基于EBF神经网络的复合材料耐压壳性能研究

为了对水下航行器非均匀内部环肋复合材料耐压壳进行高效率结构性能设计,基于复合材料可设计性特点,应用复合材料细观力学刚度的材料力学理论与有限元分析方法对耐压壳结构进行力学仿真分析,结合EBF椭圆基神经网络近似模型技术以及拉丁超立方设计试验方法从细观层面对组分材料属性在非均匀环肋复合材料耐压壳性能中的影响进行研究。结果表明:纤维和基体的弹性模量对耐压壳结构材料力学性能影响最大,剪切模量对各力学性能影响都很小。在组分材料属性一定的情况下,随着纤维体积分数增加,Tsai-Wu失效指数和临界失稳压力有所提高,而相邻肋骨中点处壳板周向应力、肋骨处壳板轴向应力和肋骨应力随之降低。因此,在非均匀环肋复合材料耐压壳设计过程中应重点考虑较大弹性模量以及适当纤维体积分数的组分材料以达到结构性能最优化的目的。

基于EBF神经网络铁路箱梁桥结构的优化

为研究列车对铁路箱梁桥造成的振动影响,以24 m铁路箱梁桥为例,依据正交实验,从模型中选择的7个参数中确定弹簧刚度、弹簧间距和桥梁弹性模量为显著影响参数,并将其作为设计变量,通过最优拉丁超立方实验抽样方法,结合椭圆基函数神经网络建立近似模型,确定跨中的挠度、加速度和1阶竖向弯曲的自振频率,采用NSGA-II遗传算法对神经网络近似模型进行了优化。结果表明,优化后较优化前的模型箱梁桥跨中的挠度下降了7.0%,加速度下降了9.0%,1阶竖向弯曲的自振频率下降了9.5%,桥梁振动得到有效改善,为后续铁路箱梁桥设计与仿真分析提供理论参考。

考虑材料参数不确定性的皮肤伤口缝合力预测模型

为快速、有效地评估缝合皮肤伤口所需的力,运用非线性有限元方法,对不同尺寸、不同材料参数皮肤伤口进行缝合力数值计算;以计算结果为样本,采用椭球基神经网络模型,构建了皮肤伤口缝合力预测模型;考虑到皮肤材料参数的不确定性会影响数值计算结果的可靠性,预测模型采用Monte-Carlo方法进行了皮肤材料参数的不确定性传播分析;最后,以猪皮为实验材料进行伤口缝合力预测分析与测量实验,验证了该方法的可靠性.结果表明,间断缝合椭圆形皮肤伤口,缝合点处所需缝合力按缝合针次呈先增后减趋势,峰值力发生在伤口中线前,40 mm×10 mm伤口,缝合力峰值约为1.7 N;40 mm×14 mm伤口,缝合力峰值约为2.5 N.受材料参数不确定性影响,缝合力预测结果最高有±0.6 N的波动.构建预测模型的理论方法,为皮肤等生物软组织材料参数不确定性传播问题提供了有效的解决思路,同时为机器人手术缝合提供重要的力学参考信息.

椭球基函数神经网络的指纹识别方法

椭球基函数(Ellipsoidal Basis Function,EBF)使网络划分输入空间成为封闭有界的局部作用的空间,与径向基函数(Radial Basis Function,RBF)神经网络的高斯函数相比,它对空间的划分更明确。因此,它的模式识别能力将有所提高。提出了一种基于EBF神经网络的指纹识别方法。首先,利用小波变换(Wavelet Transform,WT)直接从二值化指纹图像中提取细节特征,简化了复杂的预处理步骤,极大地减少了计算量,提高了识别的速度。同时利用EBF神经网络进行分类识别,有效提高了识别精度。该算法在FVC2000(国际指纹竞赛数据库)上作了测试。并与文献[9]中的WT-RBF算法进行比较。实验结果表明,提出的算法获取了较高的识别率,并且缩短了识别时间。

实用语音识别的场景标记辅助系统

标引是通过给音频-视频数据加入标记,对其内容进行描述,以便于信息的检索和查询。语音标引在媒体资产管理中扮演了很重要的脚色。介绍了一种基于EBF网络的语音标引辅助系统,该系统可自动识别标引员所说的短语,辅助标引员在视频媒体上实现标引。系统从语句中将这些短语分割出来,并通过EBF神经网络进行建模。实验结果证明,该系统具有实用性,在媒体资产管理方面有良好的应用前景。

基于有效神经元的自组织模糊神经网络算法

针对传统神经网络识别率低和泛化能力差的问题,提出了一种改进的自组织模糊神经网络(SOFNN)学习算法。以保存椭球基函数(EBF)层各个神经元的输出及输出之和为依据进行神经元的修改,删除和增加,进而得到网络的有效神经元,并减少样本训练的时间。用最小二乘法(RLSE)估计参数,用梯度下降法修改参数,保证网络收敛。与其他的模糊神经网络相比,在精确度、结构复杂性和抗干扰性方面的优越性,在真实数据集上得到了有效的验证。

某火箭炮托架结构的优化设计与研究

以某火箭炮托架结构为研究对象,在多学科多目标优化软件Isight中建立全自动仿真优化分析平台。采用最优拉丁超立方最优值附近加密的实验设计方法探索设计空间,提出一种改进的EBF神经网络技术构建近似模型,运用多岛遗传算法和序列二次规划法组合优化策略进行优化分析,为机械结构的轻量化提供了一条可行的技术途径和研究方法。

某纯电动车车内中高频噪声分析与优化

对比分析了纯电动汽车与传统内燃机汽车噪声特性,根据纯电动汽车的噪声特性建立了整车统计能量分析模型,通过试验与仿真对比验证了模型的准确性。对比分析纯电动汽车与传统内燃机汽车的噪声传递路径,确定了对纯电动车车内噪声贡献最大的车身板件子系统,将其作为对象进行声学包优化。通过对比分析新型声学包材料组合与传统声学包材料组合的声学性能和重量,确定新型材料组合作为子系统声学包。对声学包参数进行多目标优化,得到各项性能最优的声学包。对比优化前后车内噪声仿真分析结果,优化后驾驶员头部声压级平均降幅达1.1 dB。