一、基于遗传算法的新型模糊网络模型及其应用（论文文献综述）
孟凡祥[1]（2020）在《面向序列分类问题的机器学习算法集成及其应用》文中认为分类问题是统计学、管理学研究的重要问题。科学分类是进行数据挖掘、统计预测和科学决策的重要基础。在分类问题中,序列数据是重要的研究对象。在当今信息社会和大数据时代,人类在生产、生活和科学研究中,不断产生并积累着海量的序列数据资源。充分挖掘序列数据背后的信息,对科学认识自然世界和经济社会发展规律、更好地指导和管理经济社会活动、更好地进行统计预测和管理决策都具有重要的意义。由于机器学习具备强大的数据处理和自学习能力,能够处理传统方法难以应对的海量、高维、复杂序列数据挖掘问题,因此近年来针对机器学习的相关研究成为管理科学与工程、计算机等学科的重要研究方向。随着新一代高通量基因测序技术的发展,基因序列数据出现了爆炸性增长。过去主要依靠生物学的方法对其进行研究具有很大的局限性,造成目前人类对许多基因问题还缺乏准确的科学认知。今年春节前后,一种未知的新型冠状病毒（COVID-19）引发了重大肺炎疫情,对全球经济社会发展造成了重大影响,使得基因问题成为近期跨学科研究的热点。今年1月,国家自然科学基金委员会紧急发布“新型冠状病毒（2019-n Co V）（1）溯源、致病及防治的基础研究”专项项目指南,鼓励学科交叉,用新的科研范式理念系统解决科学问题。在基因问题研究中,对基因序列进行准确分类是重要基础和前提。为此,本文基于机器学习的理论和方法研究序列分类问题,所要解决的关键科学问题主要有三个:一是非数值型序列数据映射转换及其频谱信息挖掘的算法优化问题;二是面向序列分类的机器学习算法集成创新问题;三是不同分类算法模型的性能评价和分类结果的可信度评价问题。在应用研究层面,全文聚焦基因序列分类问题,给出了几类基因序列分类判别方法和机器学习算法集成模型,并通过构建AAA综合模糊评价模型,对各类算法模型的分类性能进行了对比评价。本文从序列分类问题、机器学习理论和生物信息理论入手,系统梳理了当前机器学习算法在数据挖掘和生物信息领域的研究进展,从现有研究存在的不足角度思考,找到了从机器学习算法集成的角度研究序列分类问题的这个切口。通过对研究问题和研究方法的进一步梳理分析,明确了本文的研究目标、研究内容和研究思路。本文从理论和应用两个层面开展研究。理论层面,本文聚焦机器学习算法的集成优化和建模问题,采用层层递进、逐步深入的研究方法,系统研究了序列数据特征表示与频谱信息挖掘算法的优化问题、靴带抽样与SVR的集成学习问题、隐马尔科夫模型与离散时间动态贝叶斯网络的集成及其预测概率的可信度评价问题、BP神经网络与遗传算法的集成问题。应用层面,本文聚焦基因序列外显子分类判别这一基础问题,通过理论研究层面构建的模型和优化的算法,针对不同基因序列进行分类判别,并对不同模型的分类性能进行对比评价分析。本文的创新点主要体现在以下四个方面:一是针对非实值型序列的映射转换方法及其频谱信息的挖掘问题,首先对3种“域变换”的映射转换方法进行了对比分析和理论证明。通过域变换,可以更好地挖掘序列数据的频谱信息,从而更直观地利用频谱信号研究序列数据的规律。在此基础上提出了一种基于稀疏优化思想的基因序列频谱信息挖掘快速算法。该算法在基因序列数据存储和频谱信息计算两个方面的性能都有较为显着的改进。在数据存储方面,理论上最高可压缩50%的计算机存储单元。在频谱信息挖掘运算方面,降低了算法的复杂度,提高了运算效率。仿真结果显示功率谱和信噪比的运算时间分别压缩了83.18%和61.33%。二是针对具有显着周期性规律的序列数据分类问题,研究了基于阈值判别的序列分类集成算法模型。构建了基于靴带抽样与SVR交互式集成学习算法模型。通过交互式集成学习,不仅可以降低对样本数量的要求,而且能够避免或改善由于训练集的选择不当而导致的支持向量机回归模型训练不佳的问题,从而实现在样本较少的情况下仍然能够得到较好的训练模型和分类预测结果。为了论证该算法模型的性能,本文将其应用到不同物种基因外显子最优频谱阈值的求解中,为此建立了多目标最优阈值判别模型。通过仿真实验,结果表明该算法模型可行有效,测试结果的平均准确率达到90%以上。三是针对不具备显着周期性规律的序列数据分类问题,研究了基于预测概率的序列分类集成算法模型。构建了动态贝叶斯网络与隐马尔可夫模型集成算法模型。该算法模型考虑了隐马尔可夫模型预测概率和分类结果的可信度评价问题。首先,借鉴事件树和故障树风险重要度指标,设计了预测概率的综合可信度评估模型。其次,构建了一种三状态基因外显子隐马尔科夫模型。最后,通过将离散时间贝叶斯网络与隐马尔可夫模型的集成,实现对基因序列分类性能的进一步提升。在模型求解和仿真中,设计了前向算法与Em算法的混合算法,进行了仿真实验。结果表明,通过该算法模型,能够得到较为准确的基因外显子起止点位置,实现了对基因外显子单个碱基的定位和判别,使得分类结果的准确性更高。四是针对特征指标多的复杂序列数据分类问题,研究了基于全局搜索优化的集成算法模型。与基于阈值判别和预测概率的方法相比,该算法模型无需精确的逻辑推理即可进行全局搜索求解优化。基于BP网络初始参数选择不当容易陷入局部最优陷阱问题,构建了基于BP神经网络与遗传算法集成学习的算法模型。通过遗传算法的优化,改进了BP神经网络最为关键的连接权值和阈值参数的取值方法和取值优化问题,从而提高了学习效率,规避了BP神经网络容易陷入局部最优解陷阱的问题,真正实现了全局搜索求解,使得分类结果准确性更高。通过仿真实验,证明通过该算法模型得到的分类结果更优。
李培志[2]（2019）在《支持向量机模型的优化及其应用研究》文中认为近年来随着互联网技术的飞速发展以及社会的不断进步,机器学习这一门人工智能科学在社会生产、科学研究及日常生活中占据着愈发重要的作用。作为机器学习中的经典算法,支持向量机（Support Vector Machine,SVM）基于其在小样本、非线性及高维模式识别中的特有优势而得到了快速的发展。目前国内外学者对支持向量机进行了许多有益的探索和研究,并将其成功应用于包括生物信息学、文本识别和天气预报等领域在内的生产生活各个方面。然而,没有一个模型可以在所有情况下都表现良好,单一的支持向量机仍然存在着局限性,如存在缺失值时效果欠佳、参数确定没有具体的标准以及面对复杂数据时表现不理想等,这些问题会对模型效果带来不利影响。基于这一背景,本文对支持向量机进行改进并提出若干基于支持向量机的优化模型。优化形式可以分为三类:数据结构优化、参数优化以及组合优化。对于数据结构优化,本文使用分解集成策略来选择合适的数据训练支持向量机,以改善支持向量机对复杂数据效果欠佳的问题;对于参数优化模型,本文提出基于最优化算法的模型来处理支持向量机参数选择问题;组合优化模型又可分为方法组合优化和模型组合优化,其中方法组合优化是对包含支持向量机在内的统计方法的结果进行组合,改善单一方法不能在各种情境下都表现最优的状况,而对于模型组合优化,本文尝试将支持向量机与治愈模型相结合,来解决传统治愈模型在非线性条件下估计效果欠佳的问题。为了检验不同优化方法的效果,分别将各优化模型应用于实际数据中进行实验。选择优化的原则与所应用的实际背景有关,即根据具体数据特点来构建相应的优化模型,并分别应用于大气污染治理、文化产业管理、能源经济及生存分析等。对大气污染治理来说,由于污染物时间序列包含了不同周期的子序列,如季节性波动、短期天气变化等,使得数据结构比较复杂,这时就需要使用数据结构优化,首先将不同周期的子序列分离,再分别进行预测。对文化产业管理来说,由于一部电影受到制作成本、电影类型、明星影响力等诸多因素的影响,每个电影都具有各自的独特性,这时就需要考虑使用参数优化方法选择具有更好参数的支持向量机进行建模。