当前位置:主页 > 科技论文 > 船舶论文 >

基于EBF神经网络的复合材料耐压壳性能研究

发布时间:2018-01-05 12:07

  本文关键词:基于EBF神经网络的复合材料耐压壳性能研究 出处:《哈尔滨工程大学学报》2016年10期  论文类型:期刊论文


  更多相关文章: 水下航行器 复合材料 非均匀环肋耐压壳 EBF神经网络模型


【摘要】:为了对水下航行器非均匀内部环肋复合材料耐压壳进行高效率结构性能设计,基于复合材料可设计性特点,应用复合材料细观力学刚度的材料力学理论与有限元分析方法对耐压壳结构进行力学仿真分析,结合EBF椭圆基神经网络近似模型技术以及拉丁超立方设计试验方法从细观层面对组分材料属性在非均匀环肋复合材料耐压壳性能中的影响进行研究。结果表明:纤维和基体的弹性模量对耐压壳结构材料力学性能影响最大,剪切模量对各力学性能影响都很小。在组分材料属性一定的情况下,随着纤维体积分数增加,Tsai-Wu失效指数和临界失稳压力有所提高,而相邻肋骨中点处壳板周向应力、肋骨处壳板轴向应力和肋骨应力随之降低。因此,在非均匀环肋复合材料耐压壳设计过程中应重点考虑较大弹性模量以及适当纤维体积分数的组分材料以达到结构性能最优化的目的。
[Abstract]:In order to design the high efficiency structure performance of the non-uniform inner ring rib composite pressure shell of underwater vehicle, based on the design property of composite material. Based on the theory of material mechanics and the finite element analysis method of composite material mechanics stiffness, the mechanical simulation analysis of compressive shell structure is carried out. In combination with EBF elliptic basis neural network approximation model technique and Latin hypercube design test method, the effect of component material properties on the properties of nonuniform ring rib composite compression shells was studied from a meso level. The results are shown in the table. Clear:. The elastic modulus of fiber and matrix has the greatest influence on the mechanical properties of the structure materials. The shear modulus has little effect on the mechanical properties. With the increase of fiber volume fraction, the Tsai-Wu failure index and critical instability pressure increase with the increase of fiber volume fraction. The circumferential stress of the shell plate at the midpoint of the adjacent rib, the axial stress of the shell plate at the rib and the stress of the rib are reduced. In order to optimize the structure performance, the material with large elastic modulus and proper fiber volume fraction should be considered in the design of non-uniform ring rib composite pressure shell.
【作者单位】: 哈尔滨工程大学水下机器人技术重点实验室;哈尔滨工程大学船舶工程学院;
【基金】:国家自然科学基金项目(51009040)
【分类号】:U661.4;U668.5
【正文快照】: 150001)网络出版地址:http://www.cnki.net/kcms/detail/23.1390.u.20160829.1421.046.html作为海洋勘探不可缺少的技术装备,水下航行器已经越来越多的引起各国学者的关注。耐压壳结构是水下航行器主要结构之一,它不但是舱室内部各分类系统设备正常工作的重要保证,也在减少结

【相似文献】

相关期刊论文 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华,,王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤,钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

相关会议论文 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关重要报纸文章 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

相关博士学位论文 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

相关硕士学位论文 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年



本文编号:1383043

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/chuanbolw/1383043.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户67e69***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com