m0_68737530的博客

原创 ANSYS 有限元分析 简支梁的优化分析 分析过程及常见问题解决

1.确定分析类型，所用模块包括两种： static structural , six sigma Analysis。3.通过草图建立几何模型，建好的几何模型如图1所示。4.划分有限元模型，划分好网格的模型如图2所示。2.工程材料采用默认的Q235。5.设置边界条件和载荷。

原创 ANSYS 有限元分析 悬臂梁的直接优化设计 分析过程及常见问题解决

1.确定分析类型，所用模块包括两种:static structural Direct Optimization。3.通过草图建立几何模型，建好的几何模型如图1所示。4.划分有限元模型，划分好网格的模型如图2所示。2.工程材料采用默认的Q235。5.设置边界条件和载荷。8.优化后的分析结果。

原创 ANSYS 有限元分析 支架拓扑优化设计 分析过程及常见问题解决

1.确定分析类型，所用模块包括两种 static structural Topology Optimization。3.通过草图建立几何模型，建好的几何模型如图1所示。2.工程材料采用默认的Q235。

原创 ANSYS 有限元分析 轴承座的模态分析 分析过程及常见问题解决

1.确定分析类型为 static structural。8.固定轴承座进行分析，得到约束状态下的结果如图7-12所示。3.建立几何模型，模型为一个part多个body的形式。7.得到自由状态下轴承座的态分析结果如图1-6所示。2.工程材料采用Q235。5.设置边界条件和载荷。

原创 ANSYS 有限元分析 轴承座的静力分析 分析过程及常见问题解决

1.确定分析类型为 static structural。4.划分有限元模型，模型的单元类型以 六面体 单元为主。轴承座的有限元模型如图2所示。3.建立几何模型，模型为一个part多个body的形式。几何模型如图1所示。7.分析结果，得到轴承座的有限元分析结果如图4-5所示。= 200GPa ，泊松比。图4 轴承座的变形云图（单位：mm ）5.设置边界条件和载荷，如图3所示。2.工程材料采用Q235，弹性模量。

原创 Matlab 根据年龄论域设置隶属度函数及利用模糊公式进行matlab仿真

并分别拓展为列向量，行向量。最后通过模糊矩阵合成运算，将。利用最小运算法，得到【通过模糊交算子，得到。

原创 Matlab仿真 采用 matlab 设计常规 PID 控制器； 采用 matlab 设计常规的模糊逻辑控制器；采用 matlab 设计模糊自适应整定 PID 控制器处理被控对象 常见问题及解决

根据反馈量的不同，可以设计出不同的PID控制器，控制的也是反馈量，也就是偏差，使之偏差为零，这个反馈，可以是速度，可以是位置等。由于PID控制器是线性控制器，而现实中，大多是非线性的。缺点：P 值增大的时候，曲线震荡幅度增大，震荡更加频繁，增大超调量，系统不够稳定。量化因子 e = 0.55 ec = 0.022 作为输入量 增益为70。优点：不需要被控对象的精确模型，只需要掌握人类的控制经验，系统鲁棒性。缺点：过于依赖经验， 有时候经验难以获得，不方便在线调整，同时由于模。Kp =1 增益 15。

原创 Matlab 利用遗传算法和粒子群求函数f(x1,x2,x3)的极小值 超详细过程及解析

① 确定决策变量和约束条件;② 建立优化模型;③ 确定编码方法: 用长度为10位的二进制编码串来分别表示两个决策变量 x1.,x2,x3。10位二进制编码串可以表示从0~1023之间的1024个不同的数,故将 x1,x2,x3的定义域离散化为1023个均等的区域,包括两个端点在内共有1024个不同的离散点。从离散点-5.12 到离散点5.12, 依次让它们分别对应于从 0000000000(O)~1111111111(1023)之间的二进制编码。

原创 Matlab 智能控制 采用BP网络对训练样本进行训练和利用Hopfield 网络，实现 30 个城市路径的 TSP问题优化，并进行 Matlab 仿真 常见问题及其解决

