导读:本文包含了人工神经网络仿真论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,正交,数值,算法,判据,板料,向性。
人工神经网络仿真论文文献综述
周琦[1]（2019）在《基于BP人工神经网络的板料自冲铆接的底切量仿真预测》一文中研究指出以Al Mg3铝合金板料的自冲铆接作为研究对象,利用DEFORM-2D有限元软件与正交试验,对两层2 mm的Al Mg3铝合金板料的自冲铆接过程进行有限元仿真,基于BP人工神经网络及仿真数据,对板料自冲铆接的成形质量进行仿真预测。以模具深度、模具凸台高度、模具宽度以及铆接速度为输入层,将底切量作为输出层,建立了4-11-1的3层BP人工神经网络。以仿真结果为样本进行反复的训练,得到BP人工神经网络的预测值,与有限元仿真值相比两者的最大误差为0. 97%。此外,借助自冲铆接设备及安装模具,进行自冲铆接试验,试验值与BP人工神经网络预测值之间的相对误差为6. 57%,验证了BP人工神经网络应用于板料自冲铆接成形质量预测的正确性与可靠性,为企业的实际生产提供重要的参考。(本文来源于《锻压技术》期刊2019年08期）
李兵,姜海林,刘奎武,高鹏[2]（2017）在《基于BP人工神经网络的油箱端盖拉深成形仿真预测》一文中研究指出以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。(本文来源于《锻压技术》期刊2017年11期）
秦立厚,张茂震,袁振花,杨海宾[3]（2017）在《基于人工神经网络与空间仿真模拟的区域森林碳估算比较——以龙泉市为例》一文中研究指出森林是生态系统的重要组成部分,准确估算森林碳储量及其分布对于评价森林生态系统的功能具有重要意义。以龙泉市为研究区,利用2009年99个森林资源清查样地数据和同年度Landsat TM影像数据,采用高斯序列协同仿真(SGCS)与BP神经网络方法(BPNN)分别模拟森林地上部分碳密度及其分布,并进行了对比分析。随机将样本数据分成70个建模样本和29个检验样本。通过模型检验,BP神经网络预测值与实测值的相关性达到0.67,相对均方根误差为0.63,空间仿真方法预测值与实测值的相关性为0.68,相对均方根误差为0.63,空间仿真方法预测能力略高于神经网络方法。仿真结果表明,基于BP神经网络模拟的森林碳总量为11042990 Mg,平均碳密度为36.10 Mg/hm2,总体森林碳密度均值高于样地平均值8.82%。基于空间仿真模拟的森林碳总量为11388657 Mg,平均碳密度为37.23 Mg/hm2,总体森林碳密度均值高于样地平均值9.40%。对比分析可知:高斯协同仿真模拟和BP神经网络虽然在碳总量估算值上与抽样数据估计值相近,但两种方法在估测值的频率分布以及研究区碳分布上有较大的差异。与BP神经网络相比,序列高斯协同模拟结果更接近系统抽样样地实测值,全部样地预测值与实测值的相关性达到0.75,在估计区域森林碳空间分布上有明显优势。在碳密度值域与频率分布方面,序列高斯协同模拟结果分布更合理。综上所述,序列高斯协同模拟在森林碳空间估计方面要优于BP神经网络。(本文来源于《生态学报》期刊2017年10期）
林好[4]（2017）在《基于人工神经网络技术的双金属复合管铸造数值仿真优化》一文中研究指出笔者旨在实现给予人工神经网络技术的双金属复合管铸造数值仿真的应用,通过分析双金属复合管铸造的工艺,在铸造过程数值仿真过程,实现人工神经网络的建模处理,确定人工神经网络仿真形式,积极构建神经网络,实现神经网络的初始化研究,学习神经网络的同时,确定仿真的结果和实例。基于实测数据以及仿真数据的研究,结果表明人工神经网络技术下的仿真最大误差约为2.2%,基于铸造过程的仿真应用,结合双金属复合管的优化设计,应用工艺的制作分析,有着较强的理论性意义和现实意义。(本文来源于《信息与电脑(理论版)》期刊2017年02期）
