基于贝叶斯优化神经网络的螺栓松动特性预测 |
| |
引用本文: | 王灿,韩帅帅,孙清超.基于贝叶斯优化神经网络的螺栓松动特性预测[J].计算机集成制造系统,2024(3):917-925. |
| |
作者姓名: | 王灿 韩帅帅 孙清超 |
| |
作者单位: | 1. 大连理工大学机械工程学院;2. 江苏徐工工程机械研究院有限公司 |
| |
基金项目: | 国家自然科学基金资助项目(U22A20203)~~; |
| |
摘 要: | 针对螺纹松动过程影响因子多且具有典型非线性特征,预紧力衰减难以准确预测的问题,提出了一种基于贝叶斯优化神经网络的螺栓防松性能预测方法。首先建立了螺纹松动的动力学模型,并采用响应曲面法定量分析了各因子对残余预紧力的影响,确定了初始预紧力和振幅为影响松脱最敏感的两个因子;进一步采用贝叶斯优化算法,建立基于神经网络的螺栓残余预紧力预测模型,实现螺栓残余预紧力的精准预测,并对该模型进行了验证。结果表明:相对于三层神经网络、高斯过程回归以及支持向量机模型等,基于贝叶斯优化的神经网络预测模型的均方误差最小,且R2系数最接近1,通过试验验证,螺栓残余预紧力预测值与实际测试值误差在7%之内,验证了模型的有效性及可靠性,为螺栓可靠性防松设计奠定基础。
|
关 键 词: | 螺纹松动机理 残余预紧力 响应曲面 贝叶斯算法 神经网络 |
|