在能源经济领域,本文所使用的数据样本量较大,且不同地区的数据特点不同,没有一个单一模型可以在各地区各季节都表现良好,这时就应该考虑使用方法组合优化模型。对于生存分析中的治愈模型来说,其治愈率部分使用Logistic回归。但是随着研究的发展,许多协变量与治愈概率的关系并不符合Logistic函数的形式,而是存在一些其他复杂的关系,因此,考虑使用模型组合优化构建新型治愈模型。全文共分为六个部分,其主要研究内容及结论如下:第一章介绍本文的选题依据、研究意义、研究思路与主要内容以及主要创新与不足。第二章提出优化支持向量机的概念,将讨论支持向量机的原理与特点及目前关于优化支持向量机的研究现状及局限性。第三章分析支持向量机的数据结构优化及应用。给出KZ滤波及改进方法的原理与特点,并介绍与支持向量机相结合的优化模型。在实验中首先分析大气污染治理的研究背景,使用改进KZ滤波分析大连市的污染数据,并挑选中国四座城市的污染数据综合评估优化模型的预测效果。结果显示,分解集成策略可以很好地实现数据结构优化。污染物冬季的长期分量达到峰值,而夏季的长期分量保持相对较低水平,其中季节性分量和短期分量在冬季表现出较大的波动。从方差贡献率结果可以看出,季节性成分对原始序列的贡献最大,其次是短期和长期成分。预测结果表明,数据结构优化模型具有较好的预测效果和拟合精度,并在存在噪声的情况下仍然表现良好。第四章探讨支持向量机的参数优化及应用。首先介绍帝国竞争算法及用该算法优化的支持向量机,接下来使用电影票房数据检验优化模型的效果。在实验中首先选择最适合的训练集大小,其次将优化模型应用于首映周票房预测,并与常用模型进行比较。结果显示,当最优训练集为20,预测模型为所提出的参数优化模型时,预测效果优于其他对比模型,此时预测的MAPE值约为15%。通过列出22部测试电影的票房预测值和真实值,发现大部分情况下预测值都非常接近真实值。模型对比结果也证明了优化模型的有效性。第五章对支持向量机的组合优化及应用进行描述。首先论述组合预测和治愈模型的原理和特点,接下来通过对方法组合优化模型在能源经济中的应用和模型组合优化在生存分析研究中的应用分别论证两个组合优化模型的效果。方法组合优化的结果表明,当训练集为一个月的数据,测试集为一周的数据时,预测性能最好且最稳定。与常用模型的比较表明,支持向量机与ARIMA和BPNN具有同一水平的预测精度。因此,引入三个模型构造方法组合优化模型。预测结果表明,该组合优化模型性能优于组合优化模型中的任何一个单一方法,并优于近些年由学者提出的部分预测模型。模型组合优化的数值模拟结果表明,所提出的半参数模型在估计协变量的未治愈概率方面与现有的治愈模型相比有更好的性能。当潜在的发病率结构不能用Logistic模型近似时,所提出的治愈模型的均方误差和错分类率均小于现有的模型,这表明所提出的优化模型在发病率部分具有更好的校准和判别表现。真实数据结果说明,两个模型估计的潜伏期结果相似,而优化模型估计的未治愈率可以提供比传统模型更多的信息。第六章对各优化方法的适用性进行讨论,对全文进行总结,并对未来研究方向进行展望。本文的主要创新点如下:（1）在数据结构优化方面,传统的KZ滤波由于滑动平均的作用,在每次过滤后都会损失部分首尾数据,而缺失数据对于构建预测模型至关重要。基于此,本文对KZ滤波进行改进,提出两种新型滤波方法,并利用分解集成策略和支持向量机对数据结构进行优化。（2）在参数优化方面,本文首次尝试将百度指数与支持向量机结合起来以构建复合预测模型。由于不同电影的百度指数相差很大,本文还选择参数优化方法对支持向量机中的参数进行优化。（3）在方法组合优化方面,由于不同时间不同地区风速的数据结构差异很大,没有一个模型可以在所有情况下都表现良好,因此本文并没有去研究效果优良的单一模型,而是尝试使用组合预测的方法,对包括支持向量机在内的常用统计预测模型进行比较,选择效果较好的模型构建方法组合优化模型。（4）在模型组合优化方面,本文首次将支持向量机与治愈模型相结合得到一种新型的治愈模型。在该模型中,由于支持向量机在小样本和非线性模式识别中具有独特优势,使得其可以在治愈率部分为非Logistic函数下仍具有较高的识别效果。本文所提出的优化模型同时具有较强的理论与实际意义。在理论上,本文选择数据结构优化、参数优化以及组合优化来克服单一支持向量机的不足,简化训练数据结构,提高模型整体效果。此外,本文提出的优化模型能够从理论上弥补现有模型的不足,具有较强的泛化能力。同时,这些优化模型也具有很重要的实际意义。对比较灵活的机器学习模型来说,根据其结果可以提前研判出所研究事物未来的发展态势;而对传统统计模型来说,根据其结果可以识别出协变量的效应并对具有一组协变量值的个体进行预测,这些结果可以为管理部门和政策制定者提供决策依据。在本文中,将这些优化模型分别应用于风速预测、大气污染预警、电影票房预测和生存分析中,证明其在不同领域的良好效果。本文的不足之处如下:（1）对预测模型来说,由于所选择的数据都是一定范围内的数据,故可能存在抽样偏差。今后可以尝试在更大数据集下进一步测试优化模型的综合性能,并与其他预测模型进行比较。（2）对治愈模型来说,本研究没有对治愈模型的潜伏期部分进行改进。理论上说,支持向量机所具有的特点可以在潜伏期部分对病人的生存函数进行拟合,并可能取得优于比例风险模型或加速失效时间模型的效果。此外,在今后的研究中可以测试新治愈模型在高维数据情况下的性能。
杨辰宇[3]（2019）在《记忆计算模型及其在图像边缘检测中的应用研究》文中认为忆阻元件包括忆阻器、忆容器和忆感器,具有存储和计算特性。记忆计算模型以忆阻元件为核心,具有传统模型不具备的性质,可应用于多个领域。但目前罕有记忆计算模型应用于图像边缘检测的相关文献。在此背景下,本论文以忆阻元件为基础,研究了记忆计算模型。设计了两项新的记忆计算模型,即忆阻型滤波器模型和忆阻型遗传算法模型。并通过实现图像边缘检测来证明模型的可行性。具体的内容和创新如下:1.忆阻型滤波器建模研究将忆阻器和忆容器同时引入滤波器电路,设计的一类滤波器电路被称为忆阻型滤波器,包括忆阻型低通滤波器、忆阻型高通滤波器、忆阻型带通滤波器和忆阻型带阻滤波器。随后通过实验仿真证明其可行性。和其它滤波器（没有忆阻元件）比较,忆阻型滤波器具有时变性这一重要的特性,使得忆阻型滤波器在同一实现下能够满足不同的应用环境。2.忆阻型遗传算法建模研究使用忆阻网络来映射遗传算法,设计了忆阻型遗传算法模型,并通过后续的图像边缘检测算法来证明其可行性。具有存储和计算特性的忆阻器提供了电子器件和遗传基因之间的相似性关联,能有效实现遗传算法模型。同时,忆阻网络结构的可变性可以对应遗传算法模型的各种遗传操作。3.新型图像边缘检测算法仿真实现应用提出的两种记忆计算模型,设计了一种新型图像边缘检测算法。该算法采用忆阻型滤波器进行滤波预处理,抑制图像中的噪声,随后使用忆阻型遗传算法来实现图像边缘检测。实验结果验证了此算法的可行性并表现出不错的效果。随后对图像边缘检测算法进行了分析,讨论不同参数对算法性能的影响。
