基于PSO-BP神经网络模型的运输车旋转支撑座轻量化研究

针对多功能运输车旋转支撑座结构偏重、生产成本高,且传统设计论证周期长、效率低等问题,提出了一种基于有限元理论与神经网络模型相结合的结构轻量化设计方法。通过Solidworks和Ansys建立了旋转支撑座有限元模型,并对支撑座进行静力进行了仿真分析;根据拉丁超立方抽样及有限元法获取了设计参数样本空间,构建了基于粒子群优化的BP神经网络模型,代替有限元模型确定了设计变量与性能参数之间的非线性关系,最后代入数学模型并在Matlab中计算求得了最优解,并将所求结果代入Ansys中模拟论证。研究结果表明:在满足应力、应变约束条件下,优化后支撑座的质量减少5.4%;该方案论证周期短、设计制造成本低。