导读:本文包含了人工可压缩方法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,方法,方程,可压缩,体积,压缩性,图像。
人工可压缩方法论文文献综述
牟永强,郝建超,张敬奎,董华,林欢[1]（2018）在《配置点谱方法-人工压缩法(SCM-ACM)求解不可压缩流体流动》一文中研究指出开发了配置点谱方法SCM(spectral collocation method)与人工压缩法ACM(artificial compressibility method)相结合的方法 SCM-ACM,用于求解不可压缩粘性流动问题。选取典型的方腔顶盖驱动流为研究测试对象,首先建立人工压缩格式的控制方程,其次采用SCM离散控制方程的空间偏微分项,推导出矩阵形式的代数方程,最后测试了SCM-ACM代码的有效性。结果显示,SCM-ACM能够有效求解不可压缩流动问题,并继承了谱方法的指数收敛特性,且具有ACM求解过程简单及易于实施的特点。(本文来源于《计算力学学报》期刊2018年03期）
牟永强[2]（2017）在《配置点谱方法—人工压缩法（SCM-ACM）求解不可压缩流动问题的精度研究》一文中研究指出数值方法是研究不可压缩流动问题的重要手段,开发高效高精度的数值方法是数值研究的重要方向。本文选取具有全域近似、指数收敛特性和高精度的配置点谱方法(spectral collocation method,SCM)离散控制方程,选取形式简单、易于收敛和操作方便的人工压缩法(artificial compressibility method,ACM)处理速度和压力的耦合问题,开发了SCM-ACM用于求解不可压缩稳态流动问题。第一,编写了SCM-ACM计算代码。建立了人工压缩格式的控制方程,采用SCM离散控制方程的空间偏微分项,推导出矩阵形式的代数方程,选取方腔顶盖驱动流为测试对象进行对比分析,结果表明,SCM-ACM继承了SCM的指数收敛特性,且具有ACM求解过程简单及易于实施的特点,能够用于求解不可压缩流动问题。第二,分析了SCM-ACM求解二维和叁维流动问题的计算精度。分别构造了叁组具有精确解的二维和叁维方腔内不可压缩流动问题,叁组流动问题的精确解形式分别为二次函数、叁角函数和指数函数。采用SCM-ACM代码分别求解叁组具有精确解的流动问题,研究不同空间步长、时间步长以及时间项离散格式条件下SCM-ACM的求解精度。研究结果显示,SCM-ACM求解流动问题的计算精度受空间步长、时间步长和时间项离散格式的影响,并与所求流动问题的边界条件相关。计算精度随网格节点数的增加和时间项离散精度的提高而增加,并在网格节点数增加到一定数目时趋于稳定。计算精度受时间步长的影响程度不大。第叁,SCM-ACM与其他计算方法的比较。为了检验SCM-ACM的计算精度和计算效率,选取了常用的商业软件FLUENT和FLOTHERM进行比较。分别选取本文构造的具有精确解的二维和叁维流动问题为计算对象,采用SCM-ACM、FLUENT和FLOTHERM分别对构造的具有精确解的流动问题进行求解。比较结果显示,相同计算条件下,SCM-ACM对二维和叁维流动问题求解的精度最高、耗时最少。本文开发的SCM-ACM程序具有精度高、收敛快且形式简单、操作方便的特点,为不可压缩流动问题的求解提供了一种更好的选择。(本文来源于《青岛理工大学》期刊2017-12-01）
李娜[3]（2010）在《基于人工神经网络的数字图像压缩方法的研究》一文中研究指出人类获取的信息大多数来源于图像媒体,图像已成为人类生活中信息交流最为重要的载体,也是蕴含信息量最大的媒体。信息数字化处理也成为了信息社会的一个重要标志。但是图像信息数字化给电子信息技术领域带来了的最大的难题就是海量数据的存储和传输问题。因此,数据压缩技术,尤其是数字图像的数据压缩技术就成为了解决问题的关键。数字图像压缩就是通过减少图像的冗余数据以达到图像压缩的目的,从而充分利用人眼的视觉特性和图像的统计特性来减小图像信息的冗余度,在保证图像质量的条件下实现图像压缩。由于上述原因,多种数字图像压缩技术应运而生。其中,基于人工神经网络的数字图像压缩技术也成为一个研究热点。人工神经网络领域研究的背景工作始于19世纪末和20世纪初。它源于物理学、心理学和神经生理学的跨学科研究,人工神经网络(Artificial Neural Network,ANN),就是人们在模仿人脑处理问题的过程中发展起来的一种新型智能信息处理理论。