但这种趋势不是固定的，其有一个极限，当达到此极限时，随着训练能力的提高，预测能力反而会下降，也即出现所谓“过拟合”现象。出现该现象的原因是网络学习了过多的样本细节导致，学习出的模型已不能反映样本内含的规律，所以如何把握好学习的度，解决网络预测能力和训练能力间矛盾问题也是 BP 神经网络的重要研究内容。BP 神经网络为一种局部搜索的优化方法，它要解决的是一个复杂非线性化问题，网络的权值是通过沿局部改善的方向逐渐进行调整的，这样会使算法陷入局部极值，权值收敛到局部极小点，从而导致网络训练失败。

原创 深度学习（二十二）计算机视觉 树叶分类竞赛 新手入门及常见问题解决

自己后面利用resnet18 效果不太好。

原创 深度学习（二十一）计算机视觉 微调 新手入门及常见问题解决

【代码】深度学习（二十一）计算机视觉 微调 新手入门及常见问题解决。

原创 深度学习（二十）计算机视觉 数据增广 新手入门及常见问题解决

【代码】深度学习（二十）计算机视觉 数据增广 新手入门及常见问题解决。

原创 深度学习（十九）计算机视觉 分布式训练 新手入门及常见问题解决

原创 深度学习（十八）计算机视觉 cpu和gpu 新手入门及常见问题解决

Tpu和其他单机多卡并行

原创 深度学习（十七） 卷积神经网络 残差网络RESNET 新手入门及常见问题解决

【代码】深度学习（十七） 卷积神经网络 残差网络RESNET 新手入门及常见问题解决。

原创 深度学习（十六） 卷积神经网络 批量归一化 新手入门及常见问题解决

Batch Normalization是解决当输入数据的分布发生变化后，如何减少对深层网络结构的影响(参数的影响)。那么通过计算方差和均值，和参数γ和β的调整，使得不同分布的输入数据可以保持一定的数值稳定性，但又保持了数据的特征。

原创 深度学习（十五） 卷积神经网络 GoogLeNet pytorch新手入门及常见问题解决

【代码】深度学习（十五） 卷积神经网络 GoogLeNet pytorch新手入门及常见问题解决。

原创 深度学习（十四） 卷积神经网络 网络中的网络（NiN） pytorch新手入门及常见问题解决

【代码】深度学习（十四） 卷积神经网络 网络中的网络（NiN） pytorch新手入门及常见问题解决。

原创 深度学习（十三） 卷积神经网络 VGG pytorch新手入门及常见问题解决

【代码】深度学习（十三） 卷积神经网络 VGG pytorch新手入门及常见问题解决。

原创 深度学习（十二） 卷积神经网络 AlexNet pytorch新手入门及常见问题解决

【代码】深度学习（十二） 卷积神经网络 AlexNet pytorch新手入门及常见问题解决。

原创 深度学习（十一） 卷积神经网络 Lenet pytorch新手入门及常见问题解决

每个卷积块中的基本单元是一个卷积层、一个sigmoid激活函数和平均汇聚层。请注意，虽然ReLU和最大汇聚层更有效，但它们在20世纪90年代还没有出现。每个卷积层使用5×5卷积核和一个sigmoid激活函数。这些层将输入映射到多个二维特征输出，通常同时增加通道的数量。第一卷积层有6个输出通道，而第二个卷积层有16个输出通道。每个2×2池操作（步幅2）通过空间下采样将维数减少4倍。卷积的输出形状由批量大小、通道数、高度、宽度决定。为了将卷积块的输出传递给稠密块，我们必须在小批量中展平每个样本。换言之，

原创 深度学习（十） 卷积神经网络 池化层 pytorch新手入门及常见问题解决

这会导致同一个物体的边缘对应的输出可能出现在卷积输出中的不同位置，进而对后面的模式识别造成不便。在二维最大池化中，池化窗口从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动。当池化窗口滑动到某一位置时，窗口中的输入子数组的最大值即输出数组中相应位置的元素。因为池化一般用的是最大值池化，最大值的话就是把上一层两个特征的最大值输入给下一层，也就是说上一层两个特征位置在哪里都没关系，都会给到下一层的同样的位置，属于特征位置上的合并，所以实现了平移不变性。

