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:
介绍了应用于Q235焊接力学性能的神经网络近似分析方法,开展了焊接力学性能的样本数据对神经网络近似估算的实验研究,为提高估算的准确度,提出了一种新的基于融合多策略混合粒子群优化BP算法(MSBPA)应用于焊接性能数据的非线性映射处理,建立了估算模型.将估算模型应用于Q235焊接力学性能估算分析.为验证算法的有效性,分别运用了融合多策略混合粒子群优化BP算法、遗传算法优化BP算法和传统BP算法对焊接性能近似估算问题进行对比仿真分析.结果表明:基于融合多策略混合粒子群优化BP估算模型对Q235焊接力学性能有较好的非线性拟合能力,估算值与实验值间最大相对误差仅为3.5%,具有较优的估算准确性.
推荐文章
基于BP神经网络的球墨铸铁组织和力学性能预测
珠光体
球墨铸铁
BP神经网络
力学性能
人工神经网络在带钢力学性能预测中的应用
人工神经网络(ANN)
力学性能
预测
带钢
基于神经网络的固体推进剂力学性能模型研究
复合固体推进剂
力学性能模型
神经网络
动态模糊RBF神经网络焊接接头力学性能预测建模
动态模糊RBF神经网络
预测
焊接
建模
力学性能
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 基于多策略改进神经网络的力学性能近似估算
来源期刊 南京工业大学学报(自然科学版) 学科 工学
关键词 Q235 多策略BP算法 力学性能 近似估算
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 63-69,78
页数 8页 分类号 TP183|TH136
字数 4987字 语种 中文
DOI 10.3969/j.issn.1671-7627.2018.06.010
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 陆金桂 南京工业大学机械与动力工程学院 96 717 14.0 23.0
2 王京涛 南京工业大学机械与动力工程学院 11 20 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (139)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(9)
  • 参考文献(1)
  • 二级参考文献(8)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(8)
  • 参考文献(5)
  • 二级参考文献(3)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(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)
研究主题发展历程
节点文献
Q235
多策略BP算法
力学性能
近似估算
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
南京工业大学学报(自然科学版)
双月刊
1671-7627
32-1670/N
大16开
南京市浦珠南路30号
1979
chi
出版文献量(篇)
3082
总下载数(次)
9
总被引数(次)
24308
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导