余滨杉[4]（2018）在《高压输电塔结构地震响应被动—半主动混合控制分析与试验》文中研究指明输电塔是生命线工程的重要组成部分,一旦在强震中遭到破坏,不仅会给国家造成巨大经济损失,而且还会引发火灾、缺水、断气等次生灾害,对震后救灾和重建也影响很大。然而,由于地震的复杂性和输电塔结构的特殊性等,即使按照最新抗震规范设计的输电塔结构,在近期发生的一些地震中仍然出现严重破坏或倒塌,导致整个生命线工程陷入瘫痪。这就迫使研究人员不得不寻求一些新的抗震设计理论或减震方法,以确保这类结构在地震中的安全。本文以形状记忆合金（Shape Memory Alloy,SMA）和压电堆为核心元件,研发了一种SMA被动-压电堆半主动摩擦混合减震系统,并将其应用于输电塔结构地震响应的混合控制分析和试验,得出了一些创新性结论和建议。主要内容如下:（1）根据输电塔结构地震响应的主要特点和震害调查结果,利用SMA和压电堆特殊的物理力学性能,研发制作了一种体积较小、便于与输电塔结构集成的一体化SMA被动-压电堆半主动摩擦混合减震控制系统。该系统的工作原理主要为,结构地震响应较小时,以SMA被动消能减震为主,地震响应较大时,压电堆半主动摩擦装置发挥较大作用,同时两者共同工作,最后再利用SMA进行系统的震后复位。这样既可以保证混合减震控制系统工作性能的可靠性,又能够根据结构地震响应控制需要进行结构的被动或混合减震控制,明显提高系统的减震控制能力。（2）基于上述一体化SMA被动-压电堆半主动摩擦混合减震控制系统的研发结果,同时考虑到输电塔结构的地域特殊性,设计独立光伏发电装置作为系统的能源供给,进行了混合减震控制系统的优化分析和减震控制性能试验,研究了SMA的初始状态、压电堆的工作条件和激励电压等因素对该系统混合减震控制效果的影响,探讨了相应的优化设计和构造方法,总结了影响系统减震控制效果的一般规律。结果表明,文中研发的混合减震控制系统体积较小,便于与结构杆件集成,被动减震和混合减震控制能力均较好,特别是压电堆半主动摩擦装置工作后,混合减震控制能力明显提高,绝对最大控制力与电压基本上呈线性增大关系,当位移幅值为13mm,同时施加120V电压时,系统的耗能能力提高了135%,等效阻尼比提高了90%以上。（3）以SMA丝材和混合减震控制系统的试验结果为基础,采用不同的神经元输入,对二者建立了BP网络预测本构模型,并利用遗传算法分别对SMA丝材和混合减震系统BP预测模型的权阈值进行了优化分析,建立了2种优化后的BP网络预测本构模型。结果表明,混合减震控制系统以位移、电压和速率等作为系统预测本构模型的神经元输入,可简化神经元的输入参量,方便工程应用,特别是经遗传算法优化的BP网络模型能够提高系统预测本构模型的精度和稳定性,可用于系统的优化设计和研发。（4）针对基本免疫克隆选择算法存在的一些问题,引入抗体浓度和自适应变异对其进行了改进,提出了一种改进的免疫克隆选择算法。将模态可控度作为优化配置的性能指标,以某实际典型输电塔结构为原型,采用文中改进的免疫克隆选择算法,对该结构模型中混合减震控制系统的配置数量和位置等进行了优化分析,研究了优化减震控制效果。结果表明,改进的免疫克隆选择算法具有丰富的种群多样性,寻优能力强,收敛速度快,经其计算得出的优化配置方案能够使结构获得较高的控制性能指标,减震控制效果提高。一般地,经过优化方案配置后结构的减震控制效果比未优化任意配置时可提高20%左右。（5）结合模糊控制和神经网络算法二者的优势,设计了一种适用于输电塔结构混合减震控制的模糊神经网络计算模型,采用上述改进的免疫克隆选择算法得到的最优配置方案,将文中研发的混合减震控制系统集成于上述典型输电塔模型结构之中,进行了输电塔结构地震响应混合减震控制的数值模拟,分析了减震控制规律和效果。结果表明,采用文中的模糊神经网络计算模型和优化配置的混合减震控制系统,可明显减小结构的地震响应,减震控制效果基本可达50%。（6）以某实际典型输电塔结构为原型,设计制作了一个相似比为1/15的输电塔缩尺模型结构,根据改进的免疫克隆选择算法对其优化配置了文中的混合减震控制系统,采用模糊神经网络控制算法,进行了模型结构在无控和受控时共18个工况下的模拟地震振动台试验,分析了无控时试验模型的动力响应和混合控制时减震系统对试验模型的减震控制效果。试验表明,文中的混合减震控制系统能够有效提高模型结构的整体性能,明显降低模型结构的地震响应,其中7度罕遇地震作用下结构的位移响应减震效果最大可达50%,8度罕遇地震作用下结构加速度响应减震效果最大可达42%,可见文中研发的混合减震控制系统和模糊神经网络控制算法减震控制效果明显,值得进一步研究和推广应用。
《中国公路学报》编辑部[5]（2017）在《中国汽车工程学术研究综述·2017》文中认为为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
展猛[6]（2017）在《基于SMA-压电复合减震系统的电抗器结构地震响应控制研究》文中研究说明电抗器是电力系统中的重要设备之一,主要起着限流、滤波和补偿作用。一般由电抗器实体和支柱绝缘子组成,具有重心高,顶部质量大,支柱长细比大等特点,抗震性能较差。地震后常发生支柱绝缘子与电抗器组件连接部位被震坏等现象。而随着我国电网容量的大幅增加以及电压等级的不断提高,电抗器电压等级及容量也不断提升,使得设备整体高度大幅度增高,对抗震性能的要求也越来越高。本文针对形状记忆合金（Shape Memory Alloy,SMA）被动减震装置和压电摩擦半主动减震装置存在的缺点,考虑电抗器设备特点和结构减震控制要求,研发了一种新型SMA-压电摩擦复合减震装置,并结合人工免疫算法、BP神经网络和模糊控制算法等智能控制技术,进行了基于电抗器结构的SMA-压电复合减震系统的一体化理论分析与试验研究。主要内容如下:（1）针对遗传算法容易陷入早熟收敛和群体多样性差的问题,基于生物免疫系统中的克隆选择、免疫记忆以及免疫自调节机理,提出了一种自适应免疫记忆克隆算法（AIMCA）。以模态可控度作为优化目标准则的影响因素,分别采用改进的遗传算法（IGA）和AIMCA,对一个85节点、288杆件的空间平板网架结构中减震装置的布置位置和数量进行了优化配置研究。结果表明,AIMCA适用范围广,特别是对于复杂工程结构减震装置的高维优化配置问题,AIMCA则表现出了比IGA更优异的性能,种群多样性更好,寻优能力更强,收敛速度更快,可以获得更大的性能指标值和更优的减震效果。（2）通过对研发的SMA-压电摩擦复合减震装置进行性能试验,分析了激励电压、加/卸载频率和位移幅值等对其单圈耗能能力、等效阻尼比及等效割线刚度的影响。结果表明,该复合减震装置可双向出力,滞回曲线饱满且对称性较好,加/卸载频率对复合减震装置的性能影响很小,说明其工作性能稳定,适用范围广;随着电压的增大,减震装置的绝对最大控制力呈线性增大,滞回面积逐渐增加,耗能能力不断提高。在位移幅值为12mm时,施加120V电压,耗能量可提高138.23%,等效阻尼比可提高94.23%,可见研发的复合减震装置耗能能力较好。（3）基于SMA和SMA-压电摩擦复合减震装置的试验结果,分别采用两种神经元输入策略,建立了相应的BP神经网络预测模型,并利用AIMCA对复合减震装置神经网络模型的权阀值进行了优化。结果表明,相比采用前前时刻和前时刻应力、应变以及本时刻应变作为神经元输入的SMA网络模型,以位移、速率和电压为神经元输入的复合减震装置预测模型由于减少了神经元输入参量,其预测精度有所降低,但便于工程应用,经优化的BP神经网络提高了复合减震装置预测模型的精度和稳定性。BP神经网络预测模型可综合考虑多种因素,较好地预测复合减震装置的出力,便于在MATLAB仿真中实现,为SMA复合类减震装置本构模型的建立和应用提供了新途径。（4）采用连续Bouc-Wen模型模拟结构的非线性恢复力,利用建立的优化BP神经网络模型确定复合减震装置的控制力,电压采用模糊控制输出,进行了一框架结构地震响应的混合半主动控制仿真分析。结果表明,基于复合减震装置的特点,结合人工免疫算法、BP神经网络和模糊控制技术建立的混合半主动控制系统可以根据结构的动力反应实时地调整压电摩擦单元的摩擦出力,便于实现结构的混合半主动控制。（5）设计制作了一个相似比1:2的10kV干式空心电抗器结构模型,对其进行了无控、被动控制和混合控制时的模拟地震振动台试验,分析了模型结构的动力特性变化规律和不同工况下的减震效果。结果表明,文中研制的SMA-压电摩擦复合减震装置可以有效地降低电抗器结构的动力反应,一般地,被动控制时位移和加速度的减震率可达40%,混合控制时可达50%。另外,试验后未见电抗器结构薄弱部位发生地震破坏,说明该复合减震系统可提高电抗器结构的抗震可靠性。
