基于Lagrange乘子法神经网络求解弹塑性力学有限元问题

来源 :重庆工学院学报 | 被引量 : 0次 | 上传用户:knh1988
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
根据人工神经网络的基本优化机理,研究了基于Lagrange乘子法神经网络求解弹塑性力学有限元问题.该神经网络对弹塑性力学有限元问题模型的不等式约束直接进行处理,无需添加松弛变量,降低了网络模拟和硬件实现的复杂程度.还分析了该神经网络的收敛性和稳定性.最后对一个简单弹塑性问题进行了数值仿真,计算结果表明了该神经网络求解弹塑性力学有限元问题的可行性.
其他文献
研究了一个强收敛定理,并对该定理进行了证明。构造了一个新的迭代算法,生成了一个新的迭代序列;证明了该序列的收敛点恰好是一个单值映射的不动点集、一个变分包含问题的解
VaR(Value at Risk)是一种利用统计知识度量金融风险的方法,合理地确定GARCH模型是VaR计算的关键。针对这个问题,利用经验似然方法来估计VaR。模拟分析表明,经验似然方法比已有
在分析经典粗糙集模型不足的基础上,通过引入精度系数k(k∈(0.5,1]),给出了一般关系下基于粗糙隶属函数的程度粗糙集,并讨论了所给模型的相关重要性质。与经典粗糙集模型相比较,
结合实际系统的开发实施,介绍工业制造企业MRPⅡ系统开发实施的经验与体会,主要是对一些关键的技术问题给出了解决方法,并谈到了系统开发中应当引起重视的一些非技术性问题.
利用中心差分法离散二维轴对称波动方程,计算了轴对称结石中的弹性波传播,结果表明:中心差分方法对具有规则几何形状的结石模型中位移波的传播模拟简单、容易实现,能够很好地反映