基于BP神经网络的含褶皱复合材料强度预测

发布时间：2021-04-14 09:19

　　利用BP（Back propagation）神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。 

【文章来源】：南京航空航天大学学报. 2020,52(03)北大核心CSCD

【文章页数】：8 页

【部分图文】：

含褶皱层合板的有限元网格（单位：mm)

预测得到的压缩应力-位移曲线见图2。与Mukhopadhyay[5]的有限元结果相比，模型的刚度、失效位移及强度吻合较好。利用上述有限元模型可获得不同褶皱程度的强度预测结果，并将其投放至BP神经网络中进行训练。

BP神经网络拓扑结构

【参考文献】：
期刊论文
[1]单向纤维增强聚合物复合材料压缩渐进破坏[J]. 薛康,肖毅,王杰,薛元德.  复合材料学报. 2019(06)
[2]BP神经网络隐含层节点数确定方法研究[J]. 王嵘冰,徐红艳,李波,冯勇.  计算机技术与发展. 2018(04)
[3]BP神经网络隐含层单元数的确定[J]. 沈花玉,王兆霞,高成耀,秦娟,姚福彬,徐巍.  天津理工大学学报. 2008(05)
[4]前向神经网络合理隐含层结点个数估计[J]. 张德贤.  计算机工程与应用. 2003(05)



本文编号：3137077