力学性能预测（精选十篇）
力学性能预测 篇1
钢材轧制系统是一个非常复杂的非线性系统, 相关工艺参数数据量巨大。传统的生产实践中, 往往依赖工程师的个人经验, 通过统计方法进行预报, 花费大量的时间和精力, 而且生产过程又不断受各种随机因素的干扰, 无法通过对生产工艺参数的调整对产品的力学性能进行精确的预测。通过人工神经网络模型在线预报产品力学性能, 可省去繁琐的传统数学模型的建立过程, 利用大量在线采集的产品数据和各种参数实际值, 使得产品在线预报力学性能达到的较高的精度, 从而有效的降低了生产成本, 提高了产品最终力学性能。
本文根据某钢铁公司Q235钢种的化学成分和轧制工艺同最终成品的力学性能之间的关系, 基于BP神经网络模型, 构建预测钢材力学性能算法。在节省投资、节约能源、保护环境及可持续发展等方面具有重要的经济意义和战略意义。
2 BP网络算法
1986年Rinehart等人提出了多层前馈网络误差反向传播 (Error Back Propagation, 简称BP) 算法。他们通过对BP算法在数学上的详细分析和完整推导, 系统地解决了多层神经网络中隐含层单元连接权的学习问题。
理论上单隐层BP网络可以任意精度逼近任意非线性曲线, 因此本系统采用了单隐层BP网络构建神经网络模型, 如图3.1所示。
网络输入为钢材的化学成分和工艺参数。钢材化学成分包括:碳、硅、锰、磷、硫等15个成分参数。工艺参数选用F4-F6三道次参数、终轧温度、卷曲温度、上冷却水温度、下冷却水温度、中间坯厚度等参数作为神经网络候选输入参数。神经网络采用单输出层, 分别为:屈服强度、抗拉强度、延伸率。
BP神经网络是有导师类型的神经网络, 采用误差梯度下降规则训练网络, 导致网络学习速度慢且易陷入局部极值。由于网络结构的选择尚无完整的理论指导, 初始权值阈值的选取和隐层节点的确定等都存在一定的盲目性, 因此网络预测能力与训练能力的矛盾, 易出现“过拟合”现象。为了加速收敛和防止震荡以及改善网络泛化能力, 应采取相应的优化策略。
3 遗传算法优化BP网络
遗传算法是一种基于生物进化原理共享出来的搜索最优解的仿生算法。遗传算法优化BP神经网络是用遗传算法来优化BP神经网络的初始权值和阈值, 使优化后的BP神经网络能够更好的预测函数输出。遗传算法优化BP神经网络的要素包括种群初始化、适应度函数、选择操作、交叉操作、和变异操作。
(1) 种群初始化。个体编码方法为实数编码, 每个个体均为一个实数串, 由输入层与隐含层连接权值、隐含层阈值、隐含层于输出层连接权值以及输出层阈值4部分组成。个体包含了神经网络全部权值和阈值, 在网络结构已经已知的情况下, 就可以构成一个结构、权值、阈值确定的神经网络。
(2) 适应度函数。根据个体得到BP神经网络的初始权值和阈值, 用训练数据训练BP神经网络后预测系统输出, 把预测输出和期望输出的误差绝对值之和作为个体适应度值。
(3) 选择操作。遗传算法选择操作有轮盘赌法、锦标赛法等多种方法, 本案例选择轮盘赌法, 即基于适应度比例的选择策略。
(4) 交叉操作。由于个体采用实数编码, 所以交叉操作方法采用实数交叉法。
(5) 变异操作。选取第i个个体的第j个基因进行变异。
4 优化算法性能比较
将基于自适应学习因子和附加动量项的BP神经网络应用于屈服强度力学性能建模。实际问题中, 选用260组样本数据进行网络的训练, 100组数据对训练好的网络进行测试。选定网络输入层单元16, 网络输出层单元数为1, 根据经验公式确定单隐层节点数的分别为13、14、15、16、17、18、19、20, 然后用试凑法确定最佳的节点数18。网络中学习率自动调整[51、52], 学习速率的调整准则是:在每个迭代步上考察所有样本的误差平方和较上次迭代是否有所下降, 再对学习率加以调整。学习因子取0.15, 动量因子取0.3, 期望输出与实际输出的误差平方和作为代价函数。
遗传算法参数设置为:种群规模为10, 进化次数为50次, 交叉概率为0.4, 变异概率为0.2。把最优初始权值和阈值赋给神经网络, 用训练数据训练100次后预测抗拉强度值, 预测误差曲线如图3.3所示。从图3.3可以看出遗传算法优化的BP网络预测更加精确, 并且遗传算法优化BP网络预测的均方误差为5.3704×10-5, 而未优化的BP网络均方误差为1.8876×10-4, 预测均方误差也得到了很大提高。
遗传算法优化BP神经网络的目的是通过遗传算法得到更好的网络初始权值和阈值, 其基本思想是用个体代表网络的初始权值和阈值, 个体值初始化的BP神经网络的预测误差作为该个体的适应度值。通过选择、交叉、变异操作寻找最优个体, 即最优的神经网络初始权值。
将基于PSO优化算法获得权值作为BP网络的初始权值训练网络并对抗拉强度强度力学性能建模, 将训练后的网络应用于140组测试数据, 结果如图3.5所示。
图3.5中 (a) 表示传统BP算法训练结果; (b) 表示经过优化后的预测结果。由图3.5可以看出, 经过优化后的神经网络, 预测数据多分布在自适应曲线两侧, 网络表现出较好的预测性能, 并且优化后的网络训练速度也得到加快。
5 结语
本文针对BP神经网络采用梯度下降算法, 导致的学习速度慢, 算法容易陷于极小点及个别网络参数难以确定等缺陷, 提出两种优化BP网络的方法:遗传优化算法和粒子群优化算法。分别应用两种算法优化BP网络初始权值和阈值, 与传统的单隐层BP算法比较, 验证了改进的BP网络预测效果较好。通过对比两种优化算法, 粒子群算法优化神经网络可以达到更好的钢材性能预测效果。
摘要：本文根据某钢铁公司Q235钢种的化学成分和轧制工艺同最终成品的力学性能之间的关系, 基于BP神经网络模型, 提出两种优化BP网络的方法:遗传优化算法和粒子群优化算法。并通过实验, 与传统的单隐层BP算法相比, 粒子群优化算法的BP网络在钢材力学性能预测方面效果更好。
关键词：BP神经网络,遗传算法,粒子群优化算法
参考文献
[1]刘维群, 李元臣.BP网络中隐层节点优化的研究[D].洛阳:洛阳师范学院, 2000, 23-28.
[2]焦李成.神经网络计算[M].西安:西安电子科技大学出版社, 2006, 20-65.
含能材料分子设计与性能预测研究 篇2
含能材料分子设计与性能预测研究
利用分子设计软件预测含能材料的物化性能及爆炸参数,并与实测值进行了比较.结果表明,TNT分子理论预测值与实测值基本一致;八硝基立方烷的爆炸参数,除爆速相差较大外,其他参数与实测值接近.