《中国公路学报》编辑部[7]（2016）在《中国交通工程学术研究综述·2016》文中研究说明为了促进中国交通工程学科的发展,从交通流理论、交通规划、道路交通安全、交通控制与智能交通系统、交通管理、交通设计、交通服务设施与机电设施、地面公共交通、城市停车交通、交通大数据、交通评价11个方面,系统梳理了国内外交通工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。交通流理论方面综述了交通流基本图模型、微观交通流理论及仿真、中观交通流理论及仿真、宏观交通流理论、网络交通流理论;交通规划方面综述了交通与土地利用、交通与可持续发展、交通出行行为特征、交通调查方法、交通需求预测等;道路交通安全方面综述了交通安全规划、设施安全、交通安全管理、交通行为、车辆主动安全、交通安全技术标准与规范等;交通控制与智能交通系统方面综述了交通信号控制、通道控制、交通控制与交通分配、车路协同系统、智能车辆系统等;交通管理方面综述了交通执法与秩序管理、交通系统管理、交通需求管理、非常态交通管理;交通设计方面综述了交通网络设计、节点交通设计、城市路段交通设计、公共汽车交通设计、交通语言设计等;地面公共交通方面综述了公交行业监管与服务评价、公交线网规划与优化、公交运营管理及智能化技术、新型公交系统;城市停车交通方面综述了停车需求、停车设施规划与设计、停车管理与政策、停车智能化与信息化;交通大数据方面综述了手机数据、公交IC卡、GPS轨迹及车牌识别、社交媒体数据在交通系统分析,特别是在个体出行行为特征中的研究;交通评价方面分析了交通建设项目社会经济影响评价、交通影响评价。
何金胜[8]（2015）在《基于SMA的空间杆系结构地震响应控制模型试验与理论分析》文中认为形状记忆合金（SMA）是一种全新的功能性材料,具有很多独特的材性特性,如超弹性效应、形状记忆效应、高阻尼性能和变弹性模量性能等,利用其特殊的力学行为和物理性能,使之成为控制装置应用到结构工程振动控制领域,必将展现出明显的优势和广阔的应用前景。对应用形状记忆合金的结构进行振动控制研究分析,为推广和使用形状记忆合金这种智能材料奠定了坚实的理论基础,将会产生巨大的经济效益和社会效益。本文利用形状记忆合金独特的超弹性性能和形状记忆性能,研发了基于形状记忆合金被动、主/被混合抗震控制系统,提出相应的控制理论及策略,并进行了计算机仿真模拟及振动台试验。主要工作和研究内容包括:（1）采用计算机伺服控制材料试验机,进行了13组52根奥氏体、10组30根马氏体形状记忆合金材料的力学性能试验,通过改变电流、加载幅值、加载速率、循环次数和直径等主要试验参数,研究了形状记忆合金材料的恢复力特性,结果表明加载幅值和加载速率是影响奥氏体材料恢复力特性的主要参数,电流和加载幅值是影响马氏体材料恢复力特性的主要参数。（2）基于上述材性试验和数值分析结果,以Brinson本构模型为基础,采用计算机模拟方法,引入加载速率和加载幅值等因子,提出并建立了3种精度较高、分段线性的形状记忆合金材料恢复力本构模型,确定了各本构模型的主要特征值,为进一步研究提供了试验和理论依据。（3）采用遗传算法对BP网络进行优化,建立了具有预测功能、精度较高且适用于动态反应的形状记忆合金材料非线性本构模型。针对目前振动控制理论研究和工程实际应用所关注的问题,利用遗传算法进行了受控空间杆系结构的优化设计,研究了形状记忆合金控制系统设置位置和设置数量等对空间杆系结构的优化控制效果,实现了空间杆系结构的整体优化控制。（4）利用Matlab语言编程,设计了地震作用下空间杆系结构无控、形状记忆合金控制系统随机设置和优化设置的计算机模拟分析程序,并且针对马氏体形状记忆合金的材性特点,研究了基于Mamdani模糊控制、Sugeno模糊控制以及触发控制策略,提出了一种新的控制策略,即触发开关控制策略,自行编制了基于Matlab语言、空间杆系结构触发开关控制策略的计算机模拟分析程序,综合考虑遗传算法与控制策略等,进一步优化了空间杆系结构的控制方案,取得了较好的控制效果。（5）以振动控制的工程应用为背景,设计并制作了1个2跨3层的空间杆系模型结构,研发了1种新型的形状记忆合金丝材控制装置和通电升温/稳压系统,并将其集成于空间杆系模型结构中,选择了EL-Centro等3种地震波及3种不同的加速度峰值,采用被动和主/被动混合控制等方法,进行了未安装、随机安装、优化安装形状记忆合金控制系统等36种工况下的空间杆系模型结构的模拟地震振动台试验,同时进行了相应的有限元模拟分析,检验了文中研发控制系统和所提控制方法的有效性和适用性。结果表明,一般情况下,采用形状记忆合金被动控制系统时,模型结构的地震加速度响应可减小20%以上,层间位移可减小30%左右;采用形状记忆合金主/被动混合控制系统时,模型结构的地震加速度响应可减小30%以上,层间位移可减小45%左右,说明文中所提控制方法较好,具有较好的应用价值。
关学忠[9]（2009）在《基于混合算法的神经网络辨识方法及其在油田中的应用》文中提出人工神经网络（NN）、遗传算法（GA）和模拟退火算法（SAA）的研究是当代信息科学的前沿和热点,也为非线性系统辨识理论的发展开辟了崭新的途径。文中围绕非线性系统辨识和预测方法及其在油田系统的应用,展开了深入研究,提出了基于混合算法的油田系统NN辨识和预测的一系列新方法。主要完成了如下工作。首先,以油田试井解释为应用背景,以试井偏微分方程为依托,经过数学推导,给出了试井解释基函数神经网络（WTBFNN）模型,为试井系统辨识和预测奠定了理论基础。试井解释基函数是典型的复杂多峰函数。它的参数（地层参数）值是试井解释的依据,因而要求其估值应具有唯一性。为了解决这一难题,文中将系统辨识、GA、聚类算法等多项技术融于一体,提出了两种新型混合GA:种族遗传进化算法（SGEA）和启发式GA。仿真实验证明了SGEA的全局收敛性优于带共享机制的GA。文中以马尔可夫链为工具,证明了上述两种新型GA具有全局收敛性。在此基础上,提出了基于新型混合GA的WTBFNN辨识和预测新方法,其中以WTBFNN为模型框架,用F检验法确定模型结构参数,用最小二乘法辨识WTBFNN的权值,用上述两种新型混合GA之一辨识WTBFNN中的地层参数。新方案成功地用于低渗透油田试井问题,取得很好结果。对多组油井实测数据拟合和预测的平均相对误差均在1%以内,同时均得到了对应油井地层参数的全局最优估值,为试井解释提供了科学依据。并且新方案比传统方案显着减少了关井时间,因而具有重大的经济和社会效益。其次,为解决深层火山岩储层预测问题,提出了两种NN辨识器。用径向基函数神经网络（RBFNN）作第1种辨识器模型。用文中提出的新型混合算法对RBFNN的结构、参数和权值进行全面辨识。该混合算法由正交最小二乘法、带惯性项的梯度法和文中提出的优选模糊C均值聚类法组成。用多层前向网络作第2种辨识器模型。用文中所给出的混合SAA训练网络模型。该混合算法由Powell算法和文中给出的自适应SAA组成。由两种辨识器导出的预测器成功地用于火山岩储层预测,具有很高的精度,并且在收敛速度方面优于传统NN预测方案。最后,文中提出一种带Laplace隶属函数的新型模糊NN辨识器和预测器。并且应用微分中值定理和Weiestrass定理证明了该网络具有通用逼近性。在该方案中,采用文中提出的优选K均值聚类法辨识该网络的结构,用所给出的混合算法辨识该网络的前件参数和权值。仿真实验表明新方案优于传统模糊NN预测方案。将上述新方案用于油田积累产量预测,取得很好的结果,预测的平均相对误差在1%以内。特别,实现了对三个采油厂的不同类油井:基础油井,一次和二次加密油井累积产量的长期预测。这些预测结果,为是否继续打加密井的生产决策提供了科学依据。
