基于遗传算法优化的BP神经网络的材料疲劳寿命预测

针对传统的材料疲劳寿命计算方法(概率统计法)误差较大的问题,在对材料疲劳寿命数据进行分类的基础上,采用基于遗传算法优化的BP神经网络方法,建立了应力集中系数、应力均值、应力幅值和材料的中值寿命之间的关系模型,针对具有有限寿命的数据进行寿命预测。实例验证结果表明,利用本文方法获得的预测结果与试验数据的相对误差均在5%以下,优于传统算法的预测精度,可以作为获取材料疲劳寿命数据的一种更为有效的手段。     

神经网络在锈蚀钢筋疲劳寿命预测中的应用

在锈蚀钢筋轴向拉伸疲劳试验的基础上,利用BP神经网络较强的高次非线性能力和自学习能力,建立预测锈蚀钢筋等幅疲劳寿命的BP神经网络模型。基于非线性疲劳损伤理论,把等幅疲劳荷载作用下锈蚀钢筋的疲劳寿命预测神经网络模型进一步发展成变幅疲劳荷载作用下的锈蚀钢筋疲劳寿命预测神经网络模型。通过利用锈蚀钢筋混凝土梁的疲劳试验数据对该模型进行训练和检验,证明所建立的预测锈蚀钢筋变幅疲劳寿命的BP神经网络预测模型精度较高,适用性强,可为锈蚀混凝土桥梁的剩余疲劳寿命评估提供必要的依据。     

基于进化神经网络的齿轮可靠性预测

人工神经网络模型中广泛应用的是BP（Back Propagation0模型，针对BP算法存在收敛速度慢，容易陷入局部最小点的缺陷，本文用遗传算法(Genetic Algorithm:GA）训练神经网络（Artificial Neural Network:ANN），取代了一些传统的学习算法，设计了GA＋BP学习算法，用遗传算法和神经网络相结合的方法求解了齿轮弯曲疲劳寿命的预测问题，仿真结果表明，组合GA与BP可以克服单纯使用BP易入局部极小等问题，取得了较为满意的效果，预测精度较高。     

基于遗传算法SVM的电子元件寿命预测

针对电子元件在正常应力下的寿命预测,提出了基于遗传算法SVM的预测方法。首先进行多应力水平条件下的寿命实验,得到元件在各个应力下的失效时间,根据失效时间得出相应应力下的可靠性。然后将遗传算法与SVM相结合,建立预测模型,从而不仅可以预测同一应力下元件的寿命,可根据加速应力下元件的寿命来预测正常应力水平下的寿命。实验证明,在小样本条件下,该方法同神经神经网络相比,预测结果的精确度提高了14%,该预测方法能够更准确地预测出电子元器件的寿命。     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键．基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA-WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练，部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷．仿真实验验证了GA-WNN预测模型对短时交通流的预测的有效性．     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性,实时准确的交通流预测是智能交通系统,特别是先进的交通管理系统与先进的出行者信息系统研究的关键. 基于交通流预测的特点,给出了基于遗传算法的小波神经网络的交通预测模型GA WNN,用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练,部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法,克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷. 仿真实验验证了GA WNN预测模型对短时交通流的预测的有效性.     

基于云遗传算法优化BP神经网络的轨道客流预测

城市轨道交通客流预测是线路规划和运营组织的基础,为提高客流预测的准确度,提出了基于云遗传算法优化BP神经网络的轨道客流预测模型.首先利用云模型云滴的随机性和稳定倾向性改进传统遗传算法中固定设置交叉和变异率的方式,克服了标准遗传算法搜索速度慢及容易早熟的缺陷;再通过改进后的遗传算法来优化BP神经网络的初始权值和阈值;最后...     

基于灰色理论的飞机结构疲劳寿命预测

对飞机结构疲劳寿命进行预测研究,具有重要的军事意义与凸显的经济价值,本文以某型军用飞机关键结构部件--水平尾翼为具体研究对象,采用通过飞机结构疲劳寿命试验专用平台得到的水平尾翼疲劳寿命的真实试验数据,运用灰色相关理论建立非等间距GM(1,1)模型,应用此模型预测飞机结构部件的疲劳寿命,并通过试验对所建模型的准确性与有效...     