尹疆,张盼月,贺卫宁,蒋剑虹,李娟[5]（2016）在《基于人工神经网络的序批式复合反应器强化同步脱氮除磷仿真研究》一文中研究指出以强化同步脱氮除磷的序批式复合反应器(SBHR)为研究对象,构建人工神经网络(ANN)模型,并对系统处理效果进行仿真预测,探讨了各影响因素与输出结果之间的价值贡献关系。研究表明,在稳定运行的100天中,SBHR系统对污水中COD、TP和TN的平均去除率分别达到94.66%、94.91%和84.85%。ANN对系统出水COD、TP和TN的预测结果和实际检测结果之间绝对平均误差分别为1.49%、3.01%和3.35%。ANN可以很好地应用于SBHR系统的处理效果预测管理中。通过权重分析,SBHR污水处理系统中C/P影响的贡献值最大。(本文来源于《给水排水》期刊2016年10期）
李明旭,邓欣,王进,王潇,张笑谋[6]（2016）在《基于人工神经网络的秀丽隐杆线虫趋温性行为的建模与仿真》一文中研究指出为了模拟秀丽隐杆线虫的趋温性行为,提出一种通过人工神经网络对秀丽隐杆线虫的趋温性行为进行建模的方法,并进行实验仿真。首先,建立秀丽隐杆线虫的运动模型;然后,通过设计非线性函数逼近线虫趋温性的运动逻辑,实现运动速度和偏向角度的改变功能;最后,通过人工神经网络对该非线性函数进行学习,从而在Matlab环境中对上述过程进行实验仿真,模拟出了秀丽隐杆线虫的趋温性行为。实验结果表明,在更接近生物体本质的条件下,反馈(BP)神经网络比径向基函数(RBF)神经网络能更好地模拟线虫的趋温性行为。同时也表明所提方法能够很好地模拟秀丽隐杆线虫的趋温性行为,在一定程度上揭示了线虫趋温性的实质,理论上支持了爬虫机器人的趋温性研究。(本文来源于《计算机应用》期刊2016年07期）
黎萌,王建全[7]（2015）在《基于人工神经网络的暂态稳定时域仿真终止算法的研究》一文中研究指出针对传统全过程数值积分产生大量多余仿真积分时步的问题,设计了一个人工神经网络分类器用于事故暂态稳定性分类。结合短时时域仿真,获取了暂态稳定性能指标,构建了人工神经网络暂态稳定分类器,进行了暂态稳定性的预测,以自动终止部分事故仿真计算,大大减少数值积分计算量。在某地电网系统中进行仿真,验证了该算法的有效性。(本文来源于《能源工程》期刊2015年04期）
倪百秀,张翠翠,周本达[8]（2015）在《基于改进布谷鸟搜索的人工神经网络及其性能仿真》一文中研究指出布谷鸟搜索(CS)算法是一种新型的基于仿生学原理的元启发式算法,具有很好的全局优化能力,但其存在后期收敛速度慢、计算精度不高等不足。通过将交叉熵(CE)方法嵌入到CS中构建一种改进的CS算法,基准测试函数集的测试结果表明改进算法收敛速度和计算精度都有了明显提高。用改进的算法实现对人工神经网络的训练,实验结果显示新算法训练的神经网络收敛速度更快,能有效避开局部极小。最后用所建立的人工神经网络对中国人口总量进行了预测。(本文来源于《江汉大学学报(自然科学版)》期刊2015年01期）
王国栋[9]（2014）在《基于人工神经网络的焊接有限元仿真的简化》一文中研究指出焊接在现代制造业中得到了广泛的应用,其过程的有限元仿真及结果预测成为焊接工艺研究领域的重要课题。由于焊接过程的多场耦合、变参数以及多种非线性因素使得对焊接过程的数值模拟经常遇到模型过大计算耗时过长以及简化过程中不能真实反映实际情况的问题。本文在焊接过程数值模拟过程中利用人工神经网络技术尝试模型的简化以及多级模型之间的衔接,解决数值模拟存在的一些问题。具体解决的问题:1.简单的平板对接焊接结构的焊接过程数值模拟中结合人工神经网络分析采用相同焊接工艺的不同大小的焊接结构焊后残余应力分布之间的关系,以此来探寻一条焊接残余应力预测的新途径。2.在有限元方法对具有交叉焊缝的焊接结构进行数值模拟时利用人工神经网络对交叉焊缝焊接结构焊接进行分步建模,克服整体建模网格数量过多以及分步建模时首次焊接模拟产生的网格畸变将导致二次建模网格难以匹配的问题。利用焊接数值模拟的几何坐标与场值的对应关系通过建立人工神经网络,实现映射初步模型任意坐标点场值到二次整体模型并实现整体模型的仿真。实现了以有限元软件和人工神经网络结合预测焊接结构焊接残余应力的新方法。(本文来源于《哈尔滨工程大学》期刊2014-05-26）