原创 深度学习（九） 卷积神经网络 卷积层里多输入和输出通道 pytorch新手入门及常见问题解决

每个通道的卷积核是不一样的，不同通道的卷积核大小是一样的。

原创 深度学习（八） 卷积神经网络 卷积层里的填充和步幅 pytorch新手入门及常见问题解决

【代码】深度学习（八） 卷积神经网络 卷积层里的填充和步幅 pytorch新手入门及常见问题解决。

原创 深度学习（七） 卷积神经网络 从全连接到卷积 pytorch新手入门及常见问题解决

【代码】深度学习（七） 卷积神经网络 从全连接到卷积 pytorch新手入门及常见问题解决。

原创 深度学习（六） 卷积神经网络 模型构造 pytorch新手入门及常见问题解决

我们可以通过基本层类设计自定义层。这允许我们定义灵活的新层，其行为与深度学习框架中的任何现有层不同。在自定义层定义完成后，我们就可以在任意环境和网络架构中调用该自定义层。层可以有局部参数，这些参数可以通过内置函数创建。##自定义层##自定义线性层。

原创 深度学习（五） 深度学习的基础 实战：预测房价 pytorch新手入门及常见问题解决

【代码】深度学习（五） 深度学习的基础 实战：预测房价 pytorch新手入门及常见问题解决。

原创 深度学习（五） 深度学习的基础 模型选择和过拟合和欠拟合 pytorch新手入门及常见问题解决

K——交叉验证

原创 深度学习（四） 深度学习的基础 感知机 pytorch新手入门及常见问题解决

【代码】深度学习（四） 深度学习的基础 感知机 pytorch新手入门及常见问题解决。

原创 深度学习（三） 深度学习的基础 softmax回归 pytorch新手入门及常见问题解决

【代码】深度学习（三） 深度学习的基础 softmax回归 pytorch新手入门及常见问题解决。

原创 深度学习（二） 深度学习的基础 线性回归 pytorch新手入门及常见问题解决

【代码】深度学习（二） 深度学习的基础 线性回归 pytorch新手入门及常见问题解决。

原创 深度学习（一） 深度学习的基础 数据操作 pytorch新手入门及常见问题解决

N维数组是机器学习和神经网络的主要数据结构。

原创 Solidworks 有限元分析学习（六）薄件/梁实体网格划分 新手入门及常见问题解决

正常来看，0.5mm才会化为两层。但分割后会自然变成三层。

原创 Solidworks 有限元分析学习（五）对称问题 新手入门及常见问题解决

在实际测量中，桌子一放上去就会有自重，形变。所以在分析时可以不用考虑桌子重量。

原创 Solidworks 有限元分析学习（四）装配体分析 新手入门及常见问题解决

把全接触删掉，一对一对设置接触面。

原创 Solidworks 有限元分析学习（三）分析实例 新手入门及常见问题解决

【代码】Solidworks 有限元分析学习（三）分析实例 新手入门及常见问题解决。

原创 Solidworks 有限元分析学习（二）有限元分析 新手入门及常见问题解决

零件静态分析基础。

原创 Solidworks 有限元分析学习（一）solidworks基本操作 新手入门及常见问题解决

有限元的结果分析是由位移结果推断而来的。

原创 Solidworks 动画 新手入门及常见问题解决

装配体—— 左下角 先移动时间轴到你想运动到的时间，然后移动物体做你想要的运动轨迹插值模式中可选择运动速度 右下角可放大缩小时间轴利用三重轴可以只移动一个，而另一个静止。 放置简码实现多种功能精确定位：利用配合（距离 角度等）改变视像：激活后，调整视角即为初始视角利用动画导向可以实现图像旋转在此可形成爆炸图，在动画向导中即可形成爆炸剖切时，注意用装配体特征。选择想剖切的零件添加马达（旋转，线性），速度不宜过快，会使动画出错切割运动的实现，利用了装配体旋转切

原创 matlab学习（十一）回归与内插 新手入门及常见问题解决

【代码】matlab学习（十一）回归与内插 新手入门及常见问题解决。