基于贝叶斯优化神经网络的螺栓松动特性预测

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。