摘要：提出了一种将相空间重构和奇异值分解相结合的气液两相流流型识别方法。该方法首先利用相空间重构方法构造压差波动信号的吸引子轨迹矩阵,然后对该矩阵进行奇异值分解得到矩阵奇异值,将其作为流型的特征向量。针对BP神经网络收敛速度慢和容易陷入局部极值的问题,采用l-m优化计算的方法,设计了流型识别的BP网络模型。研究结果表明:该方法可以有效地识别水平管内空气-水两相流的4种典型流型,与其它改进算法相比,l-m优化算法的识别率最高,达到了95%,为流型的识别提供了一种新的有效方法。

摘要：静压桩托换技术是既有建(构)筑物地基加固的常用方法之一,该技术具有受力直观,承载力可靠,加固效果显著等优点。根据托换桩终止压桩力来估算单桩承载力,对于托换桩的优化设计具有重要意义。论文结合某实际工程,基于l-m优化算法建立了单桩承载力与终止压桩力之间的拟合公式Q_(uk)=1.543l/2.39+l R_(sm)。基于l-m优化算法计算得到的单桩承载力估算值,其精度和准确性均优于传统方法的预测结果,可为黄土地区静压托换桩优化设计和施工监测提供参考和借鉴。

摘要：针对加热炉处于干扰环境下的不确定性、非线性、大滞后和大惯性特点,采用径向基神经网络(Radial Basis Function,RBF)建立加热炉炉温预测模型,以实现炉温预报。同时设计以l-m(levenbergmarquardt)优化算法为基础的控制器对加热炉炉温进行滚动控制。针对l-m优化算法对初始值敏感的问题,采用RBF逆神经网络动态确定算法初始值。仿真结果表明所提方法在不同工况下均具有较快的调节时间和较小的超调量。

摘要：状态预测是厂房温湿度检测仪器预防性维护的重要组成部分,也是提高厂房温湿度检测仪器使用寿命的有效措施。本文针对BP神经网络在设备状态预测中的不足,提出基于BP神经网络的l-m优化算法,用以对厂房温湿度检测仪器预测中。通过仿真和实验相结合的方法,采用原始样本数据对厂房温湿度检测仪器进行预测。研究表明,基于BP神经网络的l-m优化算法能够实现对厂房温湿度检测仪器的状态预测,并且误差较小,证明了该方法的有效性。