它的网络结构是多种多样的,按照网络的拓扑结构一般可分为两种:前馈网络和反馈网络。其中前馈网络主要有BP网络, MADLINE网络、多层感知机网络(MLPN)、径向基函数网络(RBFN)等;而反馈网络通常包括Hopfield网络、Boltamann机、ART网络等。其中用于数字图像压缩的神经网络一般有:基于误差反传的多层感知器——BP神经网络,自组织特征映射网络——SOMF网,以及对向传播神经网络——CPN网等。本文我们主要以基于误差反传的多层感知器——BP神经网络、自组织特征映射网络——SOMF网以及对向传播神经网络——CPN网在数字图像处理压缩技术中应用为例,来介绍基于人工神经网络的数字图像压缩的实验方法和效果。通过图像数据预处理、网络建立和训练、仿真、图像重建等几个步骤对图像进行压缩处理,然后利用输入与重建图像的信噪比和峰值信噪比两个性能函数来评定图像压缩的质量,当信噪比和峰值信噪比越大时,表明图像压缩质量越好。通过实验可以看出人工神经网络虽然只是人脑的简单模拟与抽象,但具有很多与人脑相似的信息处理能力,因此也具有较强的数据压缩能力。另外,神经网络也将促进图像编码向智能化和知识化的转化。而且神经网络较强的容错能力和联想记忆功能,有助于对噪声图像的数据及对压缩后信息不完全图像的恢复,在数字图像处理方面有更多的优势。(本文来源于《中国地质大学（北京）》期刊2010-05-01）
覃燕梅[4]（2009）在《不可压缩Navier-Stokes方程的压力投影两重网格稳定化人工粘性方法》一文中研究指出给出了一个当雷诺数很大时,求解Navier-Stokes方程的压力投影两重网格稳定化人工粘性方法.对速度压力空间采用一般等阶元进行逼近,该方法成功地绕开了LBB条件的限制,克服了对流占优造成的不稳定性,而且由于两重网格的引入,此方法在不改变计算精度和收敛性的前提下提高了计算效率.(本文来源于《内江师范学院学报》期刊2009年10期）
刘玮,乔新勇,安钢[5]（2009）在《基于人工神经网络的特征压缩方法及应用》一文中研究指出分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。(本文来源于《装甲兵工程学院学报》期刊2009年03期）
黄雪梅[6]（2005）在《基于人工神经网络的图像压缩方法研究》一文中研究指出基于神经网络的图像压缩技术,在理论和技术上开辟了图像压缩的新途径。本文深入研究了基于BP (Back-Propagation)网络和自组织特征映射网络的图像压缩方法,并在针对原始的自组织特征映射网络(SOFM,Self-Organizing Feature Map)矢量量化的缺点的基础上提出了改进的矢量量化方法,由此引发了众多新型神经网络图像压缩系统的研究与探讨,使其技术本身更具应用前景。本文的研究工作主要分为两大部分:BP 网络图像压缩和SOFM 矢量量化,前者包括单个BP 网络和多级BP 网络图像压缩方法研究;后者主要包括原始SOFM矢量量化、基于Hopfield 网络的图像边缘检测以及边缘保持SOFM 矢量量化。归纳起来,本文主要围绕下面的层次和思想展开:(1)BP 网络能够直接提供数据压缩能力,首先从探讨BP 算法入手,剖析基于BP 网络的图像压缩的机理,深入研究它在图像压缩中的应用及其关键技术,分别应用BP 算法的各种学习规则来实现图像压缩,通过一系列实验,分析和总结了压缩性能与各种网络参数之间的关系,这是本论文工作的一个重要部分。(2)在单个BP 网络实现图像压缩的基础上,结合图像块间的相关性,提出了多级BP 网络实现图像压缩的思想,分析了基于多级BP 网络的图像压缩的网络模型,深入研究了多级网络的嵌套式训练算法,并在现有条件下实现了图像压缩与图像重建,从而实现高压缩比,这是本论文的一种尝试。(3)研究了自组织特征映射网络(SOFM)的算法以及结构,探讨了矢量量化的有关理论,并在此基础上分析SOFM 在矢量量化中的应用及其关键技术,最后用SOFM 实现矢量量化,从而实现图像压缩,并分析各种参数对重建图像性能的影响,这是本论文工作的另一个重要部分。(4)本文的创新之二在于用Hopfield 网络进行图像边缘检测,这与传统的图像边缘检测方法完全不同,利用Hopfield 网络的并行结构,提高了计算速度,并且实现了基于图像内容的边缘检测,从而运用边缘检测结果计算出图像子像素块的统计特性和边缘特性。(5)针对BP 网络图像压缩和原始SOFM 图像压缩的一个致命缺点——重建图像的边缘模糊,将待压缩图像的边缘特性融入自组织特征映射网络的权值修正过程中,从而提出了一种边缘保持的SOFM 矢量量化方法,实验证明该方法是行之有效的,应用改进方法的重建图像具有更好的边缘特性和视觉效果。这种方法的(本文来源于《重庆大学》期刊2005-04-15）
