他网络相比,概率神经网络学习速度快,适合于故障检测问题。将概率神经网络用于tennesseeeastman(te)过程故障检测的仿真实验,将实验结果与bp网络进行比较,结果表明概率神经网络的网络设计时间明显少于bp网络,故障检测的准确率明显提高。该方法可行、有效。

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

利用改进的基于bp神经网络模型的有限时间残差模型,分析不同速度和不同工况下的冷却功率与效率之间的关系,以获得一定的功耗。一方面,预测的绝对百分比误差模型,总体效应；另一方面,证明改进后的模型比经典bp神经网络更有效,预测精度提高了16.89%。