基于BP网络的蜂窝铝芯力学性能预测与灵敏度分析

以蜂窝铝芯几何结构参数对其面内等效性能影响为研究对象,将正交试验和均匀化理论与有限元相结合来获得数据样本,建立了蜂窝铝芯几何结构参数与其等效弹性性能参数之间复杂非线性映射关系的网络模型,并利用贝叶斯正则化算法,实现了BP神经网络对蜂窝铝芯力学性能的预测。在较少样本数据的情况,可以较高精度地预测胞元结构参数对蜂窝铝芯等效性能的影响规律。提取该BP模型中各层的权值,运用Garson算法得到各结构参数对蜂窝铝芯等效力学性能影响程度的灵敏度系数,结果表明灵敏度分析可评估结构参数对等效力学性能的影响,可为蜂窝铝芯设计提供参考。     

基于FEA的蜂窝铝芯平压分析

利用非线性有限元分析软件MSC.Marc对蜂窝铝芯平压过程进行了模拟计算,得到了应力分布图和应力沿路径分布曲线,结合图形和曲线分析了蜂窝铝芯的应力分布规律和变形特点。结果表明,平压过程中应力集中出现在交棱处,在外力作用下这些位置最容易发生失稳,而面板中间的应力值始终相对交棱处应力值较小;由于交棱和壁板中部受到的约束不同,最大应力分布区域与变形最大区域不一致。     

双壁厚蜂窝铝芯的共面冲击力学性能

参考文献[1],加入孔壁的剪切和伸缩变形精确推导了双壁厚蜂窝铝芯的共面弹性模量公式,并给出了其静态峰应力、密实化应变和单位体积密实化应变能的计算公式.建立了双壁厚蜂窝铝芯7×7的单元阵列有限元分析模型,分析了冲击速度在3～252 m/s时双壁厚蜂窝铝芯的冲击性能.随着冲击速度的增加,双壁厚蜂窝铝芯在x1和x2方向上先后表现出三种变形模式,变形模式的转换速度与(t/l)1/2成线性关系.双壁厚蜂窝铝芯的弹性模量与冲击速度成二次曲线关系,峰应力和单位体积密实化应变能与冲击速度的平方成线性关系,它们的相关拟合系数与t/l成二次曲线关系.根据壁厚在0.05～0.3 mm间的模拟结果,给出了描述以上关系的经验公式.     

铝蜂窝胞元结构参数对其宏观等效表征性能的影响

将均匀化理论与有限元方法相结合,建立了预测铝蜂窝宏观等效特征参数的细观力学模型,研究铝蜂窝胞元结构参数对其宏观等效表征性能的影响,并采用MATLAB语言编程,计算了不同高长比、不同厚长比及不同胞璧夹角的不规则正交各向异性蜂窝铝芯的等效弹性参数,得到了胞元结构参数对铝蜂窝宏观力学性能的影响规律,所得结果对蜂窝铝芯的结构设...     

基于Marc的蜂窝纸芯力学性能研究

简要介绍了国内外蜂窝纸板力学性能的研究现状.考虑到蜂窝纸芯受力后的变形和破坏过程包括了材料非线性和结构非线性,采用了高级非线性有限元分析软件Msc.marc 2005对蜂窝纸芯的静态压缩特性进行了计算模拟,其中参考了前人实验得到的应力应变曲线,确定了蜂窝纸芯的弹性模量等力学参数,设定了各种可选用的单元进行相应的模拟,得到了受载时蜂窝纸芯的应力应变分布图,画出了应力沿路径分布曲线图,结合图形和曲线分析了蜂窝纸芯的应力分布规律和变形特点.结果表明,采用thin shell 139等单元做出的蜂窝纸芯应力应变图与前人所做的结果相符,同时也符合蜂窝纸芯的变形模式;通过对蜂窝纸芯的计算模拟,单元和约束之间如何协调才能满足分析要求,需要进一步研究;此结论为下一步对蜂窝复合纸板的理论研究提供参考.     

