导读:本文包含了神经构件模型论文开题报告文献综述及选题提纲参考文献，主要关键词:多点叁维拉弯,数值分析,成形精度,正交试验
神经构件模型论文文献综述
林祥烽[1]（2019）在《铝型材叁维拉弯构件成形精度与BP神经网络回弹模型的研究》一文中研究指出目前,铝型材叁维拉弯构件作为轻量化结构广泛地应用于汽车、高铁、飞机等领域。随着我国现代化工业的高速发展,制造业对于铝型材叁维拉弯构件的需求量也日益增加。然而,传统的拉弯工艺一般采用的是整体模具,只能在二维平面上进行弯曲成形。多点叁维拉弯成形工艺是将传统拉弯工艺与多点技术相结合的一种新成形技术,在不卸载型材的条件下,型材能被拉弯成叁维结构件。在叁维拉弯成形过程中,由于型材需要先后在不同平面上进行拉弯成形,故构件的成形精度无法得到精确的控制,且很容易出现影响构件成形质量的缺陷,如回弹、起皱、截面畸变等。为了保证叁维拉弯构件的成形精度,需要将叁维拉弯成形过程中的工艺参数进行合理的选择及优化,同时也要对叁维拉弯后的构件回弹量进行有效地预测。本文首先基于有限元理论和叁维拉弯工艺特点,建立了铝型材叁维拉弯工艺的有限元模型。其次以高铁列车车头骨架结构件为研究对象进行叁维拉弯成形,采用ABAQUS有限元模拟软件对型材叁维拉弯过程进行数值模拟分析。研究了在叁维拉弯成形过程中模具单元分布密度对构件成形精度的影响。然后由于型材进行叁维拉弯成形后会发生回弹影响构件成形精度,故采用逐步调整拉弯模具型面补偿回弹的方法来减小成形件和目标件的形状误差。结果表明,在其他参数保持不变的前提下,随着模具单元数量的增加,构件成形精度提高,但模具单元数量增加也会使制造成本增加,本文中模具单元数量为25个时是高铁列车车头骨架结构件比较适合的叁维拉弯工艺参数。且在有限元模拟中,采用逐步调整拉弯模具型面补偿回弹的方法可使成形件的最大形状误差由18.82 mm减少到2.46 mm,在实际的叁维拉弯试验中,最大形状误差由27.26 mm减少到6.03 mm,表明有限元模拟能够有效地预测构件回弹量,并且采用逐步调整叁维拉弯模具型面补偿回弹的方法可以有效地提高构件的成形精度,为今后叁维拉弯成形参数的确定和优化提供指导。此外,本文还基于不同高铁列车车头骨架结构件材料参数的正交试验设计,利用ABAQUS软件模拟出型材沿x-y平面水平回弹量δ_y、沿x-z平面垂直回弹量δ_z和总回弹量δ。然后通过正交试验的极差分析可知:铝型材材料参数对构件回弹影响最大,同时还分析了各个工艺参数对构件回弹量的影响大小,得到了正交试验中的最优因素水平组合为:6063铝型材材料,水平弯曲角度为14°,垂直弯曲角度为14°,模具单元数量为10,摩擦系数为0.15。最后根据正交试验所获得的数据,建立了铝型材叁维拉弯构件的BP神经网络回弹预测模型,通过BP神经网络对构件回弹量进行预测。由预测的结果、有限元模拟值和试验值进行对比验证后发现它们之间的误差都在11%以内,表明BP神经网络能够有效地预测回弹,从而为后面叁维拉弯成形过程中预测构件回弹提供一种新的思路。(本文来源于《吉林大学》期刊2019-06-01）
聂鹏,耿技,秦志光[2]（2012）在《基于构件的Web系统前馈神经网络可靠性模型》一文中研究指出对基于构件结构复杂度较高的Web系统进行可靠性评估时,基于状态或基于路径的软件可靠性评估模型计算复杂度较高,鲁棒性不足。为此,提出了一种计算复杂度低、鲁棒性强的基于构件的前馈神经网络可靠性模型CBPRM。CBPRM将Web系统中各构件的可靠性作为前馈神经网络输入,并基于构件可靠性敏感度对神经元进行动态优化,Web系统可靠性评估由前馈神经网络输出实现。理论分析和实验结果表明,在基于构件结构复杂度较高的Web系统可靠性评估中,CBPRM的计算复杂度低于对比模型,并可确保可靠性评估精度。(本文来源于《计算机工程与科学》期刊2012年12期）
