BP神经网络在双燃料发动机排放预测中的应用

运用BP神经网络(Back Propagation Network)的自学习以及非线性逼近能力,对双燃料发动机排气中CO、HC、NO_x和碳烟的浓度进行拟合和预测。搭建神经网络模型,通过采集双燃料发动机排气浓度数据对神经网络模型进行训练和验证。当BP神经网络训练过程中样本和模型计算值的线性相关系数R大于0.9,且用于验证的数据和模型运算值误差在可忽略范围内,则所建的神经网络模型能够有效预测双燃料发动机的排气浓度。训练结果显示,CO、HC、NO_x和碳烟浓度的模型计算值和实测值线性相关系数R都大于0.9,说明神经网络具有较强的拟合能力;验证结果显示,预测值和实测值的相对平均误差都小于10%,能够满足实际需求。结果表明,运用神经网络模型能够有效预测双燃料发动机的排放。     

多维意象下产品造型满意度预测模型研究

为均衡有效地满足用户多维复合意象的情感需求，提升多维意象下产品造型与用户满意度的匹配程度，提出一种结合熵权法与BP神经网络的产品造型满意度预测模型。以老年代步车为例，建立了产品造型元素集和多维意象集，采用语义差分法获取了样本评价值，并采用熵权法计算多维意象权重；将样本造型元素进行编码作为第1层BP神经网络模型的输入变量，将多维意象加权评价值作为第1层输出变量和第2层BP神经网络输入变量；将用户满意度评价值作为第2层BP神经网络输出变量，并通过K-fold交叉验证法训练和测试双重BP神经网络预测模型，验证结果显示：预测模型满意度MSE值小于0.01,表明该模型能有效映射多维意象下产品造型与满意度间的隐性关联。运用该模型对300个新方案进行预测，快速决策出最佳方案，为设计人员提供参考。     

移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略

深度神经网络因其强大的数据分析功能而被广泛使用在移动智能应用中,然而其计算任务的复杂性给计算能力与电池容量均有限的终端设备带来了巨大的挑战。若将深度神经网络中的计算任务完全卸载到云端,则会产生较高数据传输时延。移动边缘计算因其低时延、分布式、位置感知的优势能有效解决深度神经网络的时延和能耗问题。为了在保证用户时间约束的同时,充分优化终端设备能耗,建立了移动边缘计算环境中深度神经网络计算任务卸载的时间和能耗评价模型,基于该模型提出了移动边缘计算环境中基于能耗优化的深度神经网络计算任务卸载策略。该策略以神经网络层为单位,将深度神经网络中的计算任务进行拆分,在计算任务卸载时,对移动边缘计算环境中多重计算资源进行综合考虑。最后,提出了移动边缘环境中基于多重资源任务卸载的粒子群调度算法,该算法能在满足时间约束的同时,充分优化终端设备能耗。实验表明,与已有的3种任务卸载策略相比,新策略对应的粒子群调度算法所得适应度值最优,满足时间约束下,终端设备的能耗值最低。     

压痕法评价奥氏体不锈钢拉伸性能的神经网络分析

基于Ludwik模型,采用有限元软件进行仿真,建立压痕曲线神经网络数据库,利用Matlab提供的函数来创建反向传播神经网络,利用材料参数输入和压痕曲线输出向量对神经网络进行训练,学习输入和输出数据之间的关系。利用训练好的神经网络模拟压痕曲线,通过Matlab优化函数使试验观测值与神经网络模拟预测值之间的误差最小。由于神经网络数据库已包含所有的数据信息,计算时不需要再进行有限元模拟,神经网络法能够节省大量计算时间。神经网络法计算得到奥氏体不锈钢的屈服强度、抗拉强度、应变硬化指数和弹性模量等力学性能与单轴标准试验结果吻合良好,能够用于预测奥氏体不锈钢的力学性能。     

基于BP神经网络的焊接工时定额模型研究

为了提高焊接工时定额的计算效率和精确度,消除传统定额方法过度依赖线性公式进行计算而忽略工时定额与其加工工艺参数之间的非线性关系的不足,将BP神经网络技术应用到焊接工时定额中,建立多输入单输出的神经网络模型,并运用实际数据对建立的神经网络进行训练,通过测试样本验证了该网络模型输出的仿真值与实际值之间的误差在5%以内。验证结果表明,用BP神经网络方法建立的焊接工时定额模型能够对焊接工时进行准确的预测。     