作 者：杨宗伟 刘玉存 YANG Zong-wei LIU Yu-cun 作者单位：中北大学化工与环境学院,山西,太原,030051 刊 名：山西化工 英文刊名：SHANXI CHEMICAL INDUSTRY 年，卷(期)： 29(4) 分类号：V512 关键词：分子设计 含能材料 爆炸参数 撞击感度大胆预测中国未来航母的作战性能 篇3
各种渠道的消息显示，中国的航母建造工程已经在进行之中。据俄罗斯军事工业界权威消息来源表示，中国在2006年向俄罗斯购买4套苏-33舰载战斗机使用的尾钩，用于测试。报道引述中国消息来源指出，中国正在确认生产航母系统的厂商，这意味着航母的总体设计、基础供电、发电机组的设计工作已经完成。
笔者认为，中国首艘航母建造将在上海附近的两个造船厂中指定一个：一个是上海附近的外高桥造船厂，该厂近几年多次承制十几万吨级的大型民用船只，但是没有建造军用船舶的经验；另一个是长江口附近的长兴岛造船厂，其前身是历史悠久的“江南制造局”，制造大型军用船舶的经验非常丰富。中国海军的052B、052C大型导弹驱逐舰都是在长兴岛建造的。相比之下，长兴岛造船厂将极有可能承造中国第一艘航母。
中国首艘航母可能是参照俄罗斯“库兹涅佐夫”级航母，长度约为300米，宽度约为70米，而外高桥、长兴岛这两个造船厂的船坞的容量都超过这个幅度。笔者认为，随着航母工程的上马，将推动中国国防技术的发展，尤其是海空军技术，将影响到下一代战斗机、水面舰艇、潜艇的设计与建造，甚至海军基地的建设。
从中国向澳大利亚、乌克兰与俄罗斯采购的“墨尔本”号（1985年）、“瓦良格”号（1998年）、“明斯克”号（1998年）与“基辅”号（2000年）4艘航母来看，笔者认为，军方在利用这4艘功能与结构各不相同的航母来参考研发中国航母。下面笔者大胆预测一下中国航母的整体性能。
动力系统
——中国航母可能会采用蒸汽轮机
当前最符合中国国情的是中型航母，其吨位一般在4万到6万吨。目前世界上中型以上的航母无一例外地采用前漂艏，方形艉，斜角平甲板，带大外漂的高干舷，右置岛式舰桥、闭式机库和舷侧升降机，一般要求航母搭载30～40架以上的战斗机。如中国选定歼-10作为舰载机，则航母需4万吨左右。若选定苏-27，则需要6万吨左右。
在动力方面，笔者认为，在核动力和常规动力的选项上，中国会考虑后者。驱动航母这样一个庞然大物长期高速航行需要很大功率（“戴高乐”级为8.3万马力，“库兹涅佐夫”级为20万马力，“尼米兹”级更是高达26万马力）。一般船用柴油机和燃气轮机都有点力不从心，中国航母会考虑首选采用蒸汽轮机。其优点是具有功率大、扭矩强劲、热效率高和工作可靠的特点，设计制造工艺也很成熟。
以中国现有的锅炉和汽轮机制造能力，大功率舰用蒸汽轮机在技术上风险较小。大连建成的15万吨油轮用的就是蒸汽轮机动力。考虑到中国海军不必远涉重洋或全球部署，无限航程不太重要。据此，中国航母也以蒸汽轮机动力为宜。
中国航母不考虑采用核动力是有原因的。研制全新核反应堆耗时费力，风险巨大，舰体布置上会有困难。中国4万吨级航母需要3～4个反应堆来推动，6万吨级更多。以苏联核动力技术之先进和苏联对军备投资的不遗余力，“库兹涅佐夫”级航母舍核动力不用而取蒸汽轮机动力，风险恐怕是一个重要因素。
弹射系统
——中国航母当前的唯一选择
弹射起飞和滑跳起飞——弹射器实际上是一个大蒸汽活塞，用来帮助飞机加速起飞离舰。蒸汽在瞬间释放时，推动活塞及连动的滑块，以3～4G将重达40吨的飞机在100米内由静止加速到高达175节的速度。弹射器目前只有美国可以制造，中国无法也不可能买到这样的航母核心装备，从别国购买（如法国）也会有备件问题。
弹射器使重型高性能飞机上舰成为可能，但其缺点也很多：又大又笨重（100吨），设计制造昂贵复杂，使用耗水量大（每弹射一次需耗淡水1.5～2吨），使用限制多（每日每部弹射平均不超过70～100次），维修要求高（每弹射3000～3200次需海上停飞检修），舰载机也必须极大地加强机体。
中国航母的选择只能考虑滑跳起飞。其优点很多：无需特殊设备，对机体结构要求低，陆基飞机上舰容易，其出动率和弹射起飞相当，可连续出动而无弹射器使用次数的限制，起飞离舰时飞机始终保持控制（弹射起飞时初期实际上是无控的）。继英国在“无敌”级上首次加装艏跳板以帮助鹞式飞机重载短距起飞成功，许多国家纷纷效仿。俄罗斯的“库兹涅佐夫”级航母安装了12.5度的艏跳板，将滑跳起飞推广到常规起降的苏-27等。
电子和火控武器系统——
最大的可能性是国产加外购两者并重
电子系统和武备——任何航母都需要先进完善的指挥、通信、探测、火控等电子系统，不同之处是各舰的武备。西方海军通常依赖大量搭载高性能舰载机作为主要进攻性和攻势防御武器，航母上仅装备自卫武器，如美国航母上的密集阵火炮和北约“海麻雀”导弹。苏联海军因为长期缺乏高性能舰载机，从“基辅”级开始，形成了用强大舰载导弹武器补充舰载机性能不足的传统，即使苏-33（亦称苏-27的舰载型）已能傲视群雄时也如此。考虑到中国当前没有先进的舰载机，中国海军反潜防空护卫能力也明显不足，中国航母也以装备强大导弹火力为宜。
舰载武器系统——这些武器系统的主体是各种导弹和火炮。现代海军导弹的发展趋势是设计共同的基本型，然后发展空射和舰射型，国产的PL-9近程导弹（以以色列Rafael的“大蟒3”为基础，性能超过美国现役主力AIM-9M响尾蛇导弹）和现役的PL-11／LY-60中程导弹都属此类。这些国产导弹已达到上世纪80年代先进水平，但仍不堪担负护卫航母的重任。
随苏-27一同引进的R-73(AA-11)导弹已具备新一代导弹的部分特征，是目前世界上公认的最好的近程空空导弹，将在一段时间内满足中国海空军的使用要求。中国已在去年珠海航展中展示了64×128线碲化铟红外焦平面凝视阵列元件，可见中国在先进红外制导技术方面的长足进展。
上述导弹作为舰空导弹时，都只能覆盖中近程距离。对于航母本身的自卫防空，中近程就够了。但对护航舰只来说，远程舰空导弹是必需的。中国已从俄罗斯引进S-300（SA-10）远程防空导弹，其海军型SA-N-6已装备在“基洛夫”级战斗巡洋舰和“光荣”级巡洋舰上，性能不在宙斯盾系统之下。
反潜——中国已生产和装备了意大利引进的A244鱼雷，并有一些美国的MK46鱼雷（中美蜜月期的遗留物）。反潜导弹则有自制的CY-1和C-802。导弹舰载时，要考虑垂直发射和共用发射器。垂直发射是苏联首创，首先用在“基洛夫”级的SA-N-6系统上，意在快速全向发射导弹，拦截各个方向进入的饱和攻击。中国目前尚无已经装舰的垂直发射系统。垂直发射所需的冷却和通风技术不难解决，共用发射器问题只要在设计时预作考虑，也是容易实现的。
就中国航母而言，应参照“库兹涅佐夫”级，配备120枚左右垂直发射的中近程舰空导弹，并配备8～16枚垂直发射的反舰反潜导弹，最好能共用发射器。发射器可类似于“戴高乐”级和“库兹涅佐夫”级，设在舰舷外平台上或“口袋”里，以不占用甲板面积。远程舰空导弹、巡航导弹和反潜鱼雷可留给护航舰艇。
火炮——中国大口径舰炮虽然射速不算高，但弹道性能不错，所以在“旅沪”和“江卫”级新舰上采用国产新炮，而没有采用“江湖2”级“四平”号上的法国100毫米炮。有待发展的是各种制导炮弹，以增强防空、反导和对地轰击的效用。
火控系统——火控系统包括雷达和作战自动化系统。俄罗斯在这方面经验丰富，其“顶板”雷达已装上多型新式主力战舰，包括“现代”级多用途驱逐舰。中国自制的“饭网”雷达已装上“旅大3”级“珠海”号。中国已有一个良好的开端，如能得到俄罗斯的技术援助，定可获得大幅度的性能提升。同时，德国西门子、瑞典埃里克森、法国汤姆逊CSF和日本三菱电子都在研制开发主动相控阵雷达，有的还在积极寻求合作伙伴。由于雷达技术为军民两用，和西方国家合作的机会也还是有的。
航母（支援）舰载机和战机
——在中国空军之花中选择一个及
可能会向俄采购少量型号
舰载战斗机。世界上可供上舰的战斗机不多，可供中国选择的更少。西方战斗机技术成熟、性能先进，但由于政治上或价格上的原因，中国不会问津，中国在近期内也不可能为航母专门研制舰载机。
俄罗斯的苏-27和米格-29已成功上舰，但后者与中国现行装备体系不符。国产的和组装的战斗机中，歼-７Ⅲ和歼-８Ⅱ基本技术陈旧，不值得进一步改装上舰。FC-1要先进多了，但仍显单簿，载弹和性能不足以与强大优势之敌对抗。中国航母舰载机为数不多的选项将是21世纪中国空军之花：歼-10和苏-27（中国代号为歼-11）。
选择歼-10还是苏-27取决于中国对于航母假想作战使命的考虑。歼-10对一般对手来说足够了，同样大小的航母也可多装载些飞机。但对付强敌，苏-27更有效一些，只是可能要少装载些飞机。为形成实质性的战斗力，飞机数量不可太少，一般以30～40架为宜。以“戴高乐”级和“库兹涅佐夫”级为参考，４万吨级和６万吨级航母可分别装载约40架歼-10或苏-27。
预警机——当前全球现役固定翼舰载预警机只有E-2C一种，在研的有美国的ES-3（在S-3反潜机上背一个雷达天线）和乌克兰的安-71。出于政治原因，E-2C和ES-3是不可能对中国出售的。安-71可作短距起降，其机载雷达搜索距离对战斗机大小的目标可达200公里，可同时跟踪120个目标，留空时间4.5～5小时。目前乌克兰将安-71作为岸基预警机推销，如果性能和价格合适，中国也不妨购买一些。否则，中国航母必须用直升机作为预警平台。
直升机一般雷达性能有限，留空时间也不够长。但可就近在友舰降落或悬停加油，以提高实际留空时间。为保持连续的海空监视，中国航母需要至少４架预警直升机。
力学性能预测 篇4
材料的性能通常决定于材料的构成成分和加工工艺。作为设计及制作各种构件的依据, 材料的性能必须通过不同材料的标准试验方法测定。由于材料构成成分以及加工工艺的复杂性, 材料的性能会受到诸多因素的影响, 非线性强, 通常很难对其建立精确的数学模型或物理模型加以描述。而如果能建立起与材料性能相关的预测模型, 则可以实现优化加工工艺, 减少实验次数, 节约人力、物力和时间等目的。
Vapnik等提出的支持向量机 (Support Vector Machine, SVM) , 是一种新的机器学习方法[1]。SVM与神经网络类似, 都是学习型的机制, 但与神经网络不同的是:SVM是建立在统计学习理论的VC维理论和结构风险最小原理基础上的。SVM在解决小样本、非线性和高维模式识别问题中表现出许多特有的优势, 已成为继神经网络之后机器学习领域新的研究热点, 是分类、模式识别和回归预测领域的研究热门。
1 支持向量回归原理
当SVM应用于解决回归问题, 又被称为支持向量回归 (Support Vector Regression, SVR) 。
支持向量回归有许多优点, 如全局优化、学习速度快、能避免局部极小等, 已被广泛应用到预测和优化设计领域。
1.1 线性回归[2]
假如要所寻找的回归函数是线性函数:
对于训练样本 (x1, y1) , (x2, y2) , (x3, y3) … (xl, yl) , 以ε不敏感函数作为损失函数, 有:
在这里, 如果实际值和预测值之间的差别不超过事先给定的非负ε时, 则认为在该点的预测值损失为0。
如图1所示, 当样本点 (×) 处于两条虚线围成的管道中的时侯, 有最小的损失。
为了得到使得函数 (1) 的结构风险最小化的参数w和b, 可以引入因子ξ, ξ*以处理不满足 (1) 式的数据点。根据结构风险化准则, 线性回归可以转化为求解优化问题 (3) :
