人工神经网络在弹塑性有限元中的应用
第一章 绪论 | 第1-11页 |
1.1 研究课题的意义及背景 | 第8页 |
1.2 人工神经网络与有限元方法 | 第8-9页 |
1.3 本文工作及内容安排 | 第9-11页 |
第二章 全量理论弹塑性有限元及其单元刚度阵 | 第11-27页 |
2.1 全量理论 | 第11-12页 |
2.2 研究的前提条件及假定 | 第12-15页 |
2.2.1 幂强化的材料模型 | 第12-13页 |
2.2.2 屈服条件 | 第13-14页 |
2.2.3 单一抗力曲线假定 | 第14页 |
2.2.4 各向同性假定 | 第14-15页 |
2.3 有限元分析的基本步骤 | 第15-19页 |
2.4 三角形膜单元几何方程的建立 | 第19-20页 |
2.4.1 三角形膜单元形函数的确定 | 第19-20页 |
2.4.2 三角形膜单元几何阵的推导 | 第20页 |
2.5 全量理论弹塑性物理矩阵的推导 | 第20-25页 |
2.5.1 一般应力状态下弹塑性物理矩阵 | 第21-22页 |
2.5.2 平面状态下的弹塑性物理矩阵 | 第22-23页 |
2.5.3 弹塑性模量E~p的确定 | 第23-25页 |
2.6 弹塑性单元刚度阵 | 第25页 |
2.7 全量理论弹塑性有限元的主要步骤 | 第25-27页 |
第三章 神经网络原理及BP网络模型 | 第27-36页 |
3.1 人工神经网络技术 | 第27-31页 |
3.1.1 人工神经网络技术概述 | 第27页 |
3.1.2 人工神经元模型 | 第27-29页 |
3.1.3 神经网络结构 | 第29-30页 |
3.1.4 人工神经网络特点 | 第30页 |
3.1.5 人工神经网络模型分类及应用 | 第30-31页 |
3.2 误差后向传播神经网络即BP网 | 第31-34页 |
3.2.1 BP网概述 | 第31-32页 |
3.2.2 BP网络原理 | 第32页 |
3.2.3 BP网映射性能分析 | 第32-33页 |
3.2.4 BP网络学习效果的判断 | 第33-34页 |
3.3 应用BP网计算弹塑性有限元单元刚度阵 | 第34-36页 |
第四章 弹塑性有限元单元刚度阵的神经网络计算 | 第36-46页 |
4.1 BP网络的输入量及输出量的分析 | 第36-39页 |
4.1.1 BP网络的输入信息 | 第36-38页 |
4.1.2 BP网络的输出信息 | 第38-39页 |
4.2 训练样本的生成 | 第39-41页 |
4.2.1 弹性状态下训练样本的生成 | 第40页 |
4.2.2 塑性状态下训练样本的生成 | 第40-41页 |
4.3 BP网络模型设计 | 第41-42页 |
4.3.1 网络基本结构 | 第41页 |
4.3.2 网络层数 | 第41-42页 |
4.3.3 各层的神经元数目 | 第42页 |
4.4 BP网络的算法 | 第42-46页 |
4.4.1 最速梯度下降法 | 第42-44页 |
4.4.2 RPROP算法 | 第44-46页 |
第五章 基于MATLAB的软件实现 | 第46-50页 |
5.1 开发平台及开发语言 | 第46-47页 |
5.2 软件设计 | 第47-49页 |
5.2.1 软件的总体结构 | 第47-48页 |
5.2.2 BP网络训练模块的说明 | 第48页 |
5.2.3 BP网络计算模块的说明 | 第48-49页 |
5.3 程序实现中的一些问题 | 第49-50页 |
5.3.1 神经网络的前处理和后处理 | 第49页 |
5.3.2 输出元素的特殊处理 | 第49-50页 |
第六章 算例的实现 | 第50-59页 |
6.1 材料的参数及性能 | 第50-51页 |
6.2 弹性状态下单元刚度阵的神经网络计算 | 第51-54页 |
6.3 塑性状态下单元刚度矩阵的神经网络计算 | 第54-58页 |
6.4 算例的分析 | 第58-59页 |
结束语 | 第59-60页 |
附录:有限元算例 | 第60-64页 |
1 算例分析 | 第60-61页 |
2 有限元方法的选择 | 第61页 |
3 算例的有限元模拟系统 | 第61-63页 |
3.1 前置处理模块 | 第61-62页 |
3.2 有限元分析模块 | 第62页 |
3.3 后置处理模块 | 第62-63页 |
4 算例的神经网络计算 | 第63页 |
5 结果分析 | 第63-64页 |
致 谢 | 第64-65页 |
参考文献 | 第65-67页 |