基于改进RBF神经网络的变形场插值算法研究.pdfVIP

计算机测量与控制.2015.23(8) 酶法、设计与应用| Computer M锦surement Control • 2847 • 文章编号: 1671 - 4598(2015)08 - 2847 - 04 以)1: 10. 16526/j. cnki. 11-4762/tp. 2015. 08. 071 申图分类号: TP183 文献标识码:A 基于改进 RBF 神经网络的变形场插值算法研究 精私1 ， 2 ，部龙啤1 ，忘久-3 ，其.~皮2 (1.大连理工大学工业装备结构分析国家重点实验室，辽宁大连 116024 ; 2. 大连海洋大学信息工程学院，辽宁大连 116023; 3. 大连海洋大学机械工程学院，辽宁大连 116023) 摘要:传统的物体表面力学变形场计算方法存在计算量大，无法计算边缘点变形等问题g 提出→种改进的萤火虫算法优化 RBF 神经 网络的变形插值方法，利用凋值约束 RBF 神经网络隐含层结点数，运用可变步*萤火虫算法优化 RBF 神经网络隐含层节点的中心和宽 度，采用递推最小二乘法计算隐含层到输出层之间的权值，建立物体表面位移神经网络插值模型s 为提高位移插值精度，在训练和测试 的输入中增加坐标组合数据;应用于混凝土梁三点弯实验，仿真结果表明，该算法比常用的神经网络算法有更快的仿真速度和更高的预 测精度，可用于土工材料表面变形场的快速、准确的计算。 关键词:径向基神经网络s 变形场;插值3 萤火虫算法:变步长 Research of Ioterpolatioo Algorithm for Deformatioo Field Based 00 Improved RBF Neural Network l 2 l 3 2 Yang Song • , Shao Longtan , Gao Tianyi , Xi Haibo (1. State Key Lab. of Structural Analysis for Industrial Equipment , Oalian University of Technology , Oalian 116024 , China; 2. Institute of Information Engineering , Oalian Ocean University , Oalian 116023 , Chìna; 3. Institute of Mechanic Engineering , Oalian Ocean University , Oalian 116023 , China) Abstract: The traditional method of calculating the transformation field on the object surface has difficulties in enormous computation , and the displacements near the boundary of an object cannot be calculated , etc. This paper proposes the method , which adopts the threshold to constrain the number of the nodes in the hidden layer , uses glowworm swa