有限元神经网络的计算方法与电路实现.pdfVIP

应用技术 —●■■■■■■———■■■■■■———■● I■r Chjnascience鲫dTechnologyRevjew 有限元神经网络的计算方法与电路实现 孟庆琛 郄伟 (神华准格尔能源有限公司 内蒙古薛家湾010300) [摘 来求解弹性力学有限元问题，使网络能量函数与待求解有限元问题的优化目标函数相对应，网络能量函数的极小点，即系统的稳定平衡点为优化目标函数的解。 另外在理论基础上进行了计算机仿真和模拟电路实验，两者都表明上述方法可靠、有效，误差满足预定的要求。 [关键词]有限元法Hopfield神经网络仿真模拟电路 中图分类号：TPl83 文献标识码：A 文章编号：1009—914x(2010)O卜0256一02 引膏 对于静态问题，我们采用直接代入法将强制边界条件代入线性方程组(9) 神经网络是一种大规模复杂非线性动力系统与现有的采用并行计算方法 中，运用线性代数、矩阵理论的知识，经过约束简化后式(9)变为… 的并行计算机相比，有其自身的特点，它具有高度并行分布处理能力，鲁棒性、 K‘苦=，．，其中K。为正定矩阵 (10) 自组织及自适应性、自学习性、分布式存储、存储与计算相结合及联想能 于是式(8)所表达的等式约束下的优化问题转化为如下的无约束优化问题 力。 1基于改进的Hopf．eId神经同培的弹性力学有限元模型 m蛔rrp‘)=妻d。TK‘∥一／7J’ (11) 优化计算是神经网络诸多应用领域中重要的一种，Hopfield神经网络是 优化计算的一种网络模型。对弹性力学有限元问题而言，它对应于等式约束 以上说明弹性力学计算的行为本质是二次优化。当K’为正定矩阵时，由 优化理论可知式(11)的解存在且唯一。 下的二次优化问题，该二次优化问题可以用Hopfield神经网络的变形来实 e 现。用神经网络求解有限元问题时，可以把结构的势能泛函作为优化目标函 1．2无约束二次优化的神经网络模型——改进的Hopfd神经网络 数，而网络能量函数与优化目标函数相对应，随着时间的演化，网络能量函数总 根据神经优化计算总的指导思想，即将优化问题的目标函数对应于神经网 是朝着减小的方向运动，于是求解极小值(或极大值)的优化问题就转换成求解 络的能量函数，因而将要设计的神经网络的能量函数写为下式：，】 网络能量函数的极小点，即系统的稳定平衡点的过程。 脚侈产妻rK。毒’一，1d’ (12) 1．1弹性力学的计算本质——二次优化 力学计算的本质就是系统优化，下面用弹性力学予以说明，对于弹性力学 将其改写为Lyapunov函数的形式 问题，运用张量描述弹性体V力学状态的方程有…。 (1)平衡方程 E=；01Ki一_，”l=一÷J1wd‘+艺茸一·V (1) 、1“7 吩J+Z=o(在y内)(1-1，2，3)，咯J为应力，Z为体积力， =一三l’w·’一曲F—o，l，…。】)】d。 下标“，J”表示