(3) 式中, C是一个正常数, 用来控制对超出误差ε的样本的惩罚程度。惩罚因子C越大, 则对错误的惩罚越重。构建拉格朗日方程:
代入 (4) 式, 可以得到二次规划问题:
这样, 支持向量机的回归问题就可以归结为二次规划问题 (6) 。
求解 (6) , 则可以求出拉格朗日乘子αi和αi*, 同时可以得到w:
于是可求得线性回归函数:
其中,
可用Karush-Kuhn-Tucker条件求得。
1.2 非线性回归[3]
对于非线性回归问题而言, 可以通过将原始变量空间X中的输入向量x经过一个非线性变换 (x→z=准 (x) ) 映射到高维特征空间F中, 将非线性回归问题转化为高维空间中的线性回归问题, 在变换后的高维空间中求其最优线性回归面。此时 (4) 式变为:
K (xi, xj) 是一个非负定对称函数, 称为核函数 (Kernel function) 。
经非线性变换后的二次规划问题变为求解如下问题:
回归决策函数变为:
其中:
1.3 核函数
支持向量机在处理回归问题时, 需要把低维空间X经非线性映射至高维特征空间F, 于是支持向量机引入了核函数K (x, y) [4]。核函数在支持向量机中起着非常重要的作用:选择适当的核函数, 将高维特征空间的内积运算转化为低维输入空间的核函数进行计算, 就能够巧妙地解决在高维特征空间中计算的“维数灾难”问题。
在实际应用中常用的核函数有:
高斯径向基函数 (Gauss Radial basis kernel function) :
2 基于支持向量回归的材料性能预测
2.1 基于SVR的Al-Cu-Mg-Ag合金抗拉强度及屈服强度性能预测[5]
所建的SVR预测模型, 以Al-Cu-Mg-Ag合金时效温度与时效时间为输入参数, 合金的抗拉强度、屈服强度为输出参数。实验数据共27组, 应用实验数据集中的25个样本进行建模训练, 将余下的两个样本, 第26和27组, 作为预测样本进行预测研究。表1对比了BP神经网络模型和SVR模型二者预测值的平均绝对误差 (MAE) 和平均绝对百分误差 (MAPE) 。结果显示, SVR预测模型对Al-Cu-Mg-Ag合金强度性能的预测非常有效, 其精确程度超过BP神经网络预测模型, 可以用于Al-Cu-Mg-Ag铝合金时效过程中工艺参数与性能的关系的预测和分析。
2.2 基于SVR的Zr-2合金的晶粒尺寸预测[6]
根据Zr-2合金晶粒尺寸在变形程度、变形温度、变形速率3个热工艺参数下的12组实测数据, 建立Zr-2合金的晶粒尺寸预测模型。研究将SVR模型的预测结果与模糊神经网络 (FNN) 预测模型的预测进行比较。
表2所示是不同工艺条件下Zr-2合金晶粒尺寸的FNN模型预测值、SVR模型预测值和实测值的比较。从表2中可以看到:SVR模型对12个样本的预测值的预测误差都在3%以内。数据表明:基于SVR的回归模型具备较强的识别能力, 模型对Zr-2合金的晶粒尺寸有较高的预测精度。数据还显示:FNN预测模型预测最大误差为18.48%, 最小为0.72%;SVR模型的最大误差最大值为2.81%, 最小接近0。这充分说明:SVR模型在预测Zr-2合金晶粒尺寸方面具有优于FNN模型能力, 是更为有效的优化Zr-2合金热加工工艺参数的工具。
表3给的是SVR预测模型与FNN预测模型的预测性能比较。统计结果显示:SVR预测模型的平均绝对误差和平均绝对百分误差 (MAE和MAPE) 分别为0.08μm和0.62%, 远小于FNN模型的1.13μm和8.66%。在拟合精度方面:FNN预测模型的复相关系数R2为0.603, 而SVR预测模型是0.977。这些数据有力的证明:SVR预测模型是比FNN模型更为优秀的Zr-2合金晶粒尺寸预测模型。
2.3 基于SVR的钨合金抗拉强度性能预测[7]
在所建立的SVR预测模型中, 钨含量和变形程度作为输入变量, 而钨合金的抗拉强度作为输出变量。12个样品选为训练样本, 6个样品作为验证样本。
表4列出了SVR预测模型和BPNN预测模型的泛化性能。从表4可以看出, 基于SVR预测模型的3个指标:平均绝对误差 (MAE) , 平均绝对百分误差 (MAPE) , 均方根误差 (RMSE) , 分别为:0.015, 2.21%, 0.021, 都小于基于BPNN预测模型的指标:MAE (0.018) , MAPE (2.75%) 和RMSE (0.026) 。结果表明, SVR预测模型的精确度足以满足需求, 能用于钨合金的抗拉强度的预测及优化钨合金加工工艺。
3 结束语
本文介绍了SVR的相关原理;利用基于SVR的材料性能预测模型, 对三不同材料的有关性能进行预测。研究实例显示:SVR预测模型具有良好的学习和泛化能力, 基于SVR的预测模型, 在材料性能的预测领域可以有很广泛的应用。
摘要：与材料性能相关的预测模型, 可以实现优化工艺, 减少试验次数, 节约研究时间和研究经费。本文介绍了支持向量回归原理, 并以3种材料为例, 介绍基于支持向量回归的预测模型对材料性能的预测。研究实例结果表明:支持向量回归预测模型具有良好的学习和泛化能力。研究者可以通过基于支持向量回归预测模型对各种材料的性能进行预测。
关键词：支持向量回归,材料性能,预测模型
参考文献
[1]邓乃扬, 田英杰.数据挖掘中的新方法-支持向量机[M].北京:科学出版社, 2004.
[2]Z.Lu, J.Sun.Non-Mercer hybrid kernel for linear programming support vector regression in nonlinear systems identification[J].Applied Soft Computing, 2009, 9 (1) :94-99.
[3]K.W.Lau, Q.H.Wu.Local prediction of non-linear time series using support vector regression[J].Pattern Recognition, 2008, 41 (5) :1539-1547.
[4]B.Schǒlkopf, A.J.Smola.Learning with kernels[M].1st edition.London:The MIT press, 2002:25-60.
[5]唐江凌, 蔡从中, 等.Al-Cu-Mg-Ag合金强度性能的支持向量回归预测[J].航空材料学报, 2012, 5:92-96.
[6]唐江凌, 蔡从中, 等.支持向量回归在Zr-2合金晶粒尺寸预测中的应用[J].材料热处理学报, 2013, 2:180-184.
力学性能预测 篇5
滑坡预测预报的非线性动力学模型探讨
我国是一个深受滑坡灾害困抚的国家,每年由滑坡所造成的经济损失异常惨重.因此,滑坡的预测预报已成为人们研究的.一个热点问题.本文对滑坡的研究现状进行了总结,重点探讨了滑坡的预测预报模型和方法,对滑坡定量预报的非线性动力学模型进行了探讨.
作 者：全德威 作者单位：中国建筑材料地质勘查中心广西总队,桂林广西,541002刊 名：科技资讯英文刊名：SCIENCE & TECHNOLOGY INFORMATION年，卷(期)：“”(9)分类号：P642.22关键词：滑坡预报 定量预报 非线性动力学模型
力学性能预测 篇6
摘要： 将边界元方法与配点法结合形成一种混合方法用于大尺度阻性管道的声学性能预测，根据截面形式，整个结构被划分为若干子结构，边界元方法与配点法分别被用于计算非规则结构和规则结构的阻抗矩阵，最后将各阻抗矩阵连接起来用于传递损失的计算。由于管道进出口为非平面波传播，考虑对进出口配点进行模态展开，将阻抗矩阵转化为散射矩阵，使用进出口的声功率计算传递损失。通过与数值方法和实验值比较验证了方法的正确性，进而应用该方法对管道消声性能进行分析。关键词： 消声；传递损失；阻性管道；边界元方法；配点法
中图分类号：TB535； TB115.1文献标志码： A文章编号： 1004-4523（2016）03-0498-06
DOI：10.16385/j.cnki.issn.10044523.2016.03.016
引言
解析方法[1]和传统数值方法（有限元方法[2]和边界元方法[35]）已经被普遍应用于消声管道的声学性能计算，解析方法计算速度快、精度高，但只适用于简单结构的传递损失计算。传统数值方法理论上可应用于任意复杂结构，但对大尺度声学问题会花费较多的计算时间和内存。因此，对于大尺度复杂消声管道（如燃气轮机进排气管道及大型暖通空调管道等）的计算方法需要进一步研究，目前，国内外学者主要从两个方面对此类问题进行了探索和研究：首先是对计算方法本身进行了优化，针对管道声学，Ji等[4]和Lou等[5]使用一种阻抗矩阵方法用于具有较长管道的消声系统的计算，近年来，快速算法[6]的出现也在一定程度上弥补了传统数值方法的局限性。另一方面，针对具体问题可以考虑结合数值方法的任意适用性和解析方法的快速准确性形成混合方法，进而实现大尺度问题的计算。Kirby[710]使用数值配点方法对消声管道进行了大量的研究，使用二维有限元方法提取管道截面的特征值和相应的特征向量，进而在一定的边界条件下应用配点法得到模态幅值系数。接着，Kirby[11]对配点法进行了改进，使用数值模态匹配方法对阻性消声器进行了研究，Fang和Ji[1213]使用该方法对抗性消声器和考虑运流效应的阻性消声器进行了分析。数值配点法适用性更强，适用于具有较为复杂结构管道[8]的声学性能计算。以上介绍的混合方法都是针对沿结构轴向方向具有一致截面的消声器或者消声管道，在实际应用中，变截面管道是较为常见的，此时如何应用混合方法实现大尺度问题的快速计算值得进一步研究。
本文针对变截面管道使用边界元配点混合方法进行计算，将消声器或消声管道划分为若干子结构，分别使用数值配点方法和边界元方法计算规则结构和非规则结构的阻抗矩阵，最后将各阻抗矩阵连接起来用于传递损失的计算，对于进出口尺寸较大的结构，应用混合方法无法直接得到进出口的模态幅值系数，考虑在进出口将配点声压和振速进行模态展开，得到散射矩阵，进而计算得到模态幅值系数用于非平面波情况下传递损失的计算。通过与实验值及传统配点方法的比较验证提出方法的正确性，进而应用本方法对一个变截面阻性管道的消声性能进行了分析。
4结论
基于阻抗矩阵方法发展了一种混合计算技术，对管道中的非规则子结构使用边界元方法计算阻抗矩阵，而配点法被应用计算沿轴向截面一致的子结构的阻抗矩阵，最后得到整体结构的阻抗矩阵。考虑管道进出口尺寸较大不能应用平面波理论计算传递损失，对进出口配点进行模态展开进而得到散射矩阵用于模态幅值系数的计算，最后通过进出口的声功率计算传递损失，通过算例验证了方法的正确性。增大穿孔率以及吸声材料的流阻率会改善阻性管道的消声性能。
参考文献：
[1]Selamet A， Ji Z L. Acoustic attenuation performance of circular expansion chambers with offset inlet/outlet： I. Analytical approach[J]. Journal of Sound and Vibration， 1998， 213（4）： 601-617.