基于RBF网络的冗余扫查机器人逆运动学研究

利用径向基函数（RBF）神经网络逼近能力较优和收敛速度较快的特点将运动学逆解过程转换为神经网络权值的训练过程。在训练RBF网络时，采用正交最小二乘（OLS）算法来确定网络中心，并将正解结果作为训练样本，实现了冗余扫查机器人运动学逆解的计算，避免了传统方法的繁琐公式推导及数值病态问题。     

基于有限元法和神经网络技术的汽车碰撞事故再现

为充分利用事故变形信息,提出采用有限元法和神经网络技术进行事故再现的方法.在该方法中,首先采用数字测量技术得到事故车辆变形关键点的测量值,采用有限元仿真技术得到此关键点的计算值.将事故发生前的车辆运动参数作为神经网络的输入数据,关键点变形量测量值与仿真计算值的偏差作为神经网络的输出数据,将汽车碰撞仿真结果作为网络训练样本,对训练完成的神经网络进行优化求解得到事故发生瞬间的车辆运动参数.应用此方法对一起车-障碍物碰撞事故案例进行再现分析,建立整车、障碍物及地面有限元模型,选取前纵梁及挡泥板上的11个定位孔与螺栓孔作为变形量测量的关键点,再现分析结果验证了该方法的有效性,为事故责任鉴定提供了科学依据.     

基于柔度矩阵和神经网络的结构损伤识别法

提出一种分步识别结构损伤的方法。首先利用测量模态参数建立结构柔度矩阵来确定结构损伤的大体位置，然后应用神经网络技术和结构的加速度响应对确定的损伤范围进行参数识别，根据识别的刚度值判别结构的损伤程度。通过一个8自由度结构的仿真计算表明，该方法稳定性好，计算精度高，对噪声具有很高的鲁棒性，在10％噪声情况下，应用神经网络技术能较精确地得到结构的损伤程度，显示了该方法对大型复杂结构进行损伤诊断的潜力。     

基于改进的BP神经网络的有初始几何缺陷的薄壁箱形结构承载能力的预测

采用改进的BP（back propagation）神经网络代替非线性有限元法,研究有初始几何缺陷的薄壁箱形结构的承载能力。在神经网络学习过程中,通过不断调整每一层的权重值和阈值的方法来改进算法,加快计算的进程;同时,讨论预测过程中神经网络的拓扑结构和结构参数的选择,将预测结果与有限元法计算结果比较后表明该方法的有效性。最后,通过实例说明BP神经网络预测在工程中的应用。     

面向手写数字图像的压缩感知快速分类

为了减少神经网络模型对手写数字数据集的训练计算耗时和最佳训练次数,同时保证手写数字图像的分类准确率,引入了压缩感知技术,提出了基于压缩感知和单隐层前馈网络(Compressive Sensing and Single Hidden Layer Feedforward Network,CS-SHLNet)的手写数字图像快速分类算法。首先,利用高斯随机矩阵对具有稀疏性的手写数字图像进行线性观测,将高维图像信号投影到低维空间得到观测值;其次,通过误差反向传播(Error BackPropagation,BP)算法不断调整单隐层前馈网络权值建立适应于观测值的神经网络模型,将观测值嵌入神经网络中对图像进行特征提取;最后,采用单隐层前馈网络模型对手写数字进行图像分类,以训练计算耗时、最佳训练次数和分类准确率等指标对模型进行定量评估。实验结果表明:相比较单隐层神经网络和深度学习对MNIST手写数字数据集的高维图像信号图像分类,先通过CS技术利用观测数M=235的高斯随机矩阵线性观测得到图像的观测值,再利用单隐层前馈网络对观测值进行图像分类,网络模型的训练计算耗时缩短为13.05 s,最佳训练次数缩短为3次,分类准确率保持97.5%。该算法中的压缩感知线性观测可以有效减少神经网络模型对手写数字数据集的训练计算耗时和最佳训练次数,而且可以保证分类准确率。     

高速切削热分配的有限元模拟

基于有限元法建立了典型的正交切削模型,结合切削热分配的解析法,研究了高速切削中切削热在切屑、工件和刀具部分的量化分配规律,并通过实验验证了模拟数据准确性,为高速切削热的相关研究提供了一种新的方法。     

管壳式换热器壳程流体流动与传热数值模拟

利用ANSYS参数化建模方法建立了管壳式换热器的参数化模型,在ANSYS FLUENT 13.0模拟软件中对管壳式换热器的壳程流体的流动与传热进行了数值模拟计算,得到了不同折流板间距及入口流速的情况下换热器壳程流体温度场、速度场和压力场,分析了折流板间距及入口流速对换热效率和流体诱导振动的影响,对换热器结构优化设计提出了改进措施。     