朱林波,罗霞[10]（2014）在《基于人工神经网络的微观交通仿真模型参数灵敏度分析》一文中研究指出待校正参数集的确定是微观交通仿真模型参数标定的前提与关键,在VISSIM平台上构建快速路出入口匝道仿真模型基础上,为了利用BP神经网络技术研究模型中各参数对主-辅路行程时间这一评价指标的影响,使用拉丁超立方抽样抽取出200组数据作为训练样本及测试样本.经过训练、优化确定出训练误差最小的网络结构为12-11-1并获得各层间权重,改造后的Garson公式可以计算出各输入变量对评价指标的相对敏感度系数.根据相对敏感度系数排序可以确定出对主-辅路行程时间有较高敏感性的关键参数集,只对敏感度系数较高参数进行标定,减轻参数标定工作复杂度.基于BP神经网络对模型参数进行灵敏度分析的结果与实际使用经验较相似.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2014年02期）
人工神经网络仿真论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以油箱端盖作为分析对象,借助DYNAFORM仿真软件,对油箱端盖的拉深成形过程进行数值模拟,并通过拉深成形试验验证可知,板料最大减薄率与最大增厚率的试验值与模拟值之间的相对误差分别为9.26%与8.32%,验证了有限元模型的正确性。结合正交试验,进行有限元仿真试验的设计,基于BP人工神经网络,对板料的成形质量进行仿真预测。选择冲压速度、模具间隙以及压边力作为输入层,将板料成形的最大减薄率作为输出层,建立了3-11-1的3层BP人工神经网络。通过BP人工神经网络的训练与测试得知:BP人工神经网络仿真预测值与数值模拟值之间的相对误差为2.15%,验证了BP人工神经网络应用于油箱端盖拉深成形质量仿真预测的正确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人工神经网络仿真论文参考文献
[1].周琦.基于BP人工神经网络的板料自冲铆接的底切量仿真预测[J].锻压技术.2019
[2].李兵,姜海林,刘奎武,高鹏.基于BP人工神经网络的油箱端盖拉深成形仿真预测[J].锻压技术.2017
[3].秦立厚,张茂震,袁振花,杨海宾.基于人工神经网络与空间仿真模拟的区域森林碳估算比较——以龙泉市为例[J].生态学报.2017
[4].林好.基于人工神经网络技术的双金属复合管铸造数值仿真优化[J].信息与电脑(理论版).2017
[5].尹疆,张盼月,贺卫宁,蒋剑虹,李娟.基于人工神经网络的序批式复合反应器强化同步脱氮除磷仿真研究[J].给水排水.2016
[6].李明旭,邓欣,王进,王潇,张笑谋.基于人工神经网络的秀丽隐杆线虫趋温性行为的建模与仿真[J].计算机应用.2016
[7].黎萌,王建全.基于人工神经网络的暂态稳定时域仿真终止算法的研究[J].能源工程.2015
[8].倪百秀,张翠翠,周本达.基于改进布谷鸟搜索的人工神经网络及其性能仿真[J].江汉大学学报(自然科学版).2015
[9].王国栋.基于人工神经网络的焊接有限元仿真的简化[D].哈尔滨工程大学.2014
[10].朱林波,罗霞.基于人工神经网络的微观交通仿真模型参数灵敏度分析[J].武汉理工大学学报(交通科学与工程版).2014
论文知识图