二、基于遗传算法的新型模糊网络模型及其应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于遗传算法的新型模糊网络模型及其应用（论文提纲范文）
（1）面向序列分类问题的机器学习算法集成及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景与意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 研究目标与思路 |
| 一、研究目标 |
| 二、研究思路 |
| 第三节 研究内容与安排 |
| 一、研究内容 |
| 二、结构安排 |
| 第二章 理论基础与文献综述 |
| 第一节 引言 |
| 第二节 序列分类问题与文献综述 |
| 第三节 机器学习理论与文献综述 |
| 第四节 生物信息理论与文献综述 |
| 第五节 本章小结 |
| 第三章 基因序列数据转换处理及频谱信息的快速算法 |
| 第一节 引言 |
| 第二节 序列数据特征表示 |
| 一、序列数据特征表示方法 |
| 二、基因序列特征表示方法 |
| 第三节 序列数据映射转换 |
| 一、基于Voss映射转换 |
| 二、基于Z-curve映射转换 |
| 三、基于实数映射转换 |
| 第四节 序列频谱信息挖掘 |
| 一、基因识别原理 |
| 二、频谱信息计算 |
| 三、不同映射对比 |
| 第五节 频谱挖掘快速算法 |
| 一、稀疏优化原理 |
| 二、快速算法设计 |
| 三、复杂度的优化 |
| 四、优化效果评价 |
| 第六节 本章小结 |
| 第四章 基于阈值判别的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 靴带抽样与回归型支持向量机算法 |
| 一、靴带抽样 |
| 二、SVR算法 |
| 第三节 基于靴带抽样的最优阈值判别算法 |
| 一、推断原理 |
| 二、评价指标 |
| 三、推断模型 |
| 第四节 基于SVR学习的最优阈值判别算法 |
| 一、SVR学习步骤 |
| 二、SVR算法求解 |
| 第五节 基于集成学习的最优阈值判别算法 |
| 一、集成学习步骤 |
| 二、实验结果分析 |
| 第六节 分类结果可信度评价及其实验分析 |
| 一、基于给定阈值的分类结果可信度评价方法 |
| 二、基于ROC曲线的分类结果可信度评价方法 |
| 三、基于评级模型的分类结果可信度评价方法 |
| 四、模型求解及有效性探讨 |
| 第七节 本章小结 |
| 第五章 基于概率判别的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 动态贝叶斯网络与隐马尔可夫模型 |
| 一、动态贝叶斯网络 |
| 二、隐马尔可夫模型 |
| 三、参数估计和学习 |
| 第三节 基于动态贝叶斯网络的基因序列分类可信度评价 |
| 一、事件树向离散时间贝叶斯网络的转换 |
| 二、基因序列离散时间贝叶斯网络的构建 |
| 三、基因外显子预测概率可信度评估模型 |
| 第四节 隐马尔可夫判别模型及其综合可信度指标的引入 |
| 一、基因序列的隐马尔科夫模型构建 |
| 二、模型的算法设计与训练优化原理 |
| 三、分类结果的可信度综合评价方法 |
| 第五节 仿真实验与结果分析 |
| 一、实验结果 |
| 二、结果分析 |
| 第六节 本章小结 |
| 第六章 基于全局优化的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 BP神经网络模型的构建 |
| 一、建立指标体系 |
| 二、构建网络模型 |
| 第三节 与遗传算法的集成优化 |
| 一、遗传算法设计 |
| 二、集成学习步骤 |
| 第四节 仿真实验及其结果分析 |
| 一、有效性分析 |
| 二、准确性分析 |
| 第五节 在基因突变预警中的应用 |
| 一、基因突变概述 |
| 二、基因突变预警 |
| 第六节 本章小结 |
| 第七章 总结与展望 |
| 第一节 论文总结 |
| 第二节 研究展望 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 附录三 |
| 致谢 |
| 个人简历及在学期间完成的研究成果 |
（2）支持向量机模型的优化及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题依据 |
| 1.1.1 支持向量机泛化能力强、应用广泛 |
| 1.1.2 单一支持向量机存在一定的局限性 |
| 1.1.3 优化模型的提出 |
| 1.2 研究意义 |
| 1.2.1 理论意义 |
| 1.2.2 实际意义 |
| 1.3 研究思路与主要研究内容 |
| 1.3.1 研究思路 |
| 1.3.2 主要研究内容 |
| 1.4 主要创新与不足之处 |
| 1.4.1 主要创新点 |
| 1.4.2 主要不足之处 |
| 2 优化支持向量机的提出 |
| 2.1 支持向量机的原理与特点 |
| 2.1.1 支持向量机的研究背景 |
| 2.1.2 几种常见支持向量机的方法介绍 |
| 2.2 优化支持向量机的研究现状与述评 |
| 2.2.1 支持向量机数据结构优化的研究现状与述评 |
| 2.2.2 支持向量机参数优化的研究现状与述评 |
| 2.2.3 支持向量机组合优化的研究现状与述评 |
| 3 支持向量机的数据结构优化及其应用 |
| 3.1 数据结构优化的原理与特点 |
| 3.1.1 KZ滤波 |
| 3.1.2 KZ自适应滤波器 |
| 3.1.3 改进后的KZ滤波方法 |
| 3.2 基于支持向量机的数据结构优化模型的构建 |
| 3.3 实际问题的背景与研究现状 |
| 3.3.1 国外大气污染预警现状 |
| 3.3.2 国内大气污染预警现状 |
| 3.4 数据结构优化模型在大气污染预警中的应用 |
| 3.4.1 数据分析与预处理 |
| 3.4.2 细颗粒物过滤结果 |
| 3.4.3 可吸入颗粒物过滤结果 |
| 3.4.4 空气污染物的预测模型 |
| 3.4.5 模型预测性能的扩展实验 |
| 3.5 本章小结 |
| 4 支持向量机的参数优化及其应用 |
| 4.1 帝国竞争算法(ICA)的原理与特点 |
| 4.2 支持向量机参数优化模型的构建 |
| 4.2.1 获得最优训练集的方法(欧几里得距离) |
| 4.2.2 参数优化模型 |
| 4.3 实际问题的背景与研究概况 |
| 4.3.1 电影票房预测的背景介绍 |
| 4.3.2 关于解释变量的文献研究 |
| 4.3.3 关于预测模型的文献研究 |
| 4.4 参数优化模型在电影票房预测中的应用 |
| 4.4.1 电影票房预测的数据介绍 |
| 4.4.2 数据预处理 |
| 4.4.3 统计指标 |
| 4.4.4 本实验的研究框架 |
| 4.4.5 最优训练集的选择 |
| 4.4.6 LSSVM与其他常用预测模型的比较 |
| 4.4.7 ICA与其它优化算法在优化LSSVM参数方面的比较 |
