基于rbf神经网络的变压边力优化研究

基于rbf神经网络的变压边力优化研究

ID:23616811

大小:7.99 MB

页数:65页

时间:2018-11-09

基于rbf神经网络的变压边力优化研究_第1页
基于rbf神经网络的变压边力优化研究_第2页
基于rbf神经网络的变压边力优化研究_第3页
基于rbf神经网络的变压边力优化研究_第4页
基于rbf神经网络的变压边力优化研究_第5页
资源描述:

《基于rbf神经网络的变压边力优化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、万方数据西南交通大学硕士研究生论文第1I页3.3.3压边力成形窗口⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183.4板料成形因子分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一193.4.1灰色关联分析理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.4.2灰色关联理论在S梁因子分析中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2l3.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..27第4章RBF神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯284.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一284.2RBF神经网络近似模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一284.2.1近似模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯284.2.2RBF神经网络近似模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯294.3人工免疫算法与RBF神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.304.3.1基于欧氏距离的人工免疫算法及其改进⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304.3.2改进的人工免疫算法在非线性函数优化中应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯314.3.3基于人工免疫算法

3、的RBF神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..334.3.4实例仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..344.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.36第5章基于RBF神经网络的板料成形变压边力优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.375.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.375.2基于人工免疫算法RBF神经网络的板料成形随行程变压边力优化⋯⋯⋯⋯⋯⋯.375.2.1盒形件模型的建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯37

4、5.2.2成形变量和成形质量指标的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一405.2.3基于Dynaform的数值模拟和近似模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4l5.2.4压边力的优化与比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯435.3基于人工免疫算法RBF神经网络的板料成形随时间变压边力优化⋯⋯⋯⋯⋯⋯.445.3.1成形变量和成形质量指标的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。445.3.2基于Dynaform的数值模拟和近似模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯455.3.3压边力的优化与比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

5、⋯⋯⋯⋯475.4基于人工免疫算法RBF神经网络的板料成形分块压边力优化⋯⋯⋯⋯⋯⋯⋯⋯.485.4.1S梁分块压边有限元模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯485.4.2成形变量和成形质量指标的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49万方数据西南交通大学硕士研究生论文第1II页5.4-3基于Dynaform的数值模拟和近似模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯495.4.4压边力的优化与比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯515.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..52第6章基于R

6、BF神经网络的板料成形分块变压边力优化⋯⋯⋯⋯⋯⋯⋯⋯。536.1引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.536.2基于人工免疫算法RBF神经网络的板料成形分块随行程变压边力优化⋯⋯⋯⋯.536.2.1成形变量和成形质量指标的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯536.2.2基于Dynaform的数值模拟和近似模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.546.2.3压边力的优化与比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯566.3基于人工免疫算法RBF神经网络的板料成形分块随时间变压边力优化⋯⋯⋯⋯.576.

7、3.1成形变量和成形质量指标的确定⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯576.3.2基于Dynaform的数值模拟和近似模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.596.3.3压边力的优化与比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯606.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..62第7章结论与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯637.1结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.637.2展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

8、⋯⋯⋯⋯⋯⋯..64致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。