简介:有限单元法被广泛的采用来描述柔性体的弹性变形,然而有限元节点坐标数目庞大,将会给动力学方程求解带来巨大的计算负担.如何降低柔性体的自由度,是当前柔性多体系统动力学研究的一个重要命题.本文以中心刚体-柔性梁系统为例,采用Krylov方法和模态方法进行降价.然后分别采用有限元全模型、Krylov降阶模型和模态降阶模型,对中心刚体-柔性梁进行刚-柔耦合动力学仿真.仿真结果表明,与采用模态降阶方法相比,采用Krylov模型降阶方法只需要较低的自由度,就可以得到与采用有限元方法完全一致的结果.说明Krylov模型降阶方法能够有效的用于柔性多体系统的模型降价研究.
简介:为了进一步优化神经网络算法,提高网络神经算法的速率并提高其稳定性,就现有BP算法所存在的收敛速度慢以及容易陷入局部极小值的弊病,我们将进一步通过一般改进算法解决在神经网络结构优化过程中依然无法解决的问题。依据遗传算法的特征,进一步在经过改进的压缩映射遗传的基础上提出了BP神经网络优化方案。泛函分析中压缩映射原理的应用,一方面解决了困扰人们的BP神经网络算法所固有的缺点,显著地提高了神经网络算法的收敛速度,而且解决了BP神经在运行的过程中和网络连接权值初值的取值紧密相连的缺点。经过大量的计算我们得到如下数据:经过优化改进后,训练时间节约了8.3%,训练步数降低了近17.4%。经过大量的研究实验表明:经过改进后的BP神经网络算法取得了良好的效果,十分具有应用价值。