水介質(zhì)爆炸容器是一種內(nèi)部填充水介質(zhì),通過加載不同靜水壓來模擬不同水深環(huán)境,基于相似原理,利用小藥量進(jìn)行水下爆炸理論和工程技術(shù)研究的重要試驗(yàn)設(shè)備。為了確保容器安全使用,同時(shí)又能夠充分發(fā)揮效能,有必要對其進(jìn)行可靠性分析。由于容器在水下爆炸沖擊波和加載靜水壓耦合作用下的響應(yīng)規(guī)律很難得到解析形式,而采用數(shù)值模擬方法又無法動(dòng)態(tài)體現(xiàn)容器的服役狀態(tài),因此本文提出了一種基于動(dòng)態(tài)響應(yīng)智能預(yù)測的隨機(jī)-區(qū)間混合可靠性模型,對實(shí)際水介質(zhì)爆炸容器進(jìn)行可靠性分析。首先,通過數(shù)據(jù)特征分析、異常值檢測以及平滑處理,實(shí)現(xiàn)了水介質(zhì)爆炸容器動(dòng)態(tài)響應(yīng)測試樣本數(shù)據(jù)預(yù)處理,在此基礎(chǔ)上分別建立支持向量機(jī)回歸預(yù)測模型、XGBoost預(yù)測模型、卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型和遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,預(yù)測結(jié)果對比分析顯示,BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測性能最佳,可為容器可靠性分析提供依據(jù)。然后,基于容器動(dòng)態(tài)響應(yīng)預(yù)測模型,獲得容器最大應(yīng)變區(qū)間變量。由于預(yù)測模型以容器服役期間的所有動(dòng)態(tài)測試數(shù)據(jù)作為訓(xùn)練樣本,使得所預(yù)測的容器在設(shè)計(jì)載荷下的最大響應(yīng)區(qū)間具有自適應(yīng)性,能反映當(dāng)前容器的服役狀態(tài)。結(jié)合考慮容器強(qiáng)度的隨機(jī)特性,建立水介質(zhì)爆炸容器的隨機(jī)-區(qū)間可靠... 

【文章來源】：武漢科技大學(xué)湖北省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

箱線圖

武漢科技大學(xué)碩士學(xué)位論文11②池化層主要對上一層的卷積結(jié)果進(jìn)行特征映射。一般的方法有最大池化法，另一種是平均池化法。經(jīng)過池化層之后可以對卷積的結(jié)果降維，從而減少參數(shù)個(gè)數(shù)，減小模型的復(fù)雜度。池化操作如圖2.2所示。圖2.2池化操作③全連接層主要是將經(jīng)過卷積和池化過程后的結(jié)果進(jìn)行結(jié)合，最后將結(jié)果輸出。全連接層的計(jì)算公式為:niiiiifbxWy1(2-16)其中，xf是激活函數(shù)，常用的激活函數(shù)有prelusigmoidrelutanh,,,等。2.2.4BP神經(jīng)網(wǎng)絡(luò)（1）基本原理數(shù)據(jù)的輸入層、隱藏層以及數(shù)據(jù)最后的輸出層構(gòu)成了BP神經(jīng)網(wǎng)絡(luò)的3層網(wǎng)絡(luò)結(jié)構(gòu)。圖2.3所示是一個(gè)包含兩層隱藏層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。圖2.3兩層隱藏層的BP神經(jīng)網(wǎng)絡(luò)（2）計(jì)算過程假設(shè)jx表示輸入層到第j個(gè)節(jié)點(diǎn)的輸入，Mj;,...,1ijw表示隱含層第i個(gè)節(jié)點(diǎn)

池化操作

【參考文獻(xiàn)】：
期刊論文
[1]基于異常值檢測的港口集裝箱吞吐量預(yù)測模型[J]. 郭戰(zhàn)坤,金永威,梁小珍,楊明歌,汪壽陽.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2019(17)
[2]隨機(jī)-非概率模型下的船體結(jié)構(gòu)屈服強(qiáng)度可靠性分析[J]. 滑林,吳梵,牟金磊.  國防科技大學(xué)學(xué)報(bào). 2018(06)
[3]基于GRNN的水下爆炸容器動(dòng)態(tài)響應(yīng)預(yù)測[J]. 李琳娜,李甜,鐘冬望,涂圣武,劉洋.  爆破. 2018(04)
[4]非隨機(jī)過程的地震激勵(lì)下埋地壓力管道的非概率可靠性分析[J]. 張鵬,王藝環(huán),秦國晉.  中國安全生產(chǎn)科學(xué)技術(shù). 2018(06)
[5]遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的交通流參數(shù)預(yù)測[J]. 車國鵬,劉永紅.  綜合運(yùn)輸. 2018(06)
[6]導(dǎo)波強(qiáng)化裂變聚合概率模型損傷監(jiān)測方法[J]. 邱雷,房芳,袁慎芳,梅寒飛.  振動(dòng).測試與診斷. 2018(03)
[7]改進(jìn)移動(dòng)最小二乘法及其在結(jié)構(gòu)可靠性分析中的應(yīng)用[J]. 韋益夫,KAWAMURA Yasumi,王德禹.  上海交通大學(xué)學(xué)報(bào). 2018(04)
[8]考慮真實(shí)時(shí)變環(huán)境應(yīng)力的系統(tǒng)可靠性評估[J]. 蘭杰,袁宏杰,袁銘,夏靜.  北京航空航天大學(xué)學(xué)報(bào). 2018(02)
[9]基于時(shí)變區(qū)間和穿閾模型的機(jī)械時(shí)變可靠性分析方法[J]. 王丕東,張建國,闞琳潔,楊樂昌.  機(jī)械工程學(xué)報(bào). 2017(11)
[10]基于BP神經(jīng)網(wǎng)絡(luò)-SOSM的結(jié)構(gòu)可靠性分析[J]. 張亮,趙娜.  自動(dòng)化技術(shù)與應(yīng)用. 2016(03)

博士論文
[1]非隨機(jī)不確定結(jié)構(gòu)的可靠性方法和優(yōu)化設(shè)計(jì)研究[D]. 郭書祥.西北工業(yè)大學(xué) 2002

碩士論文
[1]基于貝葉斯理論的公路橋梁可靠性評估方法研究[D]. 徐波建.重慶交通大學(xué) 2017
[2]混合可靠性優(yōu)化方法研究[D]. 柳國印.哈爾濱工程大學(xué) 2017
[3]基于概率—非概率的結(jié)構(gòu)混合可靠性分析研究[D]. 吳鈺龍.湖南大學(xué) 2013
[4]基于概率與非概率凸集的混合可靠性分析方法研究[D]. 劉麗新.湖南大學(xué) 2012
[5]基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的城市供水系統(tǒng)優(yōu)化調(diào)度模型研究[D]. 陸健.河海大學(xué) 2007



本文編號：3505441