[2]Mehdizadeh O Z， Paraschivoiu M. A threedimensional finite element approach for predicting the transmission loss in mufflers and silencers with no mean flow[J]. Applied Acoustics， 2005， 66（8）： 902-918.
[3]季振林. 穿孔管阻性消声器消声性能计算及分析[J]. 振动工程学报， 2006， 18（4）： 453-457.
Ji Zhenlin. Acoustic attenuation performance calculation and analysis of perforated tube dissipative silencer[J]. Journal of Vibration Engineering， 2006， 18（4）： 453-457.
[4]Ji Z L， Ma Q， Zhang Z H. Application of the boundary element method to predicting acoustic performance of expansion chamber mufflers with mean flow[J]. Journal of Sound and Vibration， 1994， 173（1）： 57-71.
[5]Lou G， Wu T W， Cheng C Y R. Boundary element analysis of packed silencers with a substructuring technique[J]. Engineering Analysis with Boundary Elements， 2003， 27（7）： 643-653.
[6]Wu H， Liu Y， Jiang W. A lowfrequency fast multipole boundary element method based on analytical integration of the hypersingular integral for 3D acoustic problems[J].Engineering Analysis with Boundary Elements， 2013， 37（2）： 309-318.
[7]Kirby R， Lawrie J B. A point collocation approach to modelling large dissipative silencers[J]. Journal of Sound and Vibration， 2005， 286（1）： 313-339.
[8]Kirby R. The influence of baffle fairings on the acoustic performance of rectangular splitter silencers[J]. The Journal of the Acoustical Society of America， 2005， 118（4）： 2302-2312.
[9]Kirby R， Williams P T， Hill J. A three dimensional investigation into the acoustic performance of dissipative splitter silencers[J]. The Journal of the Acoustical Society of America， 2014， 135（5）： 2727-2737.
[10]Kirby R， Amott K， Williams P T， et al. On the acoustic performance of rectangular splitter silencers in the presence of mean flow[J]. Journal of Sound and Vibration， 2014， 333（24）： 6295-6311.
[11]Kirby R. A comparison between analytic and numerical methods for modelling automotive dissipative silencers with mean flow[J]. Journal of Sound and Vibration， 2009， 325（3）： 565-582.
[12]Fang Z， Ji Z L. Acoustic attenuation analysis of expansion chambers with extended inlet/outlet[J]. Noise Control Engineering Journal， 2013， 61（2）： 240-249.
[13]Fang Z， Ji Z L. Numerical mode matching approach for acoustic attenuation predictions of doublechamber perforated tube dissipative silencers with mean flow[J]. Journal of Computational Acoustics， 2014， 22（02）： 1-15.
[14]Ji Z L. Boundary element acoustic analysis of hybrid expansion chamber silencers with perforated facing[J]. Engineering Analysis with Boundary Elements， 2010， 34（7）： 690-696.
[15]Wang P， Wu T W. Impedancetoscattering matrix method for silencer analysis[C]. NoiseCon 2014. Fort Lauderdale，453-460.
Acoustic attenuation prediction of dissipative ducts by combining boundary
element method and numerical point collocation approach
YANG Liang， JI Zhenlin
（School of Power and Energy Engineering， Harbin Engineering University， Harbin 150001， China）
Abstract： A technique combining boundary element method （BEM） and point collocation approach （PCA） is proposed to evaluate the acoustic attenuation performance of dissipative ducts. The duct is divided into several substructures according to its different crosssection shapes. The BEM and PCA are employed to calculate the impedance matrices of the substructures with regular shape crosssections and irregular shape crosssections， respectively， and then the impedance matrices for the whole structures are assembled toghether. Due to the nonplane wave propagation， the scattering matrix is obtained from impedance matrix by expanding the modes of the collocation points at inlet and outlet planes and then sound power is adopted to calculate the transmission loss （TL）. The combined technique is verified by numerical method and experiment results. The influence of structural variables on the transmission loss is analyzed， which shows that increasing the flow resistivity of the soundabsorbing material and increasing the perforation ratio of perforated plate may improve the attenuation performance of dissipative ducts.Key words： acoustic attenuation； transmission loss； dissipative ducts； boundary element method； point collocation approach作者简介：杨亮（1989—），男，博士研究生。Email：liang_yang@ymail.com
通讯作者：季振林（1965—），男，教授，博士生导师。电话：（0451）82588822；Email：zhenlinji@yahoo.com第5期，等：振 动 工 程 学 报第28卷5结论
参考文献：
[1]Gong Shunfeng， Lu Yong， Jin Weiliang. Simulation of airblast load and its effect on RC structures[J]. Transactions of Tianjin University， 2006，12（Suppl.）：165—170.
流星突发链路建模与性能预测研究 篇7
每天有超过1012颗流星进入地球大气层,如果流星质量和速度足够大,那么就可能在80～120 km的高度上产生一条充分电离的尾迹。流星尾迹对电波传播有前向散射作用,利用这种散射作用可在某些频段上实现超视距传输,这就是流星突发通信(Meteor Burst Communication,MBC)的基本原理。
