人工神经网络在复合泡沫塑料力学研究中的应用
对人工神经网络(ANN)在微珠填充泡沫塑料力学行为研究中的应用进行了探讨.选取在不同微珠体积含量下的归一化实验数据作为训练样本,分别以影响力学行为的因素和所需性能值作为输入量和输出量,利用反向传播算法建立了模拟和预测微珠填充泡沫塑料力学行为的四层神经网络模型.对比实验和数值结果发现,经过训练后的人工神经网络能够较好地模拟预测复合泡沫材料的模量、屈服强度和不同应变率或温度下的应力-应变曲线.在采用的三种不同改进训练方法中,Bayesian规则化法的泛化能力最好,Levenberg-Marquardt法收敛最快,自适应梯度下降动量法则需要较长的迭代时间才能达到相同的精度.此外,在相同均方误差下,相对全量型本构模型,增量型神经网络本构模型具有更好的拟合效果和精度.
复合泡沫塑料 力学行为 人工神经网络 反向传播算法
邹波
北京航空航天大学航空科学与工程学院,北京100083
国内会议
北京
中文
296-303
2006-09-01（万方平台首次上网日期，不代表论文的发表时间）