| 4.5 讨论 |
| 4.6 本章小结 |
| 5 支持向量机的组合优化及其应用 |
| 5.1 支持向量机组合优化模型的构建 |
| 5.1.1 支持向量机方法组合优化的构建 |
| 5.1.2 支持向量机模型组合优化的构建 |
| 5.2 方法组合优化在能源经济上的应用 |
| 5.2.1 能源经济的背景介绍 |
| 5.2.2 风速预测的研究概况 |
| 5.2.3 数据介绍与预处理 |
| 5.2.4 实证设定 |
| 5.2.5 实证结果与分析 |
| 5.2.6 方法组合优化小结 |
| 5.3 模型组合优化在生存数据上的应用 |
| 5.3.1 模拟实验与分析 |
| 5.3.2 实际数据应用 |
| 5.3.3 模型组合优化小结 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 优化模型的适用性讨论 |
| 6.2 结论 |
| 6.3 未来研究方向 |
| 在学期间发表的科研成果 |
| 附录 |
| 参考文献 |
| 后记 |
（3）记忆计算模型及其在图像边缘检测中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 忆阻器与记忆计算模型研究现状 |
| 1.3.2 滤波器研究现状 |
| 1.3.3 遗传算法研究现状 |
| 1.3.4 图像边缘检测研究现状 |
| 1.4 发展趋势 |
| 1.5 本文的主要工作 |
| 1.6 本文的组织结构 |
| 第二章 相关理论与技术 |
| 2.1 忆阻元件与记忆计算模型 |
| 2.1.1 忆阻元件介绍 |
| 2.1.2 忆阻元件的应用 |
| 2.1.3 记忆计算模型 |
| 2.2 滤波器基本理论 |
| 2.2.1 滤波器介绍 |
| 2.2.2 滤波器的应用 |
| 2.3 遗传算法基本理论 |
| 2.3.1 遗传算法介绍 |
| 2.3.2 遗传算法的应用 |
| 2.4 图像边缘检测基本理论 |
| 2.4.1 图像边缘检测介绍 |
| 2.4.2 图像边缘检测的常见算子 |
| 2.5 本章小结 |
| 第三章 忆阻型滤波器 |
| 3.1 忆阻型滤波器电路 |
| 3.2 忆阻型滤波器电路设计 |
| 3.2.1 忆阻型低通滤波器电路 |
| 3.2.2 忆阻型高通滤波器电路 |
| 3.2.3 忆阻型带通滤波器电路 |
| 3.2.4 忆阻型带阻滤波器电路 |
| 3.3 忆阻型滤波器分析与仿真 |
| 3.3.1 传递函数分析 |
| 3.3.2 截止频率分析 |
| 3.3.3 波特性仿真分析 |
| 3.4 本章小结 |
| 第四章 忆阻型遗传算法 |
| 4.1 忆阻型遗传算法设计 |
| 4.2 忆阻网络与遗传算法的映射 |
| 4.2.1 忆阻网络设计 |
| 4.2.2 映射关系 |
| 4.3 遗传函数 |
| 4.3.1 选择函数 |
| 4.3.2 交叉函数 |
| 4.3.3 变异函数 |
| 4.4 本章小结 |
| 第五章 图像边缘检测算法 |
| 5.1 算法设计 |
| 5.2 算法详细过程 |
| 5.2.1 忆阻型滤波器预处理 |
| 5.2.2 忆阻型遗传算法实例化 |
| 5.2.3 图像边缘检测算法 |
| 5.2.4 算法复杂度 |
| 5.3 算法实现与分析 |
| 5.3.1 实验环境 |
| 5.3.2 算法实现 |
| 5.3.3 参数分析 |
| 5.3.4 对比分析 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 论文情况 |
| 专利情况 |
| 项目情况 |
| 软件着作权情况 |
（4）高压输电塔结构地震响应被动—半主动混合控制分析与试验（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 结构智能振动控制理论 |
| 1.3 智能材料在结构振动控制中的应用 |
| 1.3.1 形状记忆合金 |
| 1.3.2 压电材料 |
| 1.4 智能优化及控制算法研究现状 |
| 1.4.1 遗传算法 |
| 1.4.2 人工免疫算法 |
| 1.5 输电塔结构抗震研究现状 |
| 1.5.1 被动控制 |
| 1.5.2 主动控制 |
| 1.5.3 半主动控制 |
| 1.6 本文主要研究内容 |
| 参考文献 |
| 2 混合减震控制系统的设计与性能试验 |
| 2.1 压电堆驱动器 |
| 2.2 SMA丝超弹性性能试验研究 |
| 2.2.1 试验材料与设备 |
| 2.2.2 试验工况 |
| 2.2.3 试验结果与分析 |
| 2.3 混合减震系统设计与工作原理 |
| 2.3.1 构造设计与工作原理 |
| 2.3.2 加工制作 |
| 2.4 能源提供 |
| 2.4.1 光伏发电系统原理 |
| 2.4.2 独立光伏发电系统的设计 |
| 2.5 混合减震控制系统力学性能试验研究 |
| 2.5.1 预压力的施加 |
| 2.5.2 设计参数 |
| 2.5.3 加载方案 |
| 2.5.4 试验结果与分析 |
| 2.6 本章小结 |
| 参考文献 |
| 3 基于遗传算法优化的混合减震系统BP神经网络本构模型 |
| 3.1 遗传算法原理 |
| 3.2 BP神经网络算法原理 |
| 3.3 遗传算法优化的BP神经网络算法 |
| 3.4 基于遗传算法优化的SMABP神经网络本构模型 |
| 3.4.1 确定BP网络结构 |
| 3.4.2 训练样本采集与处理 |
| 3.4.3 仿真结果比较与分析 |
| 3.4.4 确定遗传算法优化参数 |
| 3.5 基于遗传算法优化的混合减震控制系统BP神经网络本构模型 |
| 3.5.1 网络结构 |
| 3.5.2 样本数据 |
| 3.5.3 优化参数 |
| 3.5.4 仿真结果 |
| 3.6 本章小结 |
| 参考文献 |
| 4 基于改进的免疫克隆选择算法的输电塔结构混合减震系统优化配置研究 |
| 4.1 基本免疫克隆选择算法 |
| 4.1.1 基本免疫克隆选择算法的流程 |
| 4.1.2 基本免疫克隆选择算法的存在问题 |
| 4.2 改进的免疫克隆选择算法 |
| 4.2.1 抗体与抗体之间的亲和度 |
| 4.2.2 实数编码 |
| 4.2.3 Logistic混沌序列初始化抗体群 |
| 4.2.4 变异算子的改进 |
| 4.2.5 改进后的免疫克隆算法步骤 |
| 4.3 优化准则 |
| 4.4 混合减震控制系统优化配置算例分析 |
| 4.4.1 优化模型 |
| 4.4.2 优化结果与分析 |
| 4.4.3 优化控制分析 |
| 4.5 本章小结 |
| 参考文献 |
| 5 结构地震响应模糊神经网络控制系统 |
| 5.1 受控系统的状态空间模型 |
| 5.1.1 状态空间的基本概念 |
| 5.1.2 振动控制状态方程 |
| 5.1.3 状态空间模型建立 |
| 5.1.4 控制力位置矩阵建立 |
| 5.2 模糊控制基本原理 |
| 5.3 模糊神经网络控制原理 |
| 5.4 模糊神经网络控制流程 |
| 5.5 模糊神经网络控制系统的设计 |
| 5.5.1 LQR最优主动控制训练样本 |
| 5.5.2 基于自适应模糊神经推理系统的控制仿真 |
| 5.6 算例分析 |
| 5.6.1 模型选取 |
| 5.6.2 生成LQR主动最优控制训练样本 |
| 5.6.3 训练模糊神经推理系统 |
| 5.6.4 模糊神经网络控制仿真分析 |
| 5.7 本章小结 |
| 参考文献 |