流星到达是一种随机事件,那么,是否可以对流星到达频次进行预报?是否可以根据流星到达频次进一步估计MBC链路的平均等待时间和信息通过量?这个问题即是MBC链路建模需要解答的问题。要回答这个问题,必须首先考虑下面2个因素[1,2]。
进入地球大气层的流星通常被区分为偶发流星(Sporadic Meteor)和流星雨(Shower)两大类。流星雨的出现可以大大增强MBC信号,但这种自然现象非常罕见,因此MBC电路设计的主要依据还是偶发流星的出现频度。要获知偶发流星在不同方位、不同时段和不同季节出现的统计规律,必须使用流星探测雷达进行经年的长期观测才有可能建立起完备的数据库,这是一项费时、耗资的基础工作。
除此之外,流星探测雷达的设备能力一般要优于MBC设备能力,这样在天球的某个方位上,流星探测雷达可以“看”到的尾迹,MBC设备可能“看”不到。因此,在MBC链路建模过程中不仅需要流星探测雷达观测的统计数据,还需要将MBC设备参数和站址参数、对通时段参数都考虑进来[3]。
1MBC链路建模概述
MBC链路建模的计算过程可以分为如下3步,这个方法又称为体密度积分法。
① 在已知收发天线的方向图的情况下,给定一个收发天线增益积的下限,就可以确定收发天线的“共同照亮区”。将收发天线的共同照亮区按经、纬和高度划分为立体网格,例如,每个小网格块高度(厚度)为2 km,面积为1000 m2。由于“共同照亮区”以外的区域天线增益积太低,即使有流星出现MBC链路也不可能“看”到,因此在下面的计算中只要考虑“共同照亮区”就可以了。
② 假设电波散射点位于某个小网格区,确定在某个时间段内收站在这个小网格区可能“看”到的流星数目,也就是链路可用流星的微分表示。显然这个微分量与MBC设备参数、天线增益和站址参数都有关。
③ 一旦得到一个时段内MBC链路可用流星的微分表示,通过对这些立体网格单元进行积分就可以得到全部可用流星数目。
如果得到了一个时段内的可用流星数目,很自然就得到了平均等待时间。平均信息通过量的计算稍微复杂,现在分析其计算过程。
在每个微分网格单元内可用的流星数已经计算出来,这些流星产生的电子线密度是不同的,电子线密度大的尾迹可以支持的互通时间显然比电子线密度小的尾迹支持的互通时间长。借助一些经典的等离子体散射模型,可以根据电子线密度推出散射点的散射损耗。随着尾迹中等离子体的扩散,尾迹电子线密度逐渐降低,散射损耗逐步变大直至尾迹不可用。除了等离子体散射模型,研究人员还研究了大气中等离子体的扩散过程并提出了若干尾迹生成/扩散模型。这些散射模型和尾迹生成/扩散模型的计算可参阅文献[4]。
至此可以得出,如果以每个立体网格单元中流星的速度和质量为已知量,使用等离子体生成模型可以得到尾迹初始电子线密度;借助等离子体散射模型可以确定MBC链路可用的最小电子线密度;根据等离子扩散模型可以计算出该尾迹从生成直至扩散至电子线密度小于某个下限(MBC不再可用)的维持时间,这个维持时间就是该尾迹的可用时间;最后,根据可用时间和调解速率就可以计算出每条尾迹可通过的信息量。对所有尾迹进行积分,就能得到一段时间内链路全部的信息通过量。
2MBC链路建模理论分析
2.1链路可用流星的微分表示
假设流星相对于地球的速度为undefined,其中速率大小为v;undefinedm为单位方向矢量。在时间t到t+dt之内、流星速率在v到v+dv之间、流星质量在m到m+dm之间、流星方向在立体角dΩ内并通过某个单元面dS的流星数目(流星通量)可以表示为:
undefined。 (1)
式中,dN为全部流星数目N对变元v、m、Ω、S和t的微分;cn为比例常数;m为流星质量;pV(v,undefinedm)为以速率和方向(v,undefinedm)为参数的流星概率密度函数;s为在某个方向undefinedm上的流星质量指数;v为流星的速率。
pV(v,undefinedm)是一个概率密度函数,它满足:
undefinedvhvlundefined。 (2)
于是,在undefinedm方向上流星的概率密度函数为:
undefinedvhvlpV(v,undefinedm)dv。 (3)
进入地球大气层的流星的速率在vh～vl之间,vh约为72 km/s;vl约为12 km/s。
对式(1)中的v积分,可以得到某个特定方向undefinedm上的流星数目为:
undefinedm(undefinedm)dmdSdΩdt。 (4)
对式(4)中的m积分,在某个特定方向undefinedm上、质量大于m0的流星数目可以表示为:
undefined
式(5)表示了在dt时间内观察到的通过单元面dS、方向为undefinedm、在立体角dΩ内的流星数目。当然,流星数目的这种微分形式的表示首先要假定流星的到达是随机平稳的。
如果要使用式(5)计算链路的Θ(m0,undefinedm),必须确定undefined和m0。其中,undefined可以根据流星探测雷达实测的数据来反推:流星探测雷达能探测到的最小流星质量m0r是已知的,不同方向undefinedm上的undefined也已实测出来,因此根据式(5)可以反推出undefined。显然,并不需要单独计算出比例系数cn。
MBC链路能够使用的最小流星质量m0l的计算非常复杂。这是由于在不同的散射点(也就是不同的立体网格单元),链路可用的最小流星质量是不同的,它必须根据站址参数和MBC设备参数来计算,现简述其计算过程。
根据研究人员提出的经典散射模型,如果已知尾迹中的电子线密度以及收波束、发波束和尾迹三者的方向关系,那么可以确定散射损耗。反之,如果散射点确定,该条电波传播路径允许的最大散射损耗就确定了,根据这个散射损耗可以反推出允许的最小电子线密度。进一步根据等离子生成模型,可以计算出产生这个最小电子线密度所需的最小流星质量m0l。
2.2链路可用流星的积分计算
下面推导MBC链路可用流星的积分形式,首先做如下假设:
① 假设雷达在时间dt内探测到通过单元面dS、方向为undefinedm、在立体角dΩ内的流星总数目为undefined,其中最小的流星质量为m0r;
② 假设MBC链路有与雷达完全相同的单元网格、流星方向和立体角。根据上节末的讨论,此时可以确定出链路能利用的最小的流星质量,记为m0l。
根据式(5),MBC链路在这个特定单元网格处能看到的流星数目undefined为:
最后,在这个时段链路可以看到的全部流星为:
undefined
对上式的计算必须要进行换元,即将对面dS元和立体角dΩ的积分转换为对笛卡儿坐标的积分。然后,通过高斯数值积分法可以用计算机进行求解,在此不再赘述计算过程,下面分析计算实例。
3MBC性能计算实例
MBC单跳通信距离很大,可以达到1 500 km以上,由于信道不是连续的,而且信息通过量较小,它的对通试验难度比较大,可获得的公开发表的试验数据更是非常少。下面是2个试验数据与预测数据的对比实例。第1个是1951年英国曼彻斯特大学使用流星探测雷达记录的数据,由于年代较为久远,设备能力较低;第2个是国内的1条MBC链路在2006年记录的数据,接收机门限很低,设备能力很好。
3.1曼彻斯特雷达探测与计算对比
根据资料,英国曼彻斯特大学的流星探测雷达设备参数为:
站点位置:2°18′W,55°14′N;
发功率:5 kW;
频率:72 MHz;
2部6阵元八木天线阵指向不同方向,相当于每部发功率2.5 kW,主瓣最大增益24 dBi,水平和垂直面的波束宽度100左右;
接收机门限:-102 dBm。
图1(a)、(b)分别是该雷达在1月份和7月份测得的试验数据,该图画出了雷达观测到的流星数目的24 h变化。纵轴为每小时平均探测到的流星数,横轴为时间。
本文分析的MBC链路模型考虑了收发站址问题,对于流星探测雷达,它的收站、发站位于同一地点,这是雷达与MBC链路的不同之处。图1(a)、(b)同时根据预测结果绘制出了1月、7月的每小时流星数目。
从图1可以看到,1月份实测每小时最多可观测到流星10颗左右,计算结果也为10颗左右,吻合很好;实测每小时最少可观测到流星2～3颗,计算结果为1颗左右,偏小。7月份实测每小时最多可观测到流星20颗左右,计算结果为30颗左右,结果略微偏大;实测每小时最少可观测到流星5颗左右,计算结果为3～4颗,吻合尚好。还有一点需要说明的是,由于无法得到该雷达的天线方向图,在计算时只能根据波束宽度粗略估计出收发天线共同照亮区,这可能会引入一些误差。
3.2国内MBC链路试验与计算对比
国内某MBC链路试验的日期为2006年5月份,该试验使用的是一条中纬度地区(30°～40°)的单跳链路,链路方向为东北-西南走向,收发站址相距约800 km。该MBC设备的接收机门限很低(不大于-115 dBm),因此观测到的流星数目远大于1951年的流星探测雷达。图2是计算结果和实测结果的对比曲线。
在图2中,在北京时间7～8时有流星数目最大点,实测为每小时600～700颗,计算为300～400颗左右,计算结果偏小。计算结果显示在晚上18～20点有流星数目最小点,为每小时40～50颗,但在实测过程中,午后有Sporadic E层的出现,实测曲线没有记录到最小点,反而出现了的2个反常的峰点。此外,考虑到该次试验地点距离市区不远,而接收门限很低,因此不排除有其他干扰造成接收机误记录的可能。
从上面的2个计算实例可以发现,MBC链路在早晨可用流星数要大于傍晚,24 h可用流星数曲线呈现S形,这是由于地球的自转运动造成的,这一点与许多文献报道是一致的。
如果实测结果为1,在早晨这个时段计算得到的结果与实测值误差较小,计算值在0.5～2之间。在傍晚这个时段二者的误差则较大,这是由于在这个时段流星数目很少,理论模型难以精确计算。如果此时在试验环境中有其他信号干扰,必然使得实测数据有大的波动,这样就会造成计算数据相对实测数据有大的偏差。
4结束语
通过MBC链路试验数据与计算结果的对比可以看到,MBC信道是一种非常典型的突发信道,它使用的主要是偶发流星资源,但是流星到达这种偶发事件是可以预报的,因此MBC设备也是完全可以实用的。
平均等待时间和信息通过量是MBC链路的2个主要性能指标,对于一条确定的链路,使用上述理论模型可以对这2个指标进行估算。这对于MBC链路的设计、开通和外场试验具有重要意义。
参考文献
[1]王伟.流星余迹通信链路的分析与设计[J].无线电通信技术,2007,33(1):4-5.
[2]OETTINGJ D.An Analysis of Meteor Burst Communicationfor Military Applications[J].IEEE Trans.Commun.,1980(28):1592-1601.
[3]DESOURDIS RI,OSTERGAARDJ C.Meteor Burst Computer Model Validation Using High-latitude Measures[C].Virginia:Proc.of IEEE MILCOM’91Conf.,1991(2):1-5.