赵懿恒[3]（2009）在《神经构件模型和软件体系结构演化方法的研究》一文中研究指出软件演化指的是软件进行变化并达到所希望形态的过程,可分为静态演化和动态演化两种类型。由于动态演化具有持续可用性的优点,已成为软件工程研究的热点。但动态演化比静态演化更为复杂,技术上更难以处理。现代软件的复杂性决定了动态演化研究应从宏观层面入手。为支持基于体系结构的动态演化,本文较系统地从构件、软件体系结构框架、软件体系结构动态配置等方面逐步展开研究。本文基于神经传导理论,提出了模拟神经元电信号传导的神经构件信息处理模型NCIAM,并根据该模型建立了神经构件。在神经构件中,某一构件与其他构件之间的信息传导被模型化为模拟神经传导的抽象类型。构件自身计算功能等传统构件功能被模型化为新的构件体;构件之间的交互点则被模型化为信息传导连接体。神经构件具有自主分析传导的信息,并根据分析结果来进行构件自身行为和构件间信息传导连接,可显性表示信息传导的变更计划。计划行为被形式化描述,从而直接地以自组织自我管理的形式达到动态演化的要求。在神经构件基础上,继续对动态演化的软件体系结构进行研究。本文引用多Agent系统设计思想,提出了基于神经构件的动态演化软件体系结构模型NDSA。定义了该体系结构模型的基本元素,阐述了模型的组成结构,并分别就局部演化和全局演化的演化实现进行了设计和分析。该模型可支持神经构件间的连接改变、神经构件的增加、删除以及体系结构拓扑结构的重新配置等等,能够很好地支持局部和全局的动态演化。在该模型的基础上,从大粒度的宏观角度描述并分析了基于NDSA模型的动态演化软件体系结构框架。最后为了使基于神经构件的动态演化软件体系结构能够更加完善更加高效地实施动态演化,本文引入了反射理论提出了一个反射配置模型,该模型可以从体系结构的高度高效地迅速地辅助软件系统进行演化。根据该模型建立的基于反射理论的动态配置系统,可以实现比基于传统体系结构的演化行为更加具有开放性和动态适应性的动态演化功能。(本文来源于《大连理工大学》期刊2009-09-30）
陈仲堂,刘永光,应力,艾洁[4]（2006）在《基于人工神经网络的高压水射流混凝土构件表面处理模型》一文中研究指出目的应用高压水射流进行混凝土构件表面处理前确定机械的初始参数,实现对处理深度全面合理的控制.方法用AJP-E25135型高压泵,RG-2002HNDF型、口径为0.25 mm七喷嘴旋转喷枪,对36组不同的初始参数、同批制作的砾石混凝土试块进行了高压水射流表面处理试验,并运用人工神经网络技术,对试验数据进行理论分析.结果建立了压力、靶距、口径、S/A(砂率)与处理深度关系的预测模型并把模型的预测结果与实验结果进行了比较,平均相对误差为0.000 5.结论模型能够满足工程实际需要,可用于混凝土构件表面处理深度的估计与分析,以及特定处理深度条件下初始参数的预测.并可广泛应用于高压水表面处理深度模型的参数优化选择,智能化控制等领域.(本文来源于《沈阳建筑大学学报(自然科学版)》期刊2006年06期）
神经构件模型论文开题报告
（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：
对基于构件结构复杂度较高的Web系统进行可靠性评估时,基于状态或基于路径的软件可靠性评估模型计算复杂度较高,鲁棒性不足。为此,提出了一种计算复杂度低、鲁棒性强的基于构件的前馈神经网络可靠性模型CBPRM。CBPRM将Web系统中各构件的可靠性作为前馈神经网络输入,并基于构件可靠性敏感度对神经元进行动态优化,Web系统可靠性评估由前馈神经网络输出实现。理论分析和实验结果表明,在基于构件结构复杂度较高的Web系统可靠性评估中,CBPRM的计算复杂度低于对比模型,并可确保可靠性评估精度。
（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。
神经构件模型论文参考文献
[1].林祥烽.铝型材叁维拉弯构件成形精度与BP神经网络回弹模型的研究[D].吉林大学.2019
[2].聂鹏,耿技,秦志光.基于构件的Web系统前馈神经网络可靠性模型[J].计算机工程与科学.2012
[3].赵懿恒.神经构件模型和软件体系结构演化方法的研究[D].大连理工大学.2009
[4].陈仲堂,刘永光,应力,艾洁.基于人工神经网络的高压水射流混凝土构件表面处理模型[J].沈阳建筑大学学报(自然科学版).2006