首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

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

论文共67页,点击 下载论文
上一篇:网络信息资源分类组织研究
下一篇:论网络技术下的文献信息资源建设