期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于频率数据与稀疏正则化的悬臂梁损伤识别 被引量：4
1
作者 聂滋森 李冬安 +2 位作者 曹明志 汪利 吕中荣 《中山大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期148-153,共6页
振动频率是描述结构自身振动特性的数据,因其比较容易获取,常被用于识别结构损伤。但由于频率数据的量相对较少,损伤识别通常是非适定的。文章构造了一个新的基于频率数据的目标函数,发展了一种新的稀疏正则化方法以克服损伤识别问题的... 振动频率是描述结构自身振动特性的数据,因其比较容易获取,常被用于识别结构损伤。但由于频率数据的量相对较少,损伤识别通常是非适定的。文章构造了一个新的基于频率数据的目标函数,发展了一种新的稀疏正则化方法以克服损伤识别问题的非适定性。该方法运用少量的频率数据就能识别出梁结构的损伤位置。最后,将该方法运用到悬臂梁结构的损伤识别实验当中去,发现识别出的损伤与实际相符,验证了该方法的正确性。 展开更多
关键词 损伤识别 稀疏正则化 频率数据 交替最小化方法 阈值设定法
下载PDF
基于U−Net的格子玻尔兹曼方法 被引量：1
2
作者 聂滋森 陈辛阳 +2 位作者 杨耿超 蒋子超 姚清河 《中山大学学报（自然科学版）（中英文）》 CAS CSCD 北大核心 2022年第3期101-109,共9页
格子玻尔兹曼方法(LBM)是一类广泛应用的介观尺度下的流体数值模拟方法。其缺陷在于,它对于计算资源的要求较高,一般情况下难以实现即时模拟。文章构造了一种新的基于U−Net的卷积神经网络(CNN,convolutional neural network)以对LBM进... 格子玻尔兹曼方法(LBM)是一类广泛应用的介观尺度下的流体数值模拟方法。其缺陷在于,它对于计算资源的要求较高,一般情况下难以实现即时模拟。文章构造了一种新的基于U−Net的卷积神经网络(CNN,convolutional neural network)以对LBM进行加速,以一次卷积神经网络模型的运算代替原本需要进行多次的时间步迭代。对一系列层流绕柱流动的数值模拟进行试验,发现:该方法能够在保证计算精度较高的同时,相较于串行的LBM程序有约250倍加速,验证了该方法的有效性。 展开更多
关键词 数据驱动模型 LBM 卷积神经网络 神经网络结构 代理模型
下载PDF
基于深度神经网络的格子玻尔兹曼算法
3
作者 陈辛阳 聂滋森 +2 位作者 蒋子超 杨耿超 姚清河 《中山大学学报（自然科学版）（中英文）》 CAS CSCD 北大核心 2021年第5期39-49,共11页
格子玻尔兹曼算法(LBM,Lattice Boltzmann method)相较于传统计算流体力学方法具有程序结构简单,对复杂边界和非线性问题适应性强以及便于并行计算等诸多优点。然而,其作为一种显式算法,在计算过程中的迭代次数较多,进而消耗大量计算资... 格子玻尔兹曼算法(LBM,Lattice Boltzmann method)相较于传统计算流体力学方法具有程序结构简单,对复杂边界和非线性问题适应性强以及便于并行计算等诸多优点。然而,其作为一种显式算法,在计算过程中的迭代次数较多,进而消耗大量计算资源。利用深度学习在预测与回归方面的强大能力,基于LBM设计了一个由卷积层与卷积长短期记忆层组成的人工神经网络预测模型并将其命名为C-LBM(compressed LBM)。该模型能等效替代多个普通LBM迭代。对于方腔环流问题,模型完成训练后,对测试集均方差在5×10^(-6)以下,对泛化算例在10-5以下,精度得到了保障。相较于串行LBM程序,C-LBM模型计算效率提升约15倍。 展开更多
关键词 格子玻尔兹曼算法 数据驱动模型 深度学习 算法加速
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部