《基于RBF神经网络的复合材料层合壳荷载识别》PDF+DOC
作者:董会丽,郑世杰
单位:中国力学学会
出版:《工程力学》2008年第03期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFGCLX2008030140
DOC编号:DOCGCLX2008030149
下载格式:PDF + Word/doc 文字可复制、可编辑
《太阳总辐射传感器温漂补偿的RBF网络模型》PDF+DOC2016年第02期 孔令铭,刘丹枫,唐慧强
《基于RBF神经网络的燃气轮机转速传感器故障诊断研究》PDF+DOC2015年第02期 朱嵘嘉,孟东,曹丹丹
《海杂波背景下基于RBF神经网络的目标检测》PDF+DOC2005年第05期 陈瑛,罗鹏飞
《基于RBF神经网络的传感器故障诊断研究》PDF+DOC2003年第02期 吴浩中,黄飞鹏,王开文
《基于FCM聚类和RBF神经网络的机床热误差补偿建模》PDF+DOC2011年第10期 苏铁明,叶三排,孙伟
《基于模糊RBF神经网络的传感器动态特性补偿研究》PDF+DOC2010年第07期 王军号,孟祥瑞
《基于RBF神经网络的振弦式传感器在矿压测量中的温度补偿》PDF+DOC2010年第34期 赵国材,谭晓静,王昊轶
《基于RBF网络的变风量空调送风量软测量研究》PDF+DOC2010年第12期 杨怡,任庆昌,褚俊英
《基于RBF神经网络和粒子群算法的ECT传感器结构优化》PDF+DOC2009年第04期 孙强,石天明
《基于RBF神经网络的加速度传感器动态补偿研究》PDF+DOC2007年第04期 俞阿龙
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。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。