机械工程中的神经网络方法PDF电子书下载

第1章 概论 1

1．1 神经网络的生物学基础 1

1．1．1 生物神经元的结构和功能 1

1．1．2 生物神经元产生信息传输的过程 2

1．1．3 人脑神经信息处理的机制和特性 4

1．2 人工神经网络 6

1．2．1 人工神经元的结构模式 6

1．2．2 转移函数 8

1．2．3 人工神经网络的类型 10

1．2．4 人工神经网络与生物神经网络的比较 13

1．3 人工神经网络发展概况 14

1．3．1 人工神经网络国外发展情况 14

1．3．2 人工神经网络国内研究概况 17

1．4 神经网络在机械工程中的应用 17

第2章 人工神经网络学习规则 19

2．1 学习方法的分类 19

2．3 神经网络的学习规则 20

2．3．1 Hebb学习规则 20

2．2 神经网络的一般学习规则 20

2．3．2 感知器(Perceptron)学习规则 23

2．3．3 δ(Delta)学习规则 25

2．3．4 Widrow-Hoff学习规则 27

2．3．5 相关学习规则 27

2．3．6 Winner-Take-All(胜者为王)学习规则 27

2．3．7 内星及外星学习规则 28

3．1 人工神经网络基本模型 30

3．1．1 单层感知器 30

第3章 常用神经网络 30

3．1．2 多层感知器 35

3．1．3 自适应线性神经元组成的网络 37

3．2 BP网络 39

3．2．1 单隐层网络的BP算法 39

3．2．2 多隐层网络的BP算法 43

3．3 Hopfield神经网络 51

3．3．1 离散型Hopfield神经元网络(DHNN) 51

3．3．2 连续型Hopfield神经元网络(CHNN) 57

3．4 随机型神经网络 59

3．4．1 模拟退火算法 60

3．4．2 Boltzmann机 61

3．5 自组织神经网络 66

3．5．1 竞争学习基本概念 66

3．5．2 竞争学习规则 68

3．5．3 竞争学习的几何意义 69

3．5．4 自组织特征映射(SOM)网络 71

3．5．5 对偶传播(CPN)神经网络 74

3．5．6 自适应共振理论ART1网络 76

3．5．7 自适应共振理论ART2网络 81

3．6．1 BAM网络的结构和工作原理 84

3．6 双向联想记忆BAM神经网络 84

3．6．2 网络的稳定性 85

3．6．3 BAM网络的学习规则 86

第4章 如何组织神经网络 88

4．1 输入和输出层的设计问题 88

4．1．1 网络信息容量与训练样本数的匹配 88

4．1．2 训练样本数据设计 88

4．2 网络数据的准备 90

4．2．1 标准化问题 90

4．2．2 分布变换 91

4．3 网络初始权值的选择 92

4．4．1 隐层数的确定 93

4．4 隐层数及隐层结点设计 93

4．4．2 隐层结点数的确定 94

4．5 网络的训练、检测及性能评价 95

4．5．1 训练样本与检测样本 96

4．5．2 网络训练方法 96

4．5．3 网络训练次数 97

4．5．4 网络性能评价 98

5．1．1 齿轮传动优化设计的研究内容 100

5．1．2 人工神经网络在齿轮传动优化设计中的应用方式 100

5．1 人工神经网络与齿轮优化设计及胶合承载能力计算 100

第5章 人工神经网络在机械设计中的应用 100

5．1．3 基于神经网络和遗传算法的齿轮传动离散优化设计 101

5．1．4 基于神经网络的齿轮胶合承载能力及可靠度计算 104

5．2 人工神经网络在凸轮型线拟合中的应用 107

5．3 基于Hopfield网络的螺栓联接可靠性优化设计 108

5．3．1 Hopfield网络及其能量函数 108

5．3．2 基于Hopfield模型优化的一般流程 110

5．3．3 内燃机缸盖螺栓的可靠性优化设计 111

5．4 人工神经网络与智能计算机辅助设计(ICAD) 112

5．4．1 专家系统及其存在的问题 113

5．4．2 基于人工神经网络的专家系统 114

5．4．3 ANN在ICAD中的应用与V带智能CAD 115