利用电厂循环水余热的吸收式热泵模拟研究

通过对热泵系统整体质量平衡、热平衡和内部部件之间的传热分析,建立了增热型吸收式热泵数学模型,并用该模型分析了某电厂热泵机组在运行中循环水温度、热网供水温度和汽轮机抽汽压力对机组制热系数的影响,通过模拟得出在不同工况下维持热泵机组制热系数在1.66以上所对应的汽轮机抽汽压力的变化范围。     

热管砂轮传热性能的数学分析

为了强化磨削弧区换热,提高磨削极限热流密度以增大磨削的材料去除率,并且减少冷却液的使用,设计了一种热管砂轮.对热管砂轮进行数学建模和计算分析,结果表明热管砂轮可以使磨削弧区温度降低3/4以上.     

热管废热回收蒸发器在浊水余热回收中的应用

针对污水的特性,为避免生活污水与热泵工质R22产生交叉污染,从而导致系统不能正常运行的可能性,提出在污水与热泵系统工质R22之间采用一个热管换热器,得出在系统增加了一个热管换热器的情况下,污水流量一定时,热泵制热量,性能系数COP值,热泵系统R22工质蒸发温度,污水废热回收热量随污水进口温度的增大而增大,其中热泵工质蒸发温度的增幅最大,达到65.79%,废热回收热量的增幅最小,为6.8%,污水入口温度一定时,热泵制热量,性能系数COP值,热泵工质蒸发温度,废水回收热量随着污水流量的升高而升高,但是热泵工质蒸发温度的和性能系数COP值的增幅减少,热泵制热量,热管工质蒸发温度以及废水回收热量的增幅缓慢增加.     

脉动热管理论及技术进展

脉动热管作为热管家族新成员,相对传统热管和其他的散热器件有着很大的传热优势,能够实现高热流密度的微型电子器件的散热要求,近年来很多学者开展了对脉动热管的理论和技术研究,本文主要从以下方面介绍脉动热管研究进展:实验研究,通过可视化和传热性能实验,观察流型变化并分析传热强化效果;理论研究,通过建立脉动热管的简化模型,采用数值模拟的方法观察流动过程中流态的变化或者采用数值编程计算的方法分析求解脉动热管的传热过程;管路结构改进研究,采用不同的脉动热管的管路形式来实现两相流工质的合理分配,减少两相流的局部阻力,从而分析其对传热的影响。     

AP1000核电站余热排出热交换器的抗震性能分析

建立了核电站余热排出热交换器的动力模型,通过管梁单元、集中质量单元、弹簧单元及刚性梁连接单元等较准确地模拟了设备结构的动力特征,同时通过等效密度的修正考虑了液体及水动力附加质量的影响.通过反应谱动力分析和等效静力分析方法相结合,综合考虑了低阶模态的动态反应和高阶模态的静态反应,得到了安全停堆地震(SSE)工况下结构内的...     

换热器流路计算机辅助建模系统的开发

管式换热器结构紧凑,换热效率高,应用广泛。建立简单精确的计算机流路模型有利于应用计算机系统对管式换热器进行分析计算,提高设计效率。为简化流路模型的建模过程,提出了流路的计算机建模方法及计算机辅助建模系统的设计思路。系统基于Visual Studio及Auto CAD平台,采用面向对象的VisualC＋＋程序语言开发应用程序,使用兼容性良好的Access建立流路模型数据库。系统由五个功能模块组成,具有模型绘制、模型检测和模型管理等相关功能。系统界面友好,操作简单,实用性强。     

高温热管换热器的研究与工业应用

介绍了以液态金属热管技术为代表的高温热管换热器的研究与工业应用。研究内容涉及液态金属热管传热性能及其传热极限的研究、高温热管换热器整体传热特性及效率的试验研究、液态金属热管工业应用安全性的研究、低合金钢－液态金属热管相容性的研究、高温热管换热器的模拟优化研究。基于理论及实验研究基础，高浊热管换热器得以在工业领域应用，介绍了高温热管热风炉与高温热管取热器的工业应用实例。     

微电子芯片高热流密度相变冷却技术

介绍了微电子芯片高热流密度相变冷却技术,包括热管、热虹吸、环路热管、毛细泵吸环路,分析了各自的优缺点,提出LHP和CPL技术是唯一能替代热管技术的先进相变冷却技术,将是今后微电子芯片高热流密度冷却的主要方向.