| 6 高压输电塔结构地震响应混合减震控制试验研究 |
| 6.1 试验装置与设备 |
| 6.1.1 试验模型 |
| 6.1.2 混合减震控制系统布置与安装 |
| 6.2 试验装置 |
| 6.2.1 试验设备 |
| 6.2.2 驱动电源的设计 |
| 6.2.3 控制系统 |
| 6.3 传感器布置及试验工况 |
| 6.3.1 传感器布置 |
| 6.3.2 试验工况 |
| 6.4 控制流程 |
| 6.5 试验结果与分析 |
| 6.5.1 动力特性分析 |
| 6.5.2 动力反应分析 |
| 6.6 本章小结 |
| 参考文献 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 工作展望 |
| 致谢 |
| 附录 |
（5）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
（6）基于SMA-压电复合减震系统的电抗器结构地震响应控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 智能混合控制技术 |
| 1.3 智能材料及其在结构振动控制中的应用 |
| 1.3.1 形状记忆合金 |
| 1.3.2 磁流变 |
| 1.3.3 压电陶瓷 |
| 1.3.4 磁致伸缩材料 |
| 1.4 智能复合减振技术研究现状 |
| 1.4.1 SMA复合基础隔震装置 |
| 1.4.2 SMA摩擦复合阻尼器 |
| 1.4.3 其它SMA复合减震装置 |
| 1.4.4 压电陶瓷复合减振装置 |
| 1.4.5 SMA-压电摩擦复合减震装置 |
| 1.5 智能优化方法 |
| 1.5.1 遗传算法 |
| 1.5.2 人工免疫算法 |
| 1.6 电抗器结构的抗震研究现状 |
| 1.6.1 电抗器的种类和功能 |
| 1.6.2 电抗器结构的震害研究 |
| 1.7 本文研究内容 |
| 2 自适应免疫记忆克隆算法 |
| 2.1 生物免疫系统 |
| 2.1.1 免疫系统组成、功能与特点 |
| 2.1.2 免疫系统工作原理 |
| 2.1.3 免疫应答 |
| 2.2 人工免疫算法理论 |
| 2.2.1 AIS算法的描述 |
| 2.2.2 AIS算法的特点 |
| 2.2.3 基本克隆选择算法 |
| 2.3 自适应免疫记忆克隆算法 |
| 2.3.1 亲和度函数构造 |
| 2.3.2 混沌序列初始化抗体群 |
| 2.3.3 变异算子的改进 |
| 2.3.4 实现步骤 |
| 2.4 二维函数测试 |
| 2.4.1 测试函数 |
| 2.4.2 GA的改进 |
| 2.4.3 参数设定 |
| 2.4.4 测试结果与分析 |
| 2.5 本章小结 |
| 3 基于AIMCA的工程结构减震装置优化设计 |
| 3.1 受控结构运动状态方程 |
| 3.1.1 振动控制状态方程 |
| 3.1.2 控制力位置矩阵建立 |
| 3.2 改进的遗传算法 |
| 3.2.1 传统遗传算法交叉与变异 |
| 3.2.2 改进编码方式 |
| 3.2.3 改进交叉算子 |
| 3.2.4 改进变异算子 |
| 3.3 优化准则 |
| 3.4 优化算例 |
| 3.4.1 空间网架模型 |
| 3.4.2 算法参数 |
| 3.4.3 优化结果与分析 |
| 3.5 优化结果控制分析 |
| 3.6 本章小结 |
| 4 SMA-压电摩擦复合减震装置的设计与力学性能试验 |
| 4.1 压电陶瓷驱动器 |
| 4.1.1 工作原理 |
| 4.1.2 使用要求 |
| 4.2 SMA-压电摩擦复合减震装置 |
| 4.2.1 构造设计 |
| 4.2.2 工作原理 |
| 4.2.3 加工制作 |
| 4.3 SMA丝超弹性性能试验 |
| 4.3.1 试验材料与设备 |
| 4.3.2 试验工况 |
| 4.3.3 试验结果与分析 |
| 4.4 SMA-压电摩擦复合减震装置性能试验 |
| 4.4.1 预压力的施加 |
| 4.4.2 设计参数 |
| 4.4.3 加载方案 |
| 4.4.4 试验结果与分析 |
| 4.5 本章小结 |
| 5 基于AIMCA的复合减震装置神经网络本构模型 |
| 5.1 SMA本构模型 |
| 5.1.1 唯象理论模型 |
| 5.1.2 四折线简化模型 |
| 5.2 AIMCA优化BP网络算法 |
| 5.2.1 BP网络算法原理 |
| 5.2.2 BP网络算法的缺点 |
| 5.2.3 AIMCA优化BP网络算法 |
| 5.3 SMA神经网络本构模型 |
| 5.3.1 确定BP网络结构 |
| 5.3.2 训练样本采集与处理 |
| 5.3.3 仿真结果比较与分析 |
| 5.4 AIMCA优化的复合减震装置BP网络本构模型 |
| 5.4.1 网络结构 |
| 5.4.2 样本数据 |
| 5.4.3 优化参数 |
| 5.4.4 仿真结果 |
| 5.5 本章小结 |
| 6 SMA-压电摩擦复合减震装置的减震性能分析 |
| 6.1 BOUC-WEN恢复力模型 |
| 6.2 非线性结构振动控制运动状态方程 |
| 6.3 控制策略 |
| 6.3.1 控制过程 |
| 6.3.2 模糊控制器设计 |
| 6.4 算例分析 |
| 6.4.1 地震波选取 |
| 6.4.2.单自由度弹性结构 |
| 6.4.3.非线性结构分析 |
| 6.5 本章小结 |
| 7 干式空心电抗器结构减震控制试验 |
| 7.0 试验模型 |
| 7.1 减震装置安装 |
| 7.2 试验装置及设备 |
| 7.2.1 振动台系统 |
| 7.2.3 仿真控制系统 |
| 7.3 传感器布置及试验工况 |
| 7.3.1 传感器布置 |
| 7.3.2 试验工况 |
| 7.4 控制流程 |
| 7.5 试验结果与分析 |
| 7.5.1 动力特性分析 |
| 7.5.2 动力反应分析 |
| 7.5.3 试验与仿真对比 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 主要结论 |
| 8.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表论文情况 |
| 攻读博士期间参与科研项目情况 |
| 专利申请情况 |
（8）基于SMA的空间杆系结构地震响应控制模型试验与理论分析（论文提纲范文）
| 摘要 Abstract 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 结构振动控制算法及优化设计 |
| 1.2.1 控制算法 |
| 1.2.2 结构振动控制系统的优化设计 |
| 1.3 形状记忆合金 |
| 1.3.1 形状记忆合金的工作机理 |
| 1.3.2 形状记忆合金的特性 |
| 1.3.3 形状记忆合金本构模型简介 |
| 1.4 形状记忆合金在结构工程领域中的应用 |
| 1.4.1 形状记忆合金用于结构振动被动控制 |
| 1.4.2 形状记忆合金用于结构振动主动控制 |
| 1.4.3 形状记忆合金用于结构振动半主动控制 |
| 1.4.4 形状记忆合金用于结构智能控制 |
| 1.5 本文研究的主要内容 第2章 SMA材料力学性能试验研究 |
| 2.1 引言 |
| 2.2 奥氏体相SMA丝材超弹性力学性能试验 |
| 2.2.1 试验材料 |
| 2.2.2 试验设备和仪器 |
| 2.2.3 试验内容和步骤 |
| 2.2.4 主要试验结果及分析 |