王家楣,孙富学[7]（2004）在《基于人工可压缩方法的后台阶绕流数值模拟》一文中研究指出针对二维后台阶绕流采用人工可压缩方法进行数值模拟 ,方程的离散采用有限体积法 .为了消除离散求解时可能产生的数值振荡 ,在离散方程的右端人为增加四阶人工耗散 .在 Re=45 ,60 ,90等低雷诺数下的数值试验结果表明 ,人工可压缩方法和有限体积离散方法联合进行数值模拟的可行性 ;在低 Re的情况下 ,伪可压缩系数 α取小的值会对方程求解的稳定性更有利 .在其它参数取值相同的情况下 ,还分别针对加入和不加入人工耗散两种情况进行模拟 ,结果表明人工耗散的加入使迭代余量的绝对值明显减小 ,也就是从一定程度上消减了数值解的振荡 .文中同时在数值试验的基础上提出了人工压缩系数的参考取值范围 .通过采用上述方法对后台阶绕流进行模拟 ,模拟结果和商用软件 PHOENICS3 .2在相同条件下模拟结果基本吻合 ,表明了该方法的可行性(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2004年01期）
孙富学[8]（2004）在《基于人工可压缩方法的方柱绕流数值模拟》一文中研究指出采用数值计算手段实现对流动现象的模拟，是近年来流体工作者努力的目标。鉴于钝体绕流在理论研究和实践中所具有的重要意义，本文尝试采用人工可压缩方法和有限体积离散方法，实现对方柱绕流流场的数值模拟。 基于CFD基本理论知识和常用数值计算方法，本文选取不可压N-S方程作为控制方程。同时，为了使编写的求解程序具有广泛适应性，本文对方程进行了无量纲化处理。鉴于常用不可压N-S方程求解方法中存在的速度和压力耦合问题，本文采用人工可压缩方法进行求解，极大的简化了求解过程，使程序设计简单化。为了求解泛定方程，本文在分析模拟对象流动特征的基础上，给出了相应的定解条件，包括初始条件和边界条件。 要数值求解流动问题，必须先对微分控制方程在计算域上进行离散。根据计算对象的特征，本文采用直接法生成矩形均匀网格，对压力、速度采用同位配置，并对有限体积网格所涉及的要素进行设置：节点采用格子顶点式，控制体采用VC格式，同时就几何要素的命名办法做出统一规定。在此基础上，采用有限体积法实现对微分方程的离散。文中就具体离散过程进行了推导，给出了最终的迭代公式，其中，对微分方程的离散采用显式格式、对流项采用高阶迎风差分格式、扩散项应用中心差分格式。为了克服人工可压缩方法可能带来的数值振荡，本文在离散方程的右端显式添加四阶人工耗散项，并就人工耗散系数的选取给出了推荐公式。为了实现内点离散方程组的封闭，本文就第一、二类边界条件在计算时的处理和边界外虚拟点的外插法求值，给出了可行的解决方案。最后采用雅可比迭代法对方程组进行求解。 在前面论述基础上，本文开发了几组程序来分别实现对流动的求解和结果的显示。利用计算程序，本文首先对方柱绕流流动进行求解，成功模拟了方柱绕流层流阶段的流动和涡街阶段(Re=100)方柱尾流的周期性变化现象。同时，利用程序对后台阶绕流流动进行计算，验证了后台阶绕流回流长度和雷诺数有关的结论。另外，本文也对人工耗散系数和人工可压缩系数对数值计算的影响进行了实验。 虽然本文的模拟得到了初步的结果，但由于处理方法、时间等的限制，武汉理工大学硕士学位论文计算结果不很理想，有待于进一步的研究和完善。最后，本文对论文过程中的经验和不足进行总结，以资后续研究者借鉴。(本文来源于《武汉理工大学》期刊2004-02-01）
温功碧,陈作斌[9]（2004）在《叁维非定常/定常不可压缩流动N-S方程基于人工压缩性方法的数值模拟》一文中研究指出基于人工压缩性方法提出—中心与迎风混合的算法,以数值模拟N-S方程的定常/非定常解。对半离散方程的左端采用中心差分,方程右端数值流量采用迎风Roe近似算法,其精度可达叁阶。湍流模式利用Baldwin-Lomax代数模式。计算例子包括二维平板、机翼剖面、扁椭球、颅动脉瘤等。计算结果表明,压力和摩擦系数与实验符合,在分离涡旋区计算值与实验有差别,这或许是由于湍流模式不够精确的缘故。(本文来源于《应用数学和力学》期刊2004年01期）
