当前位置:主页 > 科技论文 > 自动化论文 >

基于BP神经网络的点焊接头疲劳寿命预测研究

发布时间:2017-08-04 08:04

  本文关键词:基于BP神经网络的点焊接头疲劳寿命预测研究


  更多相关文章: 点焊 疲劳裂纹 疲劳寿命预测 神经网络


【摘要】:电阻点焊技术作为一种高速高效的薄板连接方式,广泛应用于机械制造各种领域。但是由于其焊接特性与力学行为,导致其在工作载荷作用下疲劳裂纹萌生的位置不容易被观察,很难找到一个可以精确评价点焊试件疲劳强度的理论模型。以往的传统评价点焊试件疲劳的方法,都是通过经验公式与理想化推导所得,这些原因都造成了对电阻点焊结构进行疲劳寿命评价的困难。尽管业界已经提出一些模型和预测方程,但大都存在各种问题,应用受到限制,至今仍没有被广泛接受的点焊疲劳寿命定量方程。通过引入BP神经网络方法可以避免建立显式模型方程,直接抽离出点焊疲劳寿命数据中所隐含的规律,从而有效的解决这些问题。本文以ST12、BGXH50两种低碳钢板制成的拉剪点焊试样为研究对象,根据其在MTS疲劳试验机上恒幅及两级加载疲劳试验的结果,建立了恒幅与两级加载下点焊试件疲劳样本数据库。并基于此样本数据库对BP神经网络进行学习训练,利用得到的BP神经网络模型对相关试验参数进行检验并于试验结果对比。论文主要内容有:(1)使用BP神经网络分别对恒幅加载下的ST12、BGXH50板材点焊疲劳寿命进行模拟,将得到的预测结果与等效结构应力法得到的预测结果进行对比,分析了BP神经网络在预测精度上的改进作用。(2)基于BP神经网络对两级加载下的ST12点焊疲劳寿命进行预测,将BP神经网络得到的预测结果与传统Miner法得到的预测结果进行对比,分析BP神经网络在两级加载下的点焊疲劳寿命预测的可行性。
【关键词】:点焊 疲劳裂纹 疲劳寿命预测 神经网络
【学位授予单位】:昆明理工大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TG453.9;TP183
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第一章 绪论10-24
  • 1.1 选题背景及意义10-11
  • 1.2 电阻焊原理概述及疲劳影响因素11-15
  • 1.2.1 电阻焊结构11-14
  • 1.2.2 点焊试件疲劳影响因素14-15
  • 1.3 点焊寿命评价的传统方法15-20
  • 1.3.1 名义应力分析法16
  • 1.3.2 热点应力分析法16-17
  • 1.3.3 缺口应力分析法17
  • 1.3.4 断裂应力学分析法17-20
  • 1.4 人工神经网络预测疲劳寿命的现状20-21
  • 1.5 本文研究内容21-24
  • 第二章 疲劳实验结果24-40
  • 2.1 引言24
  • 2.2 点焊试样材料及结构24-26
  • 2.2.1 点焊试样材料24-25
  • 2.2.2 点焊试件的结构25-26
  • 2.3 点焊疲劳试验数据样本26-37
  • 2.3.1 恒幅加载下点焊试件的疲劳寿命结果26-30
  • 2.3.2 两级加载下点焊试件的疲劳寿命结果30-37
  • 2.4 点焊试件疲劳断裂形式37-38
  • 2.5 本章小结38-40
  • 第三章 恒幅加载下点焊疲劳寿命分析40-64
  • 3.1 引言40
  • 3.2 BP神经网络概述40-41
  • 3.3 BP神经网络原理41-43
  • 3.4 BP神经网络的实现方法43-44
  • 3.5 神经网络参数的选取原则44-46
  • 3.6 ST12点焊疲劳寿命BP神经网络训练与预测46-52
  • 3.6.1 ST12点焊疲劳寿命预测模型设计46-50
  • 3.6.2 BP神经网络预测结果与讨论50-52
  • 3.7 BGXH50点焊疲劳寿命BP神经网络训练与预测52-58
  • 3.7.1 BGXH50点焊疲劳寿命预测模型设计52-56
  • 3.7.2 BP神经网络预测结果与讨论56-58
  • 3.8 BP神经网络预测结果与讨论58-62
  • 3.8.1 等效结构应力法原理58-61
  • 3.8.2 两种点焊疲劳寿命预测方法结果的对比61-62
  • 3.9 本章小结62-64
  • 第四章 两级加载下点焊试件疲劳寿命分析64-76
  • 4.1 引言64
  • 4.2 基于Miner法则的点焊疲劳寿命预测64-66
  • 4.2.1 线性疲劳累积损伤理论64-65
  • 4.2.2 基于Miner法则的两级加载点焊疲劳寿命预测65-66
  • 4.3 ST12两级加载点焊疲劳寿命BP网络下的训练和预测66-75
  • 4.3.1 ST12两级加载点焊疲劳寿命预测模型设计66-71
  • 4.3.2 神经网络预测结果与讨论71-75
  • 4.4 本章小结75-76
  • 第五章 点焊试件接头疲劳寿命预测系统用户界面设计76-82
  • 5.1 面向用户的操作界面76-77
  • 5.1.1 Matlab操作界面简介76
  • 5.1.2 图形用户界面设计遵循原则76-77
  • 5.2 BP神经网络模型预测寿命的界面设计77-80
  • 5.3 本章小结80-82
  • 结论与展望82-84
  • 致谢84-86
  • 参考文献86-90
  • 附录 攻读硕士期间发表学术论文90

【相似文献】

中国期刊全文数据库 前10条

1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期

3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期

4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期

5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期

6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期

7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期

8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期

9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期

10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

2 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

3 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

4 胡婷;改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D];昆明理工大学;2015年

5 刘俊辉;基于数据清洗方法的河道水位预测研究[D];昆明理工大学;2015年

6 刘波;短期风电功率预测方法研究[D];南京信息工程大学;2015年

7 蔡邦宇;人脸识别中单次ERP时空特征分析及其快速检索的应用[D];浙江大学;2015年

8 郑川;垃圾评论检测算法的研究[D];西南交通大学;2015年

9 李菊;BP神经网络在房地产批量评估中的应用研究[D];昆明理工大学;2015年

10 马亮;降水点分类预测方法研究[D];中国地质大学(北京);2015年



本文编号:618442

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/618442.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e6148***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com