基于系统动力学的油价预测 篇8
石油价格预测问题是关系石油企业、相关产业 (化工、运输、农业等) 和国家经济的重大问题, 世界各国都非常关注石油价格的波动, 如何准确地预测石油价格波动趋势是石油相关企业制定决策的基础和保证, 对维护其利益具有重要意义。
石油价格的预测方法很多, 大体上可归纳为两种: (1) 基本因素分析法; (2) 技术分析法。基本因素分析法根据市场供求关系和其它各种相关因素来分析和预测市场价格的走势, 最常用的是基于供求框架建立的数学模型[1]。但是该方法要求对相关信息全面及时的获取, 这不大现实, 而且该方法中各因素对价格的影响程度难以准确刻画, 只能用来进行定性分析。技术分析法是在假定石油市场有效的前提下, 利用石油价格的历史数据进行趋势分析的一种方法。最常用的是自回归移动平均模型 (ARIMA) 和条件异方差模型 (GARCH) 等时间序列模型[2,3]、人工神经网络 (ANN) 和SVM等机器学习方法[4]。但在实际预测中, 这些方法比较复杂, 而且很多判断都带有主观性。研究石油价格预测还有一些新思路, 将石油市场视为一个系统, 研究其分形特征得出石油价格分析的理论意义[5]。将石油价格及其影响因素视为系统来研究的很少见, 而采用系统动力学思想和vensim软件研究石油价格还未见报道。
石油是当代影响国际经济、政治, 同时又受到国际经济、政治影响的敏感因素, 二次大战后的60多年中, 国际石油价格涨落变化很大, 用传统线性系统理论是无法解释的, 这种油价的大幅度超常攀升, 说明石油价格及其影响因素是一个复杂的非线性系统。
本文采用系统动力学模型, 它是集信息论、控制论和系统论为一体的研究复杂时变系统的定量分析方法。石油价格系统是典型的具有多变量、高阶次、非线性、多重反馈的时变系统, 在对石油价格系统全面分析的基础上, 通过构造系统结构、内部因果关系反馈回路, 再利用反馈、调节和控制对这些反馈回路建立整体数学模型, 并用vensim软件进行模拟试验分析得到石油价格趋势。该模型还软化了数据要求, 不苛求数据的精确性, 擅长研究系统内部中长期的发展趋势, 可有效克服传统预测方法的不足。vensim软件是一个可视化的建模工具, 通过使用该软件可以对系统动力学模型进行构思、模拟、分析和优化, 同时可以形成文档, 它对模型提供多种分析方法, 包括结构分析和数据集分析。改变石油价格系统中相应的参数或影响因子, 可模拟出系统新的发展趋势, 从而为做出决策提供科学依据。
1 石油价格系统
石油具有资源的有限性和目前的不可替代性, 是一种特殊商品, 它处于“工业血液”的战略地位, 其价格影响因素极其复杂。在国际石油市场上, 石油价格除了围绕国际石油价值这个轴心随供求关系的变化而不断上下波动外, 还由于石油本身具有的特殊性受到其它诸多不确定性因素的影响, 如政治、军事、OPEC石油政策、非OPEC成员国战略、石油消费国对策、石油市场投机等因素。供给与需求又受可采储量、政治、经济、军事、天气等诸多因素影响, 而反过来石油价格又作用于它的某些影响因素, 这就使得石油价格和其影响因素之间存在错综复杂的关系[6]。因此, 研究石油价格的预测问题不能就石油价格而研究石油价格, 而应从更深层次的研究石油价格的影响因素入手, 将石油价格与其影响因素作为一个系统来研究更为合理。通过研究可以确定该系统由石油供给和石油需求两个子系统构成。
1.1 石油供给子系统
石油供给量受很多因素的影响, 如:石油可采储量、OPEC产量、非OPEC成员国产量、供需差额、中东政治局势、世界石油储备、自然灾害等因素。世界石油储备多, 可采储量就相对较大, 进而石油供给能力强;OPEC、非OPEC成员国的产量多可提高供给能力;中东政治局势稳定、自然灾害少, 都有利于提高石油供给量。
1.2 石油需求子系统
石油需求量也受到很多因素的影响, 如:世界经济增长速度、替代能源、金融危机、库存变化、消费国的经营决策、供求差额、石油节能计划等因素。随着世界经济的增长, 石油需求量也增长;替代能源和节能计划的实施可减少石油需求量;金融危机和消费国的经营策略都将直接影响石油需求;库存增多时, 需要刺激消费, 石油需求量增加, 进而库存减少, 需要加大石油供给量保证库存, 达到供需平衡。
1.3 石油价格系统的因果关系
分析石油价格系统, 首先分析石油价格及其影响因素之间的因果关系 (如图1所示) 。
图中有3个主要反馈环:
(1) 石油供给
表明:加大石油供给量, 生产成本相应的增加, 进而石油价格提高, 刺激石油生产国, 进一步增加石油供给量。
(2) 库存减少量
表明:石油库存量减少, 意味着石油的需求量不断增大, 当供不应求时, 石油价格上涨, 加大供给量, 石油库存量减少。
(3) 石油供给
表明:石油供给量增加, 当供过于求时, 石油需求降低, 为了刺激消费, 石油价格相应下调, 石油需求量将逐步增大, 供给量也相应增大。
上述没有构成反馈环的影响因素均是影响石油价格的主要因素。
2 石油价格系统动力学模型构建
2.1 目标分析
通过对石油价格系统的综合分析, 做出石油价格波动趋势的有效预测, 在改变部分政策因子时, 得出合理的石油价格变化趋势。
3.2 系统边界的设定
由于系统动力学采取的是内生观点, 即某一特定的动态行为主要由系统内部所决定。因此系统边界包含所研究问题的原因与结果的反馈, 以及解决问题的方案或政策所处的系统范围[6]。本文所拟定的系统空间范围为国际石油供需以及石油价格系统。考察石油需求、石油供给与石油价格的关系, 以及影响石油价格波动的各种影响因素之间的关系。本文在建立模型时, 以石油供给和需求的系统行为以及引起其变化的各个因素作为建立模型的基础, 利用系统动力学善于处理非线性、高阶次、多变量、多重反馈、复杂时变大系统的特点, 建立系统模型。
3.3 系统动力学模型的构建与模拟运行
通过前面因果关系的分析, 系统边界的确定, 建立符合实际情况的因果链及反馈环, 为了便于计算机模拟, 把石油价格模型因果反馈图进一步描述成系统流程图 (如图2所示) 。本模型将石油供给量、石油需求量设为水平变量, 将储采比、世界经济增长速率设为表函数。
在利用Vensim仿真过程中, 使用Equation Editor功能[7]构造方程式的过程即是围绕变量之间的因果关系对整个系统分析、程序化的过程。方程式质量的好坏决定了运行结果所表现出来的系统发展趋势的正确与否, 因此该步骤尤其重要。
本系统的主要状态方程如下:
(1) Ln (石油价格) =Ln (石油供给量) *w1+Ln (石油需求量) *w2+Ln (生产成本) *w3+Ln (政治事件与突发事件影响) *w4+Ln (产油国与消费国策略) *w5+Ln (美元汇率) *w6+Ln (库存量) *w7+Ln (市场投机) *w8+Ln (经营决策) *w9 (美元/桶)
为使数据的趋势线性化、消除时间序列中存在的异方差现象, 所以对上述变量进行自然对数变换, 在变量前加Ln表示取自然对数, wi为各影响因素的权重, 相关
政策不同, wi的取值不同, 调整wi的值可以改善预测精度。
(2) 石油供给量=SMOOTH (OPEC产量, 1) *w9+SMOOTH (非OPEC产量, 1) *w10+SMOOTH (中东政治局势影响系数, 1) *w11+SMOOTH (世界石油储备, 1) *w12+SMOOTH (自然灾害影响系数, 1) *w13 (百万桶)
(3) 石油需求量=SMOOTH (世界经济增长影响系数, 1) *w14+SMOOTH (节能量, 1) *w15+SMOOTH (金融危机影响, 1) *w16+SMOOTH (能源替代量, 1) *w17+SMOOTH (库存减少量, 1) *w18 (百万桶)
本文采用专家系统分析法[8]取wi的值, 限于篇幅, 给出部分数据。
(4) 生产成本=0.02* (Time-1999) +2.03 (美元/桶)
(5) 市场投机=STEP (3, 2007) (Dmnl)
(6) 石油库存=DELAY1 (供求差额, 5) (百万桶)
(7) 世界石油储备= ([ (2000, 1090620) - (2020, 1342178) ], (2000, 1090620) , (2001, 1121822) , (2002, 1151734) , (2003, 1169480) , (2004, 1177466) , (2005, 1189178) , (2006, 1195130) , (2007, 1204182) , (2008, 1213329) , … (2020, 1342178) ) (百万桶)
(8) OPEC产量= ([ (2000, 10127.1) - (2020, 12554.7) ], (2000, 10127.1) , (2001, 10223.0) , (2002, 9431.6) , (2003, 10288.6) , (2004, 11343.1) , (2005, 11791.5) , (2006, 11843.7) , (2007, 11708.2) (2008, 11602.3) , …, (2020, 12554.7) ) (百万桶)
(9) 非OPEC产量= ([ (2000, 13522.3) - (2020, 15129.2) ], (2000, 13522.3) , (2001, 13662.5) , (2002, 14013.4) , (2003, 14266.5) , (2004, 14378.1) , (2005, 14353.8) , (2006, 14359.2) , (2007, 14367.9) , (2008, 14213.7) , …, (2020, 15129.2) ) (百万桶)
(10) 中东政治局势=IF THEN ELSE (S1<=1, 0.90, 1.10)
S1 ([ (2000, 0) - (2020, 2) ], (2000, 1.078) , (2001, 1.217) , (2002, 0.995) , (2003, 0, 918) , (2004, 1.197) , (2005, 0.923) , (2006, 1.185) , (2007, 1.014) (2008, 1.005) , …, (2020, 0.892) ) (Dmnl)
(11) 自然灾害=PULSE TRAIN (2000, 1, 20, 2020) (Dmnl)
(12) 政治事件与突发事件影响=PULSE TRAIN (2000, 1, 20, 2020) (Dmnl)
(13) 产油国与消费国策略=IF THEN ELSE (S1<=1, 0.95, 1.05)
S1 ([ (2000, 0) - (2020, 3) ], (2000, 0.978) , (2001, 1.017) , (2002, 1.035) , (2003, 0, 969) , (2004, 1.324) , (2005, 1.129) , (2006, 0.885) , (2007, 1.216) , (2008, 1.128) , …, (2020, 1.092) ) (Dmnl)
(14) 美元汇率=IF THEN ELSE (S3<=1, 0.95, 1.05)
S3 ([ (2000, 0) - (2020, 3) ], (2000, 1.278) , (2001, 1.114) , (2002, 1.145) , (2003, 0.965) , (2004, 1.024) , (2005, 0.869) , (2006, 0.975) , (2007, 1.113) , (2008, 1.214) , …, (2020, 1.095) ) (Dmnl)
(15) 世界经济增长速率=GDPn+1/GDPn-1, n=1999, 2000, …, 2020 (Dmnl)
GDP[ (2000, 364440) - (2020, 583927) ], (2000, 364440) , (2001, 380023) , (2002, 393845) , (2003, 413498) , (2004, 428709) , (2005, 439971) , (2006, 451291) , (2007, 467894) , (2008, 473219) , …, (2020, 583927) ) (亿美元)
