基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
根据Kolmogorov多层神经网络映射存在定理,利用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替实际结构优化过程中存在的大量有限元计算,从而提高优化效率.以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构的优化问题进行了分析研究.算例表明,在相同(有限元)样本数据的情况下,进化神经网络通过自适应调节网络结构和权值,可获得比BP神经网络更高精度的映射模型,具有很强的泛化能力.该方法可为解决大型复合材料结构优化设计提供一条高效途径.
推荐文章
BP神经网络在航空复合材料敲击检测中的应用
航空复合材料
数据处理
敲击检测
BP神经网络
神经网络在计算复合材料刚度退化中的应用
复合材料层合板
刚度退化
神经网络
基于ROLS算法的递归RBF神经网络结构设计
神经网络
结构设计
算法
奇异值分解
动态建模
基于BP神经网络的复合材料失效分析
复合材料
BP神经网络
失效分析
结构优化
训练优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 进化神经网络在复合材料格栅结构设计中的应用
来源期刊 固体火箭技术 学科 工学
关键词 复合材料 格栅加筋板 结构优化 进化神经网络 遗传算法
年,卷(期) 2006,(4) 所属期刊栏目 材料工艺
研究方向 页码范围 305-309
页数 5页 分类号 TB33
字数 4094字 语种 中文
DOI 10.3969/j.issn.1006-2793.2006.04.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐元铭 北京航空航天大学航空科学与工程学院 59 390 11.0 18.0
2 荣晓敏 北京航空航天大学航空科学与工程学院 2 9 1.0 2.0
3 吴德财 北京航空航天大学航空科学与工程学院 4 65 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (192)
参考文献  (4)
节点文献
引证文献  (9)
同被引文献  (25)
二级引证文献  (27)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(1)
  • 引证文献(0)
  • 二级引证文献(1)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(2)
  • 引证文献(1)
  • 二级引证文献(1)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(5)
  • 引证文献(1)
  • 二级引证文献(4)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
复合材料
格栅加筋板
结构优化
进化神经网络
遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
固体火箭技术
双月刊
1006-2793
61-1176/V
大16开
西安市120信箱47所编辑部
1978
chi
出版文献量(篇)
2762
总下载数(次)
2
总被引数(次)
20905
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导