基于神经网络的喷丸25CrMo合金疲劳寿命及残余应力松弛行为预测研究

发布时间：2024-03-03 20:09

　　首先采用BP神经网络建立了喷丸25CrMo车轴钢疲劳寿命预测模型。然后,在此基础上采用遗传算法(GA)对BP神经网络的预测精度进行了优化。此外,还采用了径向基神经网络(RBF)进行建模分析,并与以上2种模型的预测结果进行对比。结果表明:遗传算法优化的BP神经网络(GA-BP)相比于BP和RBF神经网络具有更高的预测精度,其中训练集和测试集的平均预测精度分别为91.5%和85.4%。然后,基于GA-BP神经网络模型的连接权值矩阵和Garson方程进行了灵敏度分析,从而进一步量化了输入影响因素对喷丸25CrMo车轴钢疲劳寿命的相对影响比重;最后,还采用GA-BP神经网络预测了喷丸25CrMo车轴钢表面残余压应力的松弛行为。结果表明,测试集的平均预测误差仅为3.4%,表明了该神经网络预测性能良好。综上所述,采用神经网络建模分析了喷丸25CrMo车轴钢的疲劳性能和残余压应力松弛行为,显著降低了传统疲劳试验所需的成本,并且还保证了较高的准确性。

【文章页数】：9 页

【部分图文】：

图17DSP预测结果

图16SMSP1预测结果图18SMSP2预测结果

图18SMSP2预测结果

图17DSP预测结果图19CMSP预测结果

图8遗传算法BP神经网络测试集结果

根据3.1小节中3种神经网络模型的预测结果可知，经过遗传算法优化的BP神经网络的预测精度明显高于其它2种。所以灵敏度分析采用了基于遗传算法优化的BP神经网络的连接权值矩阵。提取网络权值后代入公式（5）可得所有输入变量对输出变量即喷丸25CrMo车轴钢疲劳寿命的相对影响比重，如图....

图5BP神经网络训练集结果

采用遗传算法对建立的BP神经网络进行优化以提高预测准确度。遗传算法的最大进化代数为100，种群规模10，交叉概率为0.3，变异概率为0.1。经过197次迭代之后，性能评价函数mse达到了0.0000126，小于目标误差0.0001。经过遗传算法优化后BP神经网络的训练集预测值....

本文编号：3918322