(16) 节能量 (对价格的影响) =SMOOTH (IF THEN ELSE (S2=1, STEP (4, 2007) +3, STEP (4, 2007) ) , 2) (美元/桶)
(17) 金融危机影响=SMOOTH (IF THEN ELSE (S2=1, STEP (2, 2007) +3, STEP (2, 2007) ) , 2) (美元/桶)
(18) 替代能源开发量 (对价格的影响) =SMOOTH (IF THEN ELSE (S2=1, STEP (3, 2007) +5, STEP (3, 2007) ) , 2) (美元/桶)
(19) 经营决策系数=IF THEN ELSE (S1<=1, 0.85, 1.15)
S1[ (2000, 0) - (2020, 3) ], (2000, 1.053) , (2001, 0.997) , (2002, 1.056) , (2003, 0, 978) , (2004, 0.897) , (2005, 1.023) , (2006, 1.281) , (2007, 1.212) , (2008, 1.045) , …, (2020, 1.128) ) (Dmnl)
(20) 折现率=0.08 (Dmnl)
(21) 可采储量= ([ (2000, 490779) - (2020, 635782) ], (2000, 490779) , (2001, 516038) , (2002, 552832) , (2003, 573045) , (2004, 553409) , (2005, 582697) , (2006, 561711) , (2007, 578007) , (2008, 569237) , …, (2020, 635782) ) (百万桶)
(22) 储采比=可采储量/世界石油储量 (Dmnl)
(23) INITIAL TIME=2000 (年)
(24) FINAL TIME=2020 (年)
(25) TIME STEP=1 (年)
S1:中东政治局势、经营决策系数、产油国与消费国策略的紧迫系数。
S2:节能量、替代能源开发量、金融危机的紧迫系数。
S3:美元汇率波动系数。
对预测结果的精度和可靠性进行评价是预测的重要组成部分, 用均方误差分析法来对预测结果进行评价, 即:
从长期来看, OPEC产量、非OPEC产量、石油库存、美元汇率、石油需求量等都对石油价格产生不同程度的影响;从短期来看, 市场投机、突发事件与政治事件等因素在影响石油价格的短期波动中起着比较重要作用。
3 结束语
石油价格的波动受多种因素影响, 并且这些影响因素具有高度的不确定性及相关性, 本文应用系统动力学的知识, 并运用Vensim软件将对石油价格系统进行模拟分析, 分析结果表明, 2008年以后的油价不是稳定上升的, 受到诸多因素影响, 波动较大, 本模型在结构上与实际情况相吻合, 模拟检验输出的结果与实际石油价格拟合较好, 误差较小。改变初始值与有关参数, 可以灵活地对不同时期的石油价格进行模拟, 通过分析研究模型的输出结果, 对石油价格的变化趋势作了有效预测。
为应对高油价时代, 应采取有效措施:加快替代能源的开发与利用;节能为先, 综合提高石油利用率;建立石油供给应急机制, 加快完善价格和财税机制, 使高油价信号尽快向市场传递, 推动能源消费结构的转变和产业结构的优化。
摘要：石油价格的波动已经对国际经济及相关产业产生了重要的影响, 未来石油价格趋势的准确预测是相关产业经济的重要参考因素。本文将石油价格及其影响因素视为非线性时变系统, 运用系统动力学理论, 分析了影响石油价格的主要因素, 剖析了影响石油价格的主要因果关系, 构造出油价系统的系统动力学模型, 并进行模拟得出了20002020年的油价波动趋势。结果表明:20002007年的预测精度达到96.42%, 为应对高油价提供了决策依据及有效措施。
关键词：系统动力学,系统分析,石油价格预测
参考文献
[1].Stevens, Paul.The Determination of OilPrices 1945~1995:A Diagrammatic Interpretation[J].Energy Policy, 1995, 23 (10) :861~870
[2].Kaboudan, M.A.Comp metric forecasting of crude oilprices.Evolutionary Computation[C].Proceedings of the 2001Congress, 2001, 5 (1) :283~287
[3].Morana.Claudio.A semi parametric approach to short-term oil price forecasting[J].Energy Economics, 2001, 5 (23) :325~338
[4].Chen Wunhua, Shih Jenying.Comparison of support-vector machines and back propagation neural networks in fore-casting the six major Asian stock markets[J].Electronic Fi-nance, 2006, 1 (1) :49~67
[5].郝海, 顾培亮, 卢奇.石油价格的系统动力学特征分析[J].系统工程, 2002, 7 (4) :37~42
[6].Hotelling.The Economics of Exhaustible Resources[J].Journal of Political Economy, 1993, 4 (9) :56~58
[7].王其藩.系统动力学[M].北京:清华大学出版社, 1988:47~60
公路水泥路面使用性能预测管理研究 篇9
关键词：水泥混凝土路面,养护,管理,检测
0 引言
随着经济的发展, 我国公路网不断完善, 公路工程开始将重点由建设向养护、改建和管理现有公路偏移。在已建公路中水泥混凝土路面占了很大一部分, 但由于早期修建的旧水泥混凝土路面技术等级较低, 在外界环境作用下加速了其破坏程度, 一些新建的水泥混凝土路面也在未达到设计年限时出现了不同程度的破坏, 加强水泥混凝土路面的养护和管理已经迫在眉睫。
在公路工程项目建设上我们应该改变理念, 将运作方式从建设、维修或重建变成为建设、保护和维修, 注重路面的保护措施, 以积极主动的方式维护路面正常使用, 延长其服务寿命, 这样的保护途径能够使我们利用较少的资源, 维持改善道路体系的整体质量。所以在加强路面管理工作, 路面管理工作包括规划、设计、施工、养护、监测和评价、能够有效协调、控制和路面相关的各项工作, 而路面管理系统则是综合使用技术、经济、社会和政治等各方面因素, 促使路面管理趋于系统化和整体化。
1 水泥混凝土路面使用性能检测分析
1.1 水泥混凝土路面性能检测
要制定现有水泥混凝土路面保护策略, 最重要的是对路面使用性能进行评价, 确定水泥路面性能状况。根据《公路技术状况评定标准》 (JTG H20-2007) 的要求和规定, 将公路技术状况分为优、良、中、次和差五个等级。评定等级根据PCI、PQI和SRI来确定, 当大于90时为优, 小于60时为差。
检测时执行的标准和依据有《公路工程技术标准》 (JTG B01-2003) 、《公路养护技术规范》 (JTG H10-2009) 、《公路养护安全作业规程》 (JTG H30-2004) 、《公路路基路面现场测试规程》 (JTG E60-2008) 、《公路技术状况评定标准》 (JTG H20-2007) 、《公路水泥混凝土路面养护技术规范》 (JTJ 073.1-2001) 等, 另外还有其他地方标准, 相关规定等。
1.2 水泥混凝土路面性能检测方法
采用路面综合检测系统对路面破损状况、平整度、构造深度、车辙深度以及路面尺寸等进行检测。公路技术状况指数MQI计算式为:
式中WPQI、WSCI、WTCI和WBCI分别为PQI、SCI、TCI和BCI在MQI中的权重, 可以根据实际情况取值。
路面使用性能指数PQI按照下式计算:
式中WPCI、WRQI、WRDI、WSRI分别为PCI、RQI、RDI和SRI在PQI中的权重值, 取值时按照标准和实际情况确定。
路面破损由路面状况指数PCI来评价, 是根据路面破损率计算得出, 其取值范围为0-100, 值越大, 说明路面状况越好。
1.3 检测结果分析
水泥路面破坏一般有裂缝、破碎板、接缝料损坏、露骨、板角断裂、边角剥落等, 其中较为常见的为裂缝和破碎板, 这是因为我国公路建设一向重建设轻养护, 路面没有进行较好的保护管理, 在降雨和交通荷载影响下, 水泥混凝土路面基层材料级配不合理时, 雨水下渗, 出现错台、板底脱空, 进而出现路面开裂和破碎, 并且早期的水泥混凝土路面不能满足日益增长的汽车荷载, 导致路面破坏加速。
根据检测结果制定路面保护和管理方案, 水泥混凝土的养护方案有小修保养既对水泥混凝土路面接缝和裂缝采用沥青浇灌。中修工程先凿除破碎板、断裂的面板和基层, 重新铺筑新的基层和水泥混凝土面板, 错台和局部麻面采用沥青修补。大修工程则是将旧水泥混凝土路面破碎, 碾压后作为基层或垫层, 在上面重新修筑新的沥青或者水泥混凝土路面。
2 水泥混凝土路面使用性能预测
2.1 路面使用性能影响因素分析
目前对路面使用性能的预测一般只选取了一两项影响因素建立预测模型, 预测结果与实际相差较大。为了建立完善的预测模型, 更加精确地预测路面使用性能, 对影响路面使用性能影响因素分析具有重要意义。影响水泥混凝土路面使用性能的因素较多, 主要分为内因和外因两个方面。内因主要是指路面结构本身性质对使用性能的影响, 外因是指气候条件以及交通状况等外界环境对水泥混凝土路面使用性能的影响。
2.1.1 内部影响因素
影响水泥混凝土路面的内部因素主要有路面结构类型、路面材料特征、路面建成年份等。不同路面面层与基层的厚度、类型, 表现出不同的路面结构承载能力与使用性能。路面材料特性不同对路面使用性能的影响较大, 材料的承载能力是影响路面使用性能的主要内在因素。对于路面建成年份是指路面新建、改建或者最后一次修复时间。路面损坏情况与路面建成年份有直接的联系, 随着建成年数的增加路面损坏程度逐渐增加。在进行路面使用性能预测时, 路面建成年份对路面使用性能的影响不可忽视。
2.1.2 外部影响因素
影响路面使用性能的外部影响因素主要包括交通状况和气候条件等。交通状况对路面使用性能的影响主要指交通荷载、公路等级以及通行量对路面使用性能的影响。高等级公路通行量比低等级公路大, 路面承受的标准轴载累计作用次数较高, 路面使用性能下降较快。气候因素对路面使用性能的影响主要是指水与温度对路面和路基的影响, 路面在温度变化较大的地区, 易形成温缩裂缝;路面在降水量较大的地区, 承载能力较低, 易产生破坏。
2.2 路面使用性能预测
根据影响路面使用性能的影响因素确定预测指标, 并进一步建立预测模型, 依据预测模型评价路面使用性能。
路面使用性能评价指标分为单一指标和综合指标两类, 根据不同的情况可以选取不同类型的预测指标。具体来说, 如路面状况指数为综合路面使用性能指数, 路面行驶质量指数为单个路面使用性能指标。实际中也可以用构成路面使用性能的某个元素或者路面在不同交通情况下应力应变的变化做为路面使用性能评价指标, 如路面裂缝以及路面在不同荷载情况下应力应变等。
3 路面养护
水泥混凝土路面具有强度高, 承载能力强, 使用寿命长, 造价低等优点, 但是水泥混凝土路面一旦破坏很难进行修复, 因此依据路面使用性能预测评价结果对水泥混凝土路面进行养护针对性地养护管理非常重要。
路面保护管理一般分为被动维修和主动养护两种。被动维修是公路管理部门对路面破损的部位进行检测分析, 并组织人员进行维修。主动养护是在路面性能还处在较好状态或者路面出现破坏迹象时对路面进行养护, 预防路面病害的产生, 使路面保持良好的使用性能。主动养护以路面使用性能预测结果为参考, 如规定路面使用性能指数达到低于某一值时进行路面养护, 另外也可以通过比较养护前后路面使用性能评价指数来评价水泥混凝土路面养护效果。路面管理与养护对提高水泥混凝土路面使用性能, 延长路面使用寿命具有不可估量的作用, 另外依据路面使用性能评价结果针对性地进行水泥混凝土路面的养护, 提高了养护效益。
参考文献
[1]熊辉, 史其信, 潘先榜.路面管理理论与方法的研究进展及趋势[J].土木工程学报, 2004, 01, 37 (01) :65-69.