基于BP神经网络的转动架稳定性灵敏度分析

转动架作为某型游乐设备的关键部件,其固有频率和屈曲强度直接关系着结构的稳定性。运用有限元软件ANSYS Workbench建立转动架的有限元模型,通过模态分析和谐响应分析得到对转动架振动影响最为显著的固有频率,通过屈曲稳定性分析得到转动架失稳时的屈曲特征值,并运用试验设计获得140个样本点。为探索各个设计参数对转动架固有频率和屈曲强度的灵敏度,运用MATLAB软件建立BP（back propagation,反向传播）神经网络数学模型并对样本点进行拟合,再通过Isight与MATLAB的集成应用,利用描述性蒙特卡洛抽样法对神经网络模型进行数值模拟。结果表明：对转动架稳定性影响较大的危险模态主要是第10至第12阶模态;对转动架危险模态频率影响较大的主要是肢杆壁厚度、肢杆截面长度和肢杆截面宽度,而对转动架屈曲稳定性影响较为明显的则是肢杆、腹杆和圆板的6个尺寸参数。研究结果表明,合理地改善对转动架稳定性影响较大的设计参数将有效地提升其稳定性和设计效率,这可为该结构的后续设计和优化提供一定的借鉴和参考。     

铝蜂窝夹芯结构爆炸罐动力响应研究

铝蜂窝芯具有良好的变形能力、优异的力学性能和缓冲吸能效果,在爆炸罐大当量化的应用方面展现出巨大的优势.结合单层爆炸罐试验和仿真计算结果,得出单层罐在爆炸荷载作用下的最薄弱位置,验证了数值模型的可靠性;基于此提出了一种内衬可滑动的钢板-铝蜂窝芯-钢板复合多层爆炸罐的结构设计,建立了复合多层罐的细观模型,并对其在承受爆炸荷...     

中温自反应钎焊铝蜂窝芯耐高温老化性能分析

采用微小力学测试系统对经过高温老化的中温自反应精密钎焊铝蜂窝芯接头进行拉剪性能测试,并利用扫描电子显微镜及能谱仪对其进行显微组织形貌观察和成分分析,研究接头组织及成分变化与其耐高温老化性能的关系。结果表明:利用1060铝箔和铝合金复合钎焊板所制备的铝蜂窝芯在200℃高温老化12,24,36h后拉剪强度与未老化时相比均无明显下降,且接头的薄弱部分为靠近钎焊接头的母材部分。铝蜂窝芯接头组织形貌及成分分析显示,高温老化对钎缝组织中金属Zn,Sn含量影响不大且无新的化合物相形成;钎缝组织及成分不发生明显变化是蜂窝芯接头耐高温老化的主要原因。     

基于BP神经网络的交通事故预测

本文利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了BP神经网络的道路交通事故预测模型。选取人口数量、公路里程数和客运量作为神经网络的输入神经元,道路交通死亡人数和交通事故经济损失作为网络的输出神经元,对道路交通事故进行预测。     

基于BP神经网络的混凝土综合性能预测

本工作采用BP神经网络系统进行混凝土综合性能预测。由于影响混凝土材料性能的因素众多,且实验周期长,实验量大,因此能在少量实验前提下得到精确的实验结果,对于混凝土方面的研究工作显得十分重要。利用BP神经网络系统进行该实验设计,可以对混凝土性能做出预判,对实施实验及实验结果有较强的导向作用。本研究以影响混凝土性能的诸多因素作为输入向量,通过预测系统运行,得到较为精确的结果,与实验值相比,误差主要分布在15%以内,极个别出现24%的预测误差。以此为依据,进行混凝土材料实验工作,使得实验工作有明显的趋向,快速得到满意的实验结果。     

基于BP神经网络的引信贮存可靠性预计

根据引信贮存可靠性的特点和BP神经网络结构．建立了引信贮存可靠性预计的神经网络模型;结合库存引信可靠性的实测数据,应用BP神经网络的误差反向传播算法．对引信贮存可靠度进行了训练并预计出引信贮存可靠度下限值,并与极大似然估计的可靠度下限值进行了比较,结果相吻合．神经网络在引信贮存可靠性预计中的应用．对处理目前库存引信的决策具有重要意义．     

