English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 64178/96951 (66%)
造訪人次 : 10418748      線上人數 : 17729
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/37859


    題名: 應用霍普菲爾類神經網路及有限元素法的結構最佳化設計
    其他題名: Structural Optimal Design Using Generalized Hopfield Neural Network and Finite Element Method
    作者: 林志豐;史建中
    貢獻者: 淡江大學機械工程學系
    關鍵詞: 赫普菲爾類神經網路;有限元素;最佳化設計;結構設計;機械設計;Hopfield Neural Network;Finite Element Method;Optimal Design;Structure Design;Machine Design
    日期: 2001-05
    上傳時間: 2010-01-11 14:15:23 (UTC+8)
    出版者: 臺北縣:淡江大學
    摘要: 在結構最佳化設計的工程問題,設計限制條件通常是結構物受載力後,所造成的系統反應及材料本身能承受的負荷;一般而言其數學函數的推導與取得是相當複雜的,其數值解法又需專業的學習與訓練。為了能使最佳化設計的過程具有最大的實用性而不需要推導出限制條件的顯性數學式。為了設計工程師僅需具備基礎的最佳化設計原理,不需深入暸解程式化及其專業的數值解法,而只需一般的數值分析方法即可求得最佳設計結果。本文即是應用通用型式的霍普菲爾神經網路原理及結合處罰函數法,以發展將非線性結構最佳化的設計題目轉換為解聯立之常微分方程型式的結構最佳化設計方法與程序技術。本文中將說明上述之設計法則和有限元素程式結合演算的過程,並以簡單的結構設計例來解說其過程與可用性。
    This paper presents ·a structural optimum design process using generalized Hopfield Neural Network (GHN) as the basis combining finite element analysis. The penalty function method has been applied to deal with the constrained functions in the GHN optimization. The advantage of the presenting method are: (I) The optimum design problem can be transformed to a set of ordinary differential equations and can solved it by general numerical method. (2) The finite element analysis can simplify the complicate analytical design constraints. The nonlinear design problem works well by the illustrative design example.
    關聯: 第三屆海峽兩岸航空太空學術研討會論文集,頁289-294
    顯示於類別:[機械與機電工程學系暨研究所] 會議論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML223檢視/開啟
    index.html0KbHTML188檢視/開啟
    應用霍普菲爾類神經網路及有限元素法的結構最佳化設計_中文摘要.docx摘要13KbMicrosoft Word174檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