[2]JTG 073.1-2001中华人民共和国行业标准.公路水泥混凝土路面养护技术规范[S].
[3]曹云龙.韶关市公路网水泥混凝土路面保护策略研究[D].华南理工大学, 2011, 06.
[4]张增强, 李昶, 马高强.水泥路面预防性养护研究[J].华东公路, 2009-12-20日:58-60.
[5]黄戈.高等级公路路面预防性养护措施探讨[M].公路交通科技:应用技术版, 2009-05-15.
力学性能预测 篇10
1 基于BP神经网络蜂窝铝芯等效性能预测
铝蜂窝芯通常采用挤压成形和胶结拉伸成形[5], 成型后的典型蜂窝芯体如图1所示。它是由细观结构胞元在空间上周期性排布而形成的复合材料。蜂窝芯体的二维面内胞元结构参数如图2所示, 水平蜂窝胞壁长为h, 厚为2t, 斜蜂窝胞壁长为l, 壁厚为t, 与竖直方向的胞壁夹角为θ。蜂窝铝芯面内等效弹性性能常数可用渐近均匀化来得到。
渐近均匀化方法求胞元的面内等效弹性性能常数公式为 (详细推导见文献[1]) :
式中:χmkl是周期性边界条件下单胞域内的细观位移场, 可由式 (2) 得到:
通过有限元求解式 (2) 得到蜂窝芯胞元的细观位移χmkl, 代入式 (1) 得到蜂窝芯的等效弹性参数DHijkl。
2 基于BP神经网络蜂窝铝芯等效性能预测
由均匀化得到蜂窝铝芯弹性性能后, 通过正交试验和BP神经网络对蜂窝铝芯弹性性能进行预测。
图3所示为3层的BP神经网络结构, 其中输入层中的神经元数等于胞元结构参数个数, 输出层中的神经元数对应于研究的等效弹性常数个数, 隐含层中的神经元数根据具体研究对象由网络参数优化试验而定。
影响蜂窝力学性能的结构参数有厚长比t/l、高长比h/l和胞壁夹角θ等3个因素[3], 考虑到较少试验样本要能较全面地反映胞元结构参数对蜂窝芯等效性能的影响信息, 本工作选择正交试验设计样本参数。在蜂窝芯胞元结构参数的可能取值范围内, 每个因素取9水平数, 试验次数为81次, 确定正交实验设计的正交表为L81 (93) 。
2.1 BP网络的训练与验证
BP网络模型在训练过程中选用贝叶斯正则化算法, 以网络误差平方和为训练目标, 当网络误差性能降低到目标值或以下时训练停止。误差性能目标值为5E-5, 训练次数设为2000次。图4为网络训练误差平方和曲线, 在隐含层神经元数为28、训练次数为1108次时达到训练目标时停止。
选取文献[7]中一组实验的结构参数来验证本文预测值, 表1为预测值及其它文献值与实验值的比较, 可知预测值精度优于理论计算值, 与均匀化预测值误差很少, 证明了BP网络对蜂窝等效力学性能预测的有效性和可行性。
2.2 蜂窝结构参数的影响
以5052铝蜂窝芯为例预测分析结构参数高长比h/l、厚长比t/l、胞壁夹角θ对其等效力学性能的影响规律。蜂窝胞壁材料的弹性常数为:弹性模量Es=68.97 MPa, 泊松比νs=0.3。
(1) 高长比h/l、厚长比t/l的影响
在胞壁夹角θ=30°情况下, 宏观等效模量Ex*、Ey*、等效剪切模量G*xy以及等效泊松比ν*xy、ν*yx随厚长比t/l和高长比h/l的变化如图5-图9所示。
由图5-图9可以看出:当h/l和t/l都增大时Ex*变化很明显;Ey*随t/l变化明显;ν*xy与ν*yx随h/l的增大而增加, 而t/l影响不显著;h/l的变化对G*xy在0.1~1之间影响明显, 随t/l缓慢增加。
(2) 高长比h/l、胞壁夹角θ的影响
在t/l=0.03的情况下, 宏观等效模量Ex*、Ey*、等效剪切模量G*xy以及等效泊松比ν*xy、ν*yx随胞壁夹角θ和高长比h/l的变化如图10-图14所示。
由图10-图14可知:当h/l和θ都增大时Ex*和ν*xy变化很明显;Ey*和ν*yx随h/l与θ增大而减少;h/l的变化对G*xy在0.1~1之间影响明显。
(3) 厚长比t/l与胞壁夹角θ的影响
在高长比h/l=1情况下, 宏观等效模量Ex*、Ey*、等效剪切模量G*xy以及等效泊松比ν*xy、ν*yx随胞壁夹角θ和厚长比t/l的变化如图15-图19所示。
由图15-图19可知:当θ和t/l都增大时Ex*变化很明显;Ey*随θ变化明显, 随t/l变化缓慢;ν*xy与ν*yx随θ的增大而增加, 而t/l影响不显著;G*xy各随θ和t/l的增加而增大。
2.3 结构参数灵敏度分析
蜂窝芯胞元各结构参数对等效弹性参数的影响程度的大小用灵敏度表示。Garson提出一种基于神经网络各层之间连接权值多参数灵敏度分析方法[8]。该方法用连接权值的乘积来计算输入变量对输出变量的贡献程度大小。其公式为:
式中:N、P、L分别为输入层、隐含层、输出层的神经元数;vij为输入层与隐含层的连接权值, 其中i=1, 2…N, j=1, 2…P;wju为隐含层至输出层的连接权值, j=1, 2…P, u=1, 2…L。提取BP网络中各层的权值, 按式 (3) 的计算方法, 得到每个结构参数对等效力学性能的敏感性系数如表2所示。
从表2中可知:高长比h/l对面内剪切模量G*xy影响最大, 厚长比t/l变化对面内泊松比贡献较少, 而胞壁夹角θ对Ex*、Ey*、ν*xy、ν*yx影响贡献最大。
3 结论
利用均匀化方法和正交实验设计, 建立蜂窝铝芯等效性能与几何结构参数之间复杂非线性映射关系的BP神经网络, 实现了对蜂窝芯宏观等效力学性能的预测。通过将预测结果、理论计算、均匀化计算与实验值做比较, 证明了预测值是可信的。利用BP网络的多参数灵敏度分析, 实现了多个结构参数变化对各等效弹性常数的影响贡献, 得到了每个结构参数对各个等效力学性能的影响因子。预测结果为蜂窝芯的优化设计提供参考。
参考文献
[1] Hassani B, Hinton E.A review of homogenization and topology optimizationⅡ-Analytical and numerical solution of homogenization equations[J].Comput Struct, 1998, 69 (3) :719
[2] Liu Yehua, Xie Guilan, et al.Effects of aluminum honeycomb cell structural parameters on its macro-equivalent characteristic properties[J].J Mater Eng, 2011 (11) :26刘叶花, 谢桂兰, 等.铝蜂窝胞元结构参数对其宏观等效表征性能的影响[J].材料工程, 2011 (11) :26
[3] Wang Tiantian.Application of neural network in research for cushioning property of honeycomb paperboard[D].Xi’an:Xi’an University of Technology, 2006汪甜甜.神经网络在蜂窝纸板缓冲特性研究中的应用[D].西安:西安理工大学, 2006
[4] Ma Lianhua, Wang Qinmeng.Prediction of equivalent elastic parameters of honeycomb core based on artificial neural network[J].Computer Simul, 2007, 25 (2) :194马连华, 王亲猛.基于神经网络的蜂窝夹芯等效弹性参数的预测[J].计算机仿真, 2007, 25 (2) :194
[5] Bitzer T.Honeycomb technology:Materials, design, manufacturing, applications and testing[M].London:Chapman&Hall, 1997
[6] Gibsin L J, Ashby M F.Cellular solid:Structure and properties[M].Oxford:Pergamon Press, 1997
[7] Papka S D, Kyriakides S.Experiments and full-scale numerical simulations of in-plane crushing of a honeycomb[J].Acta Mater, 1998, 46 (8) :2765
相关文章：
力学性能的参数02-18
拉伸试验速率对冷轧薄板力学性能的影响02-18
高温力学性能02-18
桥面铺装防水粘结层力学性能室内试验研究02-18
互联网+文化02-18
力学性能02-18
稻壳/淀粉复合材料的力学性能分析02-18
残余力学性能02-18
力学性能论文范文02-18
焊接接头力学性能预测模型的研究02-18
