现代设计方法--答案--不全.doc

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
现代设计方法--答案--不全

一 机械可靠性 1.结合工作实际,简述机械可靠性设计的重要意义。 1. 国防、军工和航天计划的需要 对机械可靠性的研究始于60年代初期,其发展与美国的航天计划有关。当时,机械和电子故障是美国宇航局主要关心的事。因为由于机械故障引起的事故很多,损失很大。 2. 现代科技发展的需要 随着现代科学技术的发展,产品的复杂化和工作环境条件的严酷,对产品的可靠性要求越来越高。从最复杂的宇宙飞船到日用洗衣机等都应用了可靠性设计,有明确的可靠性指标。3. 巨大的经济效益4. 安全和声誉5. 节约能源和资源 总之,目前越来越多的工业部门认识到可靠性问题的重要意义,把产品的可靠性看得与产品的性能同样重要。有的部门甚至规定,没有可靠性指标,未进行可靠性设计的产品不得投产。 2.可靠性设计与传统的安全系数法设计有什么区别? 1.设计参数不同,安全系数法认为设计参数都是单值,因此,安全系数也是单值。 2.结论不同,传统设计方法是单值,可靠性是概率。 3.联系:如果将设计变量应力与强度的随机性概念引入经典意义下的安全系数计算中,便可得出可靠性意义下的安全系数,这样也就把安全系数与可靠度联系起来了。 3.已知某种发动机零件中的应力是正态分布的,其均值为350MPa,标准差为40MPa,材料强度分布也是正态分布的,其均值为820MPa,标准差为80MPa,试计算此零件的可靠度。 解: 将值代入得-2.88经查表得0.9901 4.画出图示供水系统的故障树,并求此供水系统的可靠度R。 已知:水箱:RE=0.94,水箱阀门:RF=0.98 水泵:RL1=RL2=0.96,水泵阀门:RS1=RS2=0.99 L1与S1 :0.96X0.99=0.95 L2与S2 :0.96X0.99=0.95 并 :1-(1-0.95)(1-0.95)=0.9975 串 :0.94X0.98X0.9975=0.919 R=0.919 二 机械优化设计 1.采用数值计算法有哪些信誉好的足球投注网站多元函数的极小点时,要进行如下格式的迭代计算 这里S(k) 是 ,是 , 是 。 2.记目标函数为f(x),等式约束函数为hu(x),不等式约束函数为gv(x),则库恩-塔克(Kuhn-Tucker)条件 中的 不能为负数。 3.对约束优化问题 在图示坐标系中画出它的可行域D。 画出目标函数值分别为16、36、64时的三条等值线。 目标函数是否是凸函数?为什么? 可行域D是否是凸集?为什么? 从图上确定并计算该问题的最优点x*。 三、神经网络 1. 无隐层感知机:只能解一般的线性可分性输入模式;单隐层感知机:能解决一定的非线性可分性输入模式;双隐层感知机:能解决任意的非线性可分性 输入模式。 2. MP模型神经元输入/输出的数学表达式为:a=f(n)n表示神经元的输入总和,f(n)即为激活函数。 。 3. δ学习规则,主要可由1选择一组初始权值和偏差;2)计算某一输入模式对应的实际输出与期望输出的误差3)更新权值4)返回步骤2)描述。 4. 用Hopfield网络求解优化问题时,首先应把问题转化为目标函数(f(u))和约束条件(g(u)=0),然后构造出能量函数E,这样优化问题归结为在满足约束的条件是目标函数最小。 5. 试写出BP网络算法的程序框图。 BP网络的学习规则仍然采用的是δ学习规则,其学习过程是由两部分组成:1)信息的正向传导:在信息的正向船舶过程中,输入信息从输入层经隐含层神经元处理后传向输出层,每一层神经元的状态值影响下一层神经元的状态,如果在输出层没有得到期望可输出,则计算输出层的误差变化值,然后转入误差反向传播2)误差的反向传导:在误差反向传播过程中,通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值和偏差,时的误差信号达到最小,实际上,BP啊网络的学习过程就是不断调整网络的权值和偏差值,使实际输出和期望输出不断接近的过程。 6. 试比较感知机、自适应线性网络、BP网络、竞争学习网络及Hopfeild网络的主要区别。 BP网络与感知机和自适应线性网络相比,三者在网络结构和学习技术上是类似的,都是前向网络,都是采用有导师学习技术,δ学习规则,但区别也是显著的,最主要的区别体现在激活函数上:1)感知机中神经元的激活函数是阈值型的,输出状态为二进制的0或1,其值也只能使0或1。2)自适应线性网火种神经元的激活函数是线性的,输入输出关系也是线性的,其值可连续变化。3)BP网络中神经元的激

文档评论(0)

liudao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档