5．5 滑动轴承非线性油膜力的神经网络模型 117

5．6 人工神经网络与转子动平衡 123

第6章 人工神经网络在机械结构优化设计中的应用 129

6．1 结构分析与结构近似重分析技术 129

6．1．1 结构静力分析的近似重分析技术 130

6．2 基于神经网络的结构近似分析技术 131

6．1．2 结构动力特性分析的近似重分析技术 131

6．2．1 多层前馈网络的非线性映射能力 132

6．2．2 设计变量(结构尺寸)到结构响应(位移、应力、频率)之间的非线性映射 132

6．3 有限元与优化程序之间的接口程序 134

6．3．1 基于自编有限元软件的接口程序 135

6．3．2 商用有限元软件概述 136

6．3．3 基于商用有限元软件的接口程序 137

6．4 基于神经网络的结构优化设计 137

6．4．1 基于神经网络和遗传算法的摩托车架结构动力特性优化设计 138

6．4．2 利用神经网络实现复杂结构的多目标优化设计 143

6．4．3 基于神经网络的机械结构系统优化问题的分解算法 147

6．4．4 遗传算法和神经网络的结构优化策略 151

6．5 基于神经网络的特征值反问题求解 153

第7章 人工神经网络在机械制造工艺及设备中的应用 159

7．1 神经网络与机械制造工艺规程 159

7．1．1 神经网络与孔群加工的路径优化 159

7．1．2 神经网络与成组技术 161

7．1．3 神经网络与零件定位基面选择 162

7．2．1 电火花线切割加工参数优化 165

7．2 神经网络与加工参数优化 165

7．2．2 注塑成形加工参数优化 167

7．3 神经网络与故障诊断 169

7．3．1 神经网络与轴的结构损伤诊断 170

7．3．2 神经网络与汽车故障诊断 171

7．4 神经网络与工况监测及预报 175

7．4．1 变切削条件下的钻头磨损监控 175

7．4．2 机械系统剩余寿命的预报 178

7．5 神经网络与加工系统辨识及控制 183

7．5．1 车削加工过程模型辨识 184

7．5．2 复杂曲面加工误差控制 186

7．6 神经网络与其他加工问题 189

7．6．1 神经网络与加工时间定额确定 189

7．6．2 神经网络与加工尺寸误差的动态分布 193

7．6．3 基于神经网络的数控插补原理与方法 194

7．6．4 利用神经网络测量零件三维表面轮廓 196

7．6．5 利用神经网络进行复杂曲面重构 198

第8章 神经网络在摩擦学及表面处理中的应用 202

8．1 BP神经网络计算丝杠螺母副摩擦系数的方法 202

8．2 基于神经网络的激光冲击区表面质量预报 203

8．3 基于神经网络和遗传算法的合金工艺优化设计 204

8．4 神经网络对磨损自补偿摩擦副磨合过程的预测 206

8．5 神经网络在拉伸润滑油选择中的应用 208

8．6 基于神经网络的结构钢端淬曲线预测系统模型的研究 210

8．7 神经网络模型在SiC涂层制备中的应用 211

第9章 神经网络的计算机实现 214

9．1 C语言与Matlab语言 214

9．1．1 软件及软件开发 214

9．1．2 程序设计语言 215

9．2．1 程序设计流程图 217

9．2 Matlab程序设计简介 217

9．2．2 M文件的编写 221

9．2．3 数据类型 223

9．2．4 基本运算符 224

9．2．5 基本语句结构 227

9．2．6 控制语句 228

9．2．7 局部变量和全局变量 228

9．2．8 数据的输入、输出 231

9．2．9 磁盘文件的读写操作 232

9．2．12 程序设计的几个有用函数介绍 234

9．2．10 子函数与局部函数 234

9．2．11 M文件的调试 234

9．2．13 Matlab的搜索路径与扩展 235

9．3 基于Matlab工具箱的神经网络设计 236

9．3．1 BP网络的工具函数及功能 237

9．3．2 BP网络工具函数使用详解 239

9．3．3 基于BP网络工具函数的程序设计 246

9．3．4 BP网络工具函数的源程序剖析 254

9．3．5 自编和工具函数相结合的BP网络程序设计 264

参考文献 270