| 2.3 马氏体相SMA丝材恢复力性能试验 |
| 2.3.1 试验材料 |
| 2.3.2 试验设备和仪器 |
| 2.3.3 试验内容和步骤 |
| 2.3.4 马氏体相SMA丝材温度特性测试 |
| 2.3.5 主要试验结果及分析 |
| 2.4 本章小结 第3章 SMA材料的本构模型及数值模拟 |
| 3.1 引言 |
| 3.2 基于唯象理论的Tanaka系列本构模型 |
| 3.2.1 Tanaka本构模型 |
| 3.2.2 Liang-Roger本构模型 |
| 3.2.3 Brinson本构模型 |
| 3.3 基于Brinson本构模型的一维恢复力公式 |
| 3.4 奥氏体相SMA本构关系的数值模拟 |
| 3.4.1 超弹性SMA本构模型 |
| 3.4.2 超弹性Brinson分段线性本构模型 |
| 3.4.3 SMA简化本构模型 |
| 3.4.4 速率相关型简化本构模型的建立 |
| 3.4.5 数值模拟 |
| 3.5 马氏体相SMA本构模型 |
| 3.5.1 形状记忆Brinson分段线性本构模型 |
| 3.5.2 形状记忆Brinson分段线性恢复力模型 |
| 3.6 本章小结 第4章 基于遗传算法和神经网络优化设计方法 |
| 4.1 引言 |
| 4.2 基于遗传算法优化的SMA神经网络本构模型 |
| 4.2.1 人工神经网络工作原理 |
| 4.2.2 BP网络算法原理 |
| 4.2.3 基于遗传算法优化的BP网络算法 |
| 4.2.4 基于遗传算法优化的奥氏体相SMA神经网络本构模型 |
| 4.3 基于遗传算法的结构振动控制优化设计 |
| 4.3.1 结构振动控制优化设计必要性 |
| 4.3.2 遗传算法 |
| 4.3.3 基于遗传算法的控制器数量和位置优化设计 |
| 4.4 被动控制等效最优控制系统数值仿真 |
| 4.4.1 仿真模型 |
| 4.4.2 地震波选取 |
| 4.4.3 基于奥氏体相SMA的空间杆系结构被动控制系统仿真 |
| 4.5 本章小结 第5章 空间杆系结构智能控制及算法实现研究 |
| 5.1 引言 |
| 5.2 模糊逻辑控制系统的基本结构 |
| 5.2.1 模糊控制系统的组成 |
| 5.2.2 模糊控制器的基本结构 |
| 5.2.3 模糊控制器的维数 |
| 5.3 模糊逻辑控制系统的基本原理 |
| 5.3.1 模糊化运算 |
| 5.3.2 数据库 |
| 5.3.3 规则库 |
| 5.3.4 模糊推理 |
| 5.3.5 清晰法处理 |
| 5.4 基于马氏体相SMA的空间杆系结构主/被动混合控制系统仿真 |
| 5.4.1 基于Mamdani推理模型的模糊控制分析 |
| 5.4.2 基于Sugeno推理模型的模糊控制分析 |
| 5.4.3 触发开关控制系统设计 |
| 5.5 本章小结 第6章 形状记忆合金振动控制试验研究 |
| 6.1 引言 |
| 6.2 试验模型与原理 |
| 6.2.1 试验模型 |
| 6.2.2 试验原理与流程 |
| 6.3 SMA控制装置与布置方案 |
| 6.3.1 SMA装置 |
| 6.3.2 SMA装置布置方案 |
| 6.3.3 传感器布置 |
| 6.4 试验设备及试验方案 |
| 6.4.1 振动台系统特性 |
| 6.4.2 试验其它设备 |
| 6.4.3 仿真控制系统 |
| 6.4.4 试验选用地震波 |
| 6.4.5 试验工况 |
| 6.5 试验结果与分析 |
| 6.5.1 无控方案与随机布设被动控制方案试验结果 |
| 6.5.2 无控方案与优化布设被动控制方案试验结果 |
| 6.5.3 无控方案与主/被动混合控制方案试验结果 |
| 6.5.4 试验结果与仿真结果分析 |
| 6.6 本章小结 第7章 结论与展望 |
| 7.1 主要工作和结论 |
| 7.2 相关工作展望 参考文献 攻读博士期间发表论文情况 专利申请情况 致谢 |
（9）基于混合算法的神经网络辨识方法及其在油田中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 前言 |
| 1.1 课题的背景及研究意义 |
| 1.2 油田相关系统发展概况 |
| 1.3 相关理论发展概况 |
| 1.4 论文的研究内容 |
| 1.5 论文的安排 |
| 第二章 新型混合遗传算法及其在试井解释中的应用 |
| 2.1 油田试井解释模型 |
| 2.1.1 渗流的基本概念和基本定律 |
| 2.1.2 试井解释问题的几个概念 |
| 2.1.3 试井理论偏微粉方程模型及其解 |
| 2.1.4 试井解释基函数神经网络模型 |
| 2.2 一类新型混合遗传算法的设计 |
| 2.2.1 种族遗传进化算法 |
| 2.2.2 辨识地层参数的启发式的遗传算法 |
| 2.3 本文改进的遗传算法的收敛性分析 |
| 2.3.1 预备知识 |
| 2.3.2 全局收敛性分析 |
| 2.4 新方法在试井解释中的应用 |
| 2.4.1 应用实例 |
| 2.4.2 结果分析 |
| 2.5 本章小结 |
| 第三章 新型神经网络方法及其在火山岩储层预测中的应用 |
| 3.1 基于新型混合算法的RBF 神经网络辨识器 |
| 3.1.1 RBF 神经网络原理 |
| 3.1.2 基于新型混合算法的RBFNN |
| 3.2 基于新型混合SAA 的神经网络辨识器 |
| 3.2.1 SAA 原理 |
| 3.2.2 基于新型混合SAA 的NN |
| 3.3 带新型混合算法的神经网络在火山岩预测中的应用 |
| 3.3.1 数据提取与处理 |
| 3.3.2 应用实例 |
| 3.4 本章小结 |
| 第四章 新型模糊神经网络预测方法及其应用 |
| 4.1 模糊神经网络 |
| 4.2 一种新型模糊神经网络的研究 |
| 4.2.1 问题的描述与假设 |
| 4.2.2 通用逼近性证明 |
| 4.2.3 新型模糊神经网络的结构 |
| 4.2.4 基于优选K 均值聚类算法的新型网络的结构辨识 |
| 4.2.5 新型网络的学习算法 |
| 4.3 一种新型模糊神经网络的研究 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士期间发表的论文和科研情况 |
| 致谢 |
| 详细摘要 |
四、基于遗传算法的新型模糊网络模型及其应用（论文参考文献）
- [1]面向序列分类问题的机器学习算法集成及其应用[D]. 孟凡祥. 上海财经大学, 2020(04)
- [2]支持向量机模型的优化及其应用研究[D]. 李培志. 东北财经大学, 2019(06)
- [3]记忆计算模型及其在图像边缘检测中的应用研究[D]. 杨辰宇. 电子科技大学, 2019(01)
- [4]高压输电塔结构地震响应被动—半主动混合控制分析与试验[D]. 余滨杉. 西安建筑科技大学, 2018(06)
- [5]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)
- [6]基于SMA-压电复合减震系统的电抗器结构地震响应控制研究[D]. 展猛. 西安建筑科技大学, 2017(06)
- [7]中国交通工程学术研究综述·2016[J]. 《中国公路学报》编辑部. 中国公路学报, 2016(06)
- [8]基于SMA的空间杆系结构地震响应控制模型试验与理论分析[D]. 何金胜. 西安建筑科技大学, 2015(06)
- [9]基于混合算法的神经网络辨识方法及其在油田中的应用[D]. 关学忠. 大庆石油学院, 2009(03)