基于RBF-HDMR的高强钢材料参数反求

将RBF(radial  basis  function)-HDMR(high dimensional model representation)近似模型技术应用到高强钢DP600的Johnson-Cook(JC)模型参数反求中,在落锤试验测得位移-时间曲线的基础上,建立了以计算机仿真结果与试验数据之间的误差为目标输出,待求参数为设计变量的近似模型。结合遗传算法反求出DP600钢板的JC模型参数,将反求的参数输入模型,计算得到的仿真位移曲线与试验结果对比表明,该近似模型方法具有较高的精度。     

基于解耦型GMDH的车身材料参数反求

动态载荷作用时,具有应变率效应的材料在碰撞仿真中会展现出不同于静态载荷时的性能,准确的材料参数是获得可靠仿真结果的前提。主流的近似模型优化方法忽略了对变量间耦合关系的判定,造成近似模型中存在不必要的耦合项,增大误差项所占比重,降低模型的效率和泛化能力。为此,提出了解耦型数据分组处理方法(GMDH),在建模初期判断变量之间的耦合关系,进而确定模型的耦合项。在高维非线性函数测试中,该方法表现出优良的建模性能;将该方法与台车试验结合,反求出两种材料构成的拼焊板参数,与试验结果的对比表明,该反求方法具有较高的精度。