结构钢高周疲劳寿命预测的电阻模型

研究了金属材料基于电阻变化的损伤定义，它能较好地反映损伤演化过程中共同存在和相互作用的宏、细、微观效应，并且在传导电流的导电截面与承载截面等价的假设条件下，与有效截面的损伤定义等价．通过纯弯旋转高频疲劳试验，提出了基于电阻变化的常用结构钢的高周疲劳损伤累积模型，获得了相应的疲劳损伤演化律及其寿命预测公式，并对由正火45号碳钢、16Mn钢和20Mn钢三种结构钢制成的试样进行了具体测试．     

基于遗传算法的循环神经网络在销售预测中的应用

企业产品销售额的分布具有动态的特性,循环神经网络能够直接地反映系统动态、非线性的特性,因此,考虑用循环神经网络来预测企业产品的销售额,同时为了避免训练陷入区域极小值,用遗传算法来改进网络的权值算法。实验表明基于遗传算法的循环神经网络可以预测出销售额的变化趋势,能取得不错的预测效果。     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

疲劳寿命预测能量方法的试验验证及其参数系统分析

根据疲劳过程能耗分析建立的损伤模型和目前常用的几种典型疲劳损伤模型,进行了复杂载荷历程下的疲劳寿命预测,并将预测结果与疲劳失效试验结果进行了比较.讨论了疲劳寿命预测方法中参数系统,提出一种检验寿命预测方法完备性的方法.     

基于遗传算法优化的BP神经网络的变压器油中气体预测

对变压器的运行状态和潜伏性故障进行有效预测,可避免出现维修不足或过度维修。由于BP神经网络具有对初始值敏感、易陷入局部最小的缺点,因此,其预测精度不高。本文采用遗传算法(GA)优化的BP神经网络对变压器油中气体进行预测和分析,结果表明,所采用的方法可有效提高BP神经网络的预测精度。     

局部应力—应变法预测大型波纹管的疲劳寿命

鉴于大型波纹管膨胀节全尺寸疲劳寿命试验在工程上实现的困难性，研究了基于局部应力－应变法预测大型波纹管的疲劳寿命。应用非线性有限元获取波纹管的最大局部应力变，并据此局部应变设计简化的试板。本方法在工程设计中被证明是实用且可靠的，它也适用于低压工况下通用尺寸波纹管的疲劳寿命的预测。     

复杂载荷历程下疲劳寿命的预测方法

近年来局部应力－应变法在疲劳寿命预测中，越来越受到人们的高度重视。但普通的Neuber局部应力－应变法对于每一名义应力变程都要需要建立新的坐标原点，并解非线性方程组，为此本文对其算法技巧进行了研究，算例表明，本评议提出了新的算法，能保证足够精度，程序得以简化，运算速度大幅度提高。     

基于固有频率变化的点焊接头疲劳寿命预测

为得到固有频率随疲劳裂纹扩展的变化规律,在拉剪点焊试样有限元模型中,使用逐渐由少到多断开单元节点的方法模拟裂纹扩展过程.根据损伤力学原理和裂纹在横截面上的投影定义了损伤,建立了基于载荷幅和平均应力的疲劳寿命预测模型.利用此模型预测了实际试样的疲劳寿命.寿命预测结果与实验寿命结果对比表明,此疲劳寿命预测模型能较好地估算点焊结构的疲劳寿命.     

基于遗传算法的神经网络优化的研究

有效地确定神经网络的参数和结构,一直是神经网络研究中的一个难点。遗传算法是一种基自然选择和自然遗传机理的全局搜索学习算法。本文研究了遗传算法优化神经网络连接权的思想和方法。实验结果表明,遗传算法为训练神经网络提供了一种新的途径。     

油气管线裂纹型缺陷的疲劳寿命预测

利用文献数据,采用Paris公式计算和分析合轴向表面裂纹的油气输送用X60管线钢的疲劳裂纹扩展过程,通过对比舍裂纹缺陷油气输送管的全尺寸实物疲劳试验结果,对所采用的基于失效评定图技术的含裂纹缺陷管道疲劳寿命预测方法的计算结果进行了间接的试验验证。结果表明,含缺陷管道的疲劳寿命数值计算结果与试验结果相吻合,采用小试样测试结果经Newman法修正后进行油气输送管道的疲劳寿命计算和分析是可行的。     

基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络（BP）的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.     

用于疲劳寿命预测的概率型线性累积损伤准则

引入随机疲劳损伤正则化因子的概念,建立了一种满足统计自治条件的概率型线性疲劳累积损伤准则,给出了单级加载、多级加载和随机谱载作用下,结构或结构元部件的随机疲劳累积损伤计算公式.这些公式可用来描述结构或结构元部件疲劳裂纹形成概率随循环加载历程的演化规律.