核聚變能是一種清潔、能源密度高、安全且不受氣候影響的新能源,被認(rèn)為是解決人類能源危機(jī)的重要出路。而結(jié)構(gòu)材料是聚變堆包層及未來商用聚變電站的瓶頸問題之一,其關(guān)系到聚變能否實現(xiàn)并成功應(yīng)用。目前,聚變堆結(jié)構(gòu)材料研究主要考慮：成分優(yōu)化研究,聚變結(jié)構(gòu)材料性能研究,制造工藝和連接方面研究,化學(xué)相容性、腐蝕和輻照方面。本文基于極限學(xué)習(xí)機(jī)方法對聚變結(jié)構(gòu)材料的成分優(yōu)化及性能預(yù)測進(jìn)行了研究,主要工作如下：（1）鑒于聚變堆結(jié)構(gòu)材料數(shù)據(jù)的多因素、非線性、不確定性,提出一種基于改進(jìn)的快速模擬退火算法和極限學(xué)習(xí)機(jī)的聚變堆結(jié)構(gòu)材料性能預(yù)測方法改進(jìn)快速模擬退火算法的極限學(xué)習(xí)機(jī)（Modified Very Fast Simulated Annealing Extreme Learning Machine, MVFSA-ELM）,該方法在保證了極限學(xué)習(xí)機(jī)算法優(yōu)勢的基礎(chǔ)上,利用改進(jìn)的快速模擬退火算法優(yōu)化了極限學(xué)習(xí)機(jī)的參數(shù),加快了極限學(xué)習(xí)機(jī)隱節(jié)點個數(shù)的確定,確保了極限學(xué)習(xí)機(jī)預(yù)測的全局最優(yōu)解。在與I-ELM、 CI-ELM、EI-ELM、EM-ELM等算法的對比分析中,MVFSA-ELM算法體現(xiàn)了運算精度上的優(yōu)勢。為進(jìn)一步驗證... 

【文章來源】：中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁數(shù)】：101 頁

【學(xué)位級別】：博士

【部分圖文】：

圖２．１化Ｍ網(wǎng)絡(luò)結(jié)構(gòu)困??

第二章材料力學(xué)性能、極限學(xué)習(xí)機(jī)及模擬退火算法概述ｘｐ（－Ａｆ?７?ｒ（〇）選擇是否接納成為最新的當(dāng)前最優(yōu)解：??⑤如果?Ｃ?＝?ｒａｗ／ｏｍ［０，?Ｕ?＜?／？，邱，Ｍ?＝?＜〇＇；否則巧，，．《?＝嗎＞？，。??⑧當(dāng)邸）＞７；，。且ｙ?＝?ｌ，ＬＬ時，轉(zhuǎn)去執(zhí)行②??⑦一縣當(dāng)下參數(shù)己經(jīng)滿足預(yù)先設(shè)定的停止條件，算法將停止并輸出當(dāng)前為邱？，最優(yōu)解；停止條件一般選擇接連多次的新解均未被采納則將停止算⑨ｒ逐漸減少，且ｒ＾ｏ，然后轉(zhuǎn)第②步。??

