文献

J-GLOBAL ID：201802227338056343   整理番号：18A0646943

自己適応神経回路網に基づく銃砲身の構造最適化研究【JST・京大機械翻訳】

Multi-objective Optimization of Gun Barrel Structure Based on Adaptive Neural Network

著者 (5件)： Xiao Hui (南京理工大学机械工程学院,江蘇南京,210094) ,  Yang Guolai (南京理工大学机械工程学院,江蘇南京,210094) ,  Sun Quanzhao (南京理工大学机械工程学院,江蘇南京,210094) ,  Ge Jianli (南京理工大学机械工程学院,江蘇南京,210094) ,  Yu Qingbo (南京理工大学机械工程学院,江蘇南京,210094)
資料名： Binggong Xuebao  (Binggong Xuebao)
巻： 38  号： 10  ページ： 1873-1880  発行年： 2017年 
JST資料番号： C2399A  ISSN： 1000-1093  CODEN： BIXUD9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 銃の多学科最適化設計において、計算量が大きく、収束が遅く、局所最適に陥りやすい問題に対して、自己適応動径基底関数(RBF)ニューラルネットワークに基づく構造最適化方法を提案した。銃の高い低温圧力曲線を計算し,ABAQUSの有限要素ソフトウェアにより,有限要素モデルを用いて,最適化目標値を獲得し,設計変数間の適応RBFニューラルネットワークモデルを構築した。ペナルティ関数法を用いて制約条件を処理し,遺伝的アルゴリズムを用いてモデルを解いた。反復的に最適化された局所的および大域的な解析モデルを用いて,更新点を選択し,サンプル点を増加させることによって,ニューラルネットワークを更新して,ニューラルネットワークの局所的およびグローバルな予測能力を向上させることができた。いくつかの典型的関数の例と銃銃構造の多目的最適化により,提案した最適化戦略の有効性を示した。研究結果は以下を示す。管の最適化後に,質量は6.63%減少し,構造剛性は5.60%増加し,最大等価応力は6.34%減少した。遺伝的アルゴリズムと比較して,有限要素モデルの呼び出し回数は86.5%減少し,運転時間は83.3%減少し,銃の構造設計と最適化のための参照を提供した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ソフトウェア ,  構造設計 ,  動径基底関数 ,  ニューラルネットワーク ,  最適設計 ,  *構造最適化 ,  *最適化 ,  遺伝的アルゴリズム ,  計算量 ,  解析モデル ,  ペナルティ関数
準シソーラス用語： 多目的最適化 ,  FEMモデル ,  有限要素 ,  *自己適応 , 【Automatic Indexing@JST】

著者キーワード (5件)： ordnance science and technology ,  gun barrel ,  multidisciplinary multi-objective structural optimization ,  adaptive artificial neural network ,  resampling strategy

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 自己 ,  適応神経回路網 ,  銃 ,  砲身 ,  構造最適化 ,  研究