张琦,韩祯祥,曹绍杰,顾雪平[10]（2001）在《用于暂态稳定评估的人工神经网络输入空间压缩方法》一文中研究指出应用粗糙集理论中的决策表化简技术 ,提出了一种压缩人工神经网络 (ANN)输入空间的方法 ,改善了 ANN用于电力系统暂态稳定评估 (TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据 ,采取了 3种离散化方法 :等频法、等距法和最大熵法。用 1 0机 39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为 1 1个 ,利用粗糙集化简方法抽取出 6个关键特征变量 ,样本集压缩了 45.5% ,而 ANN稳定分类器的判别效果并没有因此受到影响。(本文来源于《电力系统自动化》期刊2001年02期）
人工可压缩方法论文开题报告
（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：
数值方法是研究不可压缩流动问题的重要手段,开发高效高精度的数值方法是数值研究的重要方向。本文选取具有全域近似、指数收敛特性和高精度的配置点谱方法(spectral collocation method,SCM)离散控制方程,选取形式简单、易于收敛和操作方便的人工压缩法(artificial compressibility method,ACM)处理速度和压力的耦合问题,开发了SCM-ACM用于求解不可压缩稳态流动问题。第一,编写了SCM-ACM计算代码。建立了人工压缩格式的控制方程,采用SCM离散控制方程的空间偏微分项,推导出矩阵形式的代数方程,选取方腔顶盖驱动流为测试对象进行对比分析,结果表明,SCM-ACM继承了SCM的指数收敛特性,且具有ACM求解过程简单及易于实施的特点,能够用于求解不可压缩流动问题。第二,分析了SCM-ACM求解二维和叁维流动问题的计算精度。分别构造了叁组具有精确解的二维和叁维方腔内不可压缩流动问题,叁组流动问题的精确解形式分别为二次函数、叁角函数和指数函数。采用SCM-ACM代码分别求解叁组具有精确解的流动问题,研究不同空间步长、时间步长以及时间项离散格式条件下SCM-ACM的求解精度。研究结果显示,SCM-ACM求解流动问题的计算精度受空间步长、时间步长和时间项离散格式的影响,并与所求流动问题的边界条件相关。计算精度随网格节点数的增加和时间项离散精度的提高而增加,并在网格节点数增加到一定数目时趋于稳定。计算精度受时间步长的影响程度不大。第叁,SCM-ACM与其他计算方法的比较。为了检验SCM-ACM的计算精度和计算效率,选取了常用的商业软件FLUENT和FLOTHERM进行比较。分别选取本文构造的具有精确解的二维和叁维流动问题为计算对象,采用SCM-ACM、FLUENT和FLOTHERM分别对构造的具有精确解的流动问题进行求解。比较结果显示,相同计算条件下,SCM-ACM对二维和叁维流动问题求解的精度最高、耗时最少。本文开发的SCM-ACM程序具有精度高、收敛快且形式简单、操作方便的特点,为不可压缩流动问题的求解提供了一种更好的选择。
（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。
人工可压缩方法论文参考文献
[1].牟永强,郝建超,张敬奎,董华,林欢.配置点谱方法-人工压缩法(SCM-ACM)求解不可压缩流体流动[J].计算力学学报.2018
[2].牟永强.配置点谱方法—人工压缩法（SCM-ACM）求解不可压缩流动问题的精度研究[D].青岛理工大学.2017
[3].李娜.基于人工神经网络的数字图像压缩方法的研究[D].中国地质大学（北京）.2010
[4].覃燕梅.不可压缩Navier-Stokes方程的压力投影两重网格稳定化人工粘性方法[J].内江师范学院学报.2009
[5].刘玮,乔新勇,安钢.基于人工神经网络的特征压缩方法及应用[J].装甲兵工程学院学报.2009
[6].黄雪梅.基于人工神经网络的图像压缩方法研究[D].重庆大学.2005
[7].王家楣,孙富学.基于人工可压缩方法的后台阶绕流数值模拟[J].武汉理工大学学报(交通科学与工程版).2004
[8].孙富学.基于人工可压缩方法的方柱绕流数值模拟[D].武汉理工大学.2004
[9].温功碧,陈作斌.叁维非定常/定常不可压缩流动N-S方程基于人工压缩性方法的数值模拟[J].应用数学和力学.2004
[10].张琦,韩祯祥,曹绍杰,顾雪平.用于暂态稳定评估的人工神经网络输入空间压缩方法[J].电力系统自动化.2001
论文知识图