基于BP神经网络的冷水机组能效预测方法

针对冷水机组能效物理模型及辨识模型结构复杂,模型参数难以获取等特点,提出了基于BP神经网络的冷水机组能效预测方法,并以某酒店离心式冷水机组为例,建立了其冷水机组能效预测模型,并利用实际运行数据对模型进行了训练及验证,同时介绍了该模型神经网络结构参数的设计及冷水机组能效预测方法实现过程,线性回归分析结果表明：提出的能效预测方法能够准确地预测冷水机组的能效,方法简单、实用,具有一定的适用性。     

基于BP神经网络的微差爆破震动预测研究

爆破震动危害是矿山安全评估的一个重要指标,爆前对其震动预测,做好安全防护,是保证矿山安全生产的重要措施。爆破对象及其地质情况的不确定性、爆区周边环境的复杂性,使得震动监测难以用一套统一的公式进行准确预测。人工神经网络可实现复杂环境、多因素影响下的仿真模拟,利用BP神经网络建立爆破震动预测模型,将爆破的原始数据及监测数据输入模型,利用Matlab软件自带的神经网络软件包自编程序对其进行训练,使得模型的传递函数达到最优。实践证明,将模型用于爆前震动预测,能够有效的预测震动,指导施工。     

异面预压铝蜂窝降低初始峰值力敏感性分析

利用动态几何信息再更新策略,重置预压后胞元的单元信息及边界条件,实现了铝蜂窝预压缩数值模拟。对比准静态实验,分析了预压缩前后蜂窝力学特性的变化。采用数值模拟手段研究了预压缩对峰值力特性在冲击速率与预压深度两方面的敏感性,结果表明:准静态加载时,蜂窝直接进入稳定压缩段,初始峰值力不复存在;动态低速加载时,若预压量低于某定值,蜂窝先进入稳定压缩段,继而出现二次峰值,达到甚至超过该值后,预压后峰值特性趋于稳定,峰值均出现在加载初始时刻,理想的周期性褶皱对应周期性峰值力的现象并不存在;对出现二次峰值的预压蜂窝,二次峰值随冲击速率的提高增加不明显,在速率达到20m/s后,反而在加载初始时刻出现新的初始峰值力,该力值甚至大于二次峰值;总体而言,二次峰值与预压后初始峰值均小于未预压处理的蜂窝初始峰值,峰值特性得到明显改观。系列结果对蜂窝吸能材料选择与设计提供重要参考。     

正方形金属蜂窝材料共面力学性能的仿真分析

建立了正方形金属蜂窝铝芯13×8的蜂窝单元阵列有限元分析模型,研究了正方形金属蜂窝在共面压缩载荷作用下的变形形态,并分析了速度在3～250m/s时,正方形金属蜂窝铝芯的共面力学性能与其结构参数和速度之间的关系.当结构参数固定时,正方形金属蜂窝铝芯的峰应力与速度的平方成线性关系,而当速度固定时,峰应力与壁厚边长比成幂指数关系.     

基于神经网络的电弧增材制造铝合金力学性能预测

目的 预测不同工艺参数下电弧增材制造铝合金的力学性能。方法 通过实验建立了电弧增材制造6061铝合金及Ti C增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R²)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测Ti C增强的6061铝合金抗拉强度最佳结果的R=1,R²高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造...     

基于BP神经网络和DEA的物流供应商选择

把交叉模型的评价结果设定为样本的期望值,将BP神经网络和交叉评价模型有机结合起来,构建了物流供应商选择模型。以2006年22家上市物流供应商的数据为样本进行了研究。该方法从统计数据出发,避免了主观因素对评价结果的影响,使物流供应商选择结果具有相对客观性。实例表明,该选择模型能够确定出备选物流供应商的评价等级和大小,为物流供应商的选择提供了一种新方法。     

基于BP神经网络的压电陶瓷蠕变预测

压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,难以实时修正。提出基于BP神经网络的压电陶瓷蠕变预测方法,使用压电陶瓷驱动系统采集数据,对数据进行归一化处理,通过实验设计BP神经网络的隐含层数、隐含层节点数、节点转移函数和训练函数,构建BP神经网络预测模型,建立压电陶瓷蠕变与时间的关系。用BP神经网络模型对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,蠕变预测结果与实验数据的最大绝对误差均小于0.1 μm,最大蠕变误差均不超过0.6%,最大均方误差仅为0.0021,可见,BP预测模型具有较高的预测精度,可作为预测压电陶瓷蠕变误差的一种有效手段。