解是否滿足／Ｕ，巧，６，）ｐ／托化．，，，６＊？，），若滿足，則根據(jù)局部巖優(yōu)解更新邱《，、心、??和／（Ｘ，邱《，，心＾），并保存計算所得的輸出矩陣。??（２）算法流程圖如圖４．２所示。??廣??－?＂Ｉ????巧始化：Ｎｎｗ、Ｗ〇、ｂ〇、ｂ｜、Ｕｉ、Ｐ、？Ｍｔ、??Ｗｆｃｗ＊、ｂｂ＃？、Ａ＃ｉｔ、Ｊ、ｋ等??￣￣?Ｖ?：??巧據(jù)ｍｉ？巧ｉ＋ｕ巧ｉ－Ａｉ）產(chǎn)生巧解Ｗｊ、ｂ）????????￣；；?????－Ａｔ??ｆ?枝巧化中?ｅｘｐ（（ｆｉ－ｎ）／Ｎ）??……－Ｌ——ｒ??＾?’?１??＾???Ｔ??ｊ?廠雖滅ｒ?Ｎ＝Ｎ？？＊ｅＫｐ（－?ｉ??回火》Ｎ＝Ｎ？？？＾）（ｐ（－ａ?Ｐ?）Ｋ）．巧據(jù)?ａ?５）Ｗ??ｍｉ，?＝ｎｖＭｕ￣０．５）（ＢｒＡ＊）／Ｕｊ）產(chǎn)生新解。ｉ、ｂｊ?＾?ｆ???ＩＩＩ，——…？…—？?－＂Ｔ???＼巧???ｉＴｊｉｉ??Ｙ?＿＿??Ｃ＿ｆ￡ｊ??圖４．２系統(tǒng)工作流程圖??４．２算法驗證??４．２．１數(shù)據(jù)選擇??本小節(jié)選擇選擇與第Ｈ章相同的６個問題，數(shù)據(jù)集也如表３．１所示。將本章??所提的ＭＶＦＳＡ－ＥＬＭ算法的優(yōu)化算法與ＭＶＦＳＡ－化Ｍ算法從訓(xùn)練時間，預(yù)測精??度等方面進(jìn)行對比分析。本章所提優(yōu)化算法與上一張各算法的運行環(huán)境相同，均??在?ＭＡＴＬＡＢ?Ｒ２０１?化環(huán)境下．電腦配置為?ＩｉＵｅｌ?（Ｒ）?２．２０ＧＨＺ，?４．００ＧＢ?ＲＡＭ．??每次預(yù)測的訓(xùn)練集和測試集的數(shù)據(jù)均隨機(jī)選取，本小節(jié)中的最終結(jié)果選自１００次??單獨預(yù)測結(jié)果所計算的平均值。最優(yōu)結(jié)果加粗標(biāo)注。??

【參考文獻(xiàn)】：
期刊論文
[1]基于EEG去趨勢波動分析和極限學(xué)習(xí)機(jī)的癲癇發(fā)作自動檢測與分類識別[J]. 劉小峰,張翔,王雪.  納米技術(shù)與精密工程. 2015(06)
[2]改進(jìn)的極限學(xué)習(xí)機(jī)在癲癇腦電分類中的應(yīng)用[J]. 王杰,李牧瀟.  計算機(jī)仿真. 2014(06)
[3]基于云計算和極限學(xué)習(xí)機(jī)的分布式電力負(fù)荷預(yù)測算法[J]. 王保義,趙碩,張少敏.  電網(wǎng)技術(shù). 2014(02)
[4]基于極限學(xué)習(xí)機(jī)的變壓器故障診斷方法研究[J]. 苑津莎,張利偉,王瑜,尚海昆.  電測與儀表. 2013(12)
[5]基于極限學(xué)習(xí)機(jī)的供水管網(wǎng)故障智能診斷方法[J]. 高相銘,劉付斌,楊世鳳.  計算機(jī)工程與設(shè)計. 2013(08)
[6]基于BP神經(jīng)網(wǎng)絡(luò)的鋼材力學(xué)性能預(yù)測算法[J]. 李楊.  數(shù)字技術(shù)與應(yīng)用. 2013(07)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的生物質(zhì)發(fā)泡材料性能預(yù)測模型及應(yīng)用[J]. 曾廣勝,孫剛.  復(fù)合材料學(xué)報. 2014(01)
[8]運用在線貫序極限學(xué)習(xí)機(jī)的故障診斷方法[J]. 尹剛,張英堂,李志寧,程利軍.  振動.測試與診斷. 2013(02)
[9]基于極限學(xué)習(xí)機(jī)的汽輪機(jī)故障診斷[J]. 陳立軍,孫凱,侯媛媛,海冉冉.  化工自動化及儀表. 2013(04)
[10]極限學(xué)習(xí)機(jī)ELM在圖像分割中的應(yīng)用研究[J]. 田鈞,趙雪章.  計算機(jī)光盤軟件與應(yīng)用. 2013(02)

碩士論文
[1]極限學(xué)習(xí)機(jī)在航空發(fā)動機(jī)氣路故障診斷中的應(yīng)用[D]. 林敏.上海交通大學(xué) 2015
[2]基于數(shù)據(jù)挖掘的馬鋼CSP熱軋板卷的性能預(yù)測[D]. 張祝亭.安徽工業(yè)大學(xué) 2012
[3]基于人工神經(jīng)網(wǎng)絡(luò)的鋼的淬透性和Ms點的研究[D]. 高術(shù)振.吉林大學(xué) 2005



本文編號：3068013