针对有限元逆分析方法进行荷载识别的大计算量的缺陷,以及鉴于传统的BP网络的速度慢和局部极小值问题,该文提出了将有限元方法与径向基函数(Radial Base Function,简记为RBF)神经网络结合对受集中载荷作用的壳体结构进行荷载识别。通过...针对有限元逆分析方法进行荷载识别的大计算量的缺陷,以及鉴于传统的BP网络的速度慢和局部极小值问题,该文提出了将有限元方法与径向基函数(Radial Base Function,简记为RBF)神经网络结合对受集中载荷作用的壳体结构进行荷载识别。通过有限元方法计算出压电元件的集聚电荷,以该电荷来构建训练样本对网络进行训练,再将没有进行训练的电荷数据送入到训练好的RBF神经网络进行预测,实现对壳体结构荷载的作用位置和大小的评估。最后给出了对壳体结构荷载识别的算例,结果表明该方法计算速度快、精度高、具有较好的应用前景。展开更多
文摘针对有限元逆分析方法进行荷载识别的大计算量的缺陷,以及鉴于传统的BP网络的速度慢和局部极小值问题,该文提出了将有限元方法与径向基函数(Radial Base Function,简记为RBF)神经网络结合对受集中载荷作用的壳体结构进行荷载识别。通过有限元方法计算出压电元件的集聚电荷,以该电荷来构建训练样本对网络进行训练,再将没有进行训练的电荷数据送入到训练好的RBF神经网络进行预测,实现对壳体结构荷载的作用位置和大小的评估。最后给出了对壳体结构荷载识别的算例,结果表明该方法计算速度快、精度高、具有较好的应用前景。