本文選題：形狀記憶合金(SMA)　切入點(diǎn)：遺傳算法　出處：《金屬學(xué)報(bào)》2017年02期

【摘要】：系統(tǒng)研究了形狀記憶合金絲(SMA)應(yīng)力-應(yīng)變曲線、特征點(diǎn)應(yīng)力、耗能能力及等效阻尼比隨材料直徑、應(yīng)變幅值、加載速率、加載循環(huán)次數(shù)的變化規(guī)律;由于SMA唯象Brinson等常見本構(gòu)模型無法以數(shù)學(xué)模型方式精確描述SMA各影響因素對其力學(xué)性能的影響程度,基于SMA實(shí)驗(yàn)結(jié)果,本工作采用BP神經(jīng)網(wǎng)絡(luò)智能算法(一種利用誤差反向傳播訓(xùn)練的神經(jīng)網(wǎng)絡(luò)算法)對其進(jìn)行非線性建模,同時(shí)利用遺傳算法對神經(jīng)元的初始權(quán)值和閾值進(jìn)行優(yōu)化,進(jìn)而獲得了一種基于遺傳算法優(yōu)化的SMA BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型。利用該模型對SMA實(shí)驗(yàn)結(jié)果進(jìn)行模擬,所得結(jié)果平均誤差僅為1.13%,優(yōu)于未優(yōu)化的SMA BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明,基于遺傳算法優(yōu)化的SMA BP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型,能夠精確地預(yù)測SMA在反復(fù)荷載作用下的超彈性性能,避免由于初始權(quán)/閾值取值不當(dāng)引起的BP網(wǎng)絡(luò)振蕩而產(chǎn)生不收斂的問題,同時(shí)也充分考慮了加/卸載速率的動態(tài)影響,是一種良好的速率相關(guān)型動力本構(gòu)模型。
[Abstract]:The stress-strain curve, characteristic stress, energy dissipation capacity and equivalent damping ratio of shape memory alloy wire (SMA) with material diameter, strain amplitude, loading rate and loading cycle times are systematically studied.Because SMA phenomenological Brinson and other common constitutive models can not accurately describe the degree of influence of various factors of SMA on its mechanical properties by mathematical model, based on the results of SMA experiments,In this work, BP neural network intelligent algorithm (a neural network algorithm using error back propagation training) is used to model its nonlinear model, and genetic algorithm is used to optimize the initial weights and thresholds of neurons.Then a constitutive model of SMA BP neural network based on genetic algorithm optimization is obtained.The model is used to simulate the experimental results of SMA. The average error of the obtained results is only 1.13, which is better than that of the unoptimized SMA BP neural network model.The results show that the constitutive model of SMA BP neural network based on genetic algorithm can accurately predict the hyperelastic performance of SMA under repeated loads.The problem of non-convergence caused by BP network oscillation caused by improper initial weight / threshold value is avoided, and the dynamic effect of loading / unloading rate is fully considered. It is a good rate dependent dynamic constitutive model.
【作者單位】： 西安建筑科技大學(xué)土木工程學(xué)院;長安大學(xué)建筑學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目No.51678480 陜西省科技統(tǒng)籌創(chuàng)新計(jì)劃項(xiàng)目No.2013SZS01-S02 陜西省工業(yè)攻關(guān)項(xiàng)目No.2014K06-34~~
【分類號】：TG139.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李松;劉力軍;解永樂;;遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流混沌預(yù)測[J];控制與決策;2011年10期

2 王振清;周博;梁文彥;;形狀記憶合金的本構(gòu)關(guān)系[J];金屬學(xué)報(bào);2007年11期

3 任文杰;李宏男;宋鋼兵;;一種新的超彈性形狀記憶合金本構(gòu)模型[J];大連理工大學(xué)學(xué)報(bào);2006年S1期

4 崔迪;李宏男;宋鋼兵;;形狀記憶合金超彈性本構(gòu)關(guān)系的神經(jīng)網(wǎng)絡(luò)模型[J];振動工程學(xué)報(bào);2006年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭明秋;楊帆;;改進(jìn)非負(fù)矩陣分解的神經(jīng)網(wǎng)絡(luò)人臉識別[J];液晶與顯示;2017年03期

2 余濱杉;王社良;楊濤;樊禹江;;基于遺傳算法優(yōu)化的SMABP神經(jīng)網(wǎng)絡(luò)本構(gòu)模型[J];金屬學(xué)報(bào);2017年02期

3 吳陳;王和杰;;基于改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)[J];電子設(shè)計(jì)工程;2016年24期

4 袁方;舒勤;戴元;;道路交通流多步預(yù)測流量控制建模研究[J];計(jì)算機(jī)仿真;2016年11期

5 楊春蘭;薛大為;;電子鼻定量檢測淡水魚新鮮度的方法研究[J];食品與發(fā)酵工業(yè);2016年12期

6 李偉;袁新安;曲萌;陳國明;葛玖浩;孔慶曉;張雨田;吳衍運(yùn);;基于GA-BP神經(jīng)網(wǎng)絡(luò)的ACFM實(shí)時(shí)高精度裂紋反演算法[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年05期

7 趙曉華;姚瑩;伍毅平;陳晨;榮建;;基于主成分分析與BP神經(jīng)元網(wǎng)絡(luò)的駕駛能耗組合預(yù)測模型研究[J];交通運(yùn)輸系統(tǒng)工程與信息;2016年05期

8 趙瑞勇;周新志;;基于MEA-BP的微波加熱褐煤溫度預(yù)測[J];傳感器與微系統(tǒng);2016年10期

9 張振華;繩飄;王欽亭;王磊;;形狀記憶合金偽彈性行為模擬[J];應(yīng)用力學(xué)學(xué)報(bào);2016年05期

10 楊春蘭;薛大為;;基于電子鼻技術(shù)的茶葉貯藏時(shí)間檢測方法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年05期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李松;劉力軍;郭海玲;;短時(shí)交通流混沌預(yù)測方法的比較[J];系統(tǒng)工程;2009年09期

2 任雪蓮;陳曉芬;馬駿;;遺傳—神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用[J];交通科技與經(jīng)濟(jì);2009年04期

3 陳文;龐琳娜;;GABP神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用研究[J];微計(jì)算機(jī)信息;2009年14期

4 張玉梅;曲仕茹;溫凱歌;;基于混沌和RBF神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流量預(yù)測[J];系統(tǒng)工程;2007年11期

5 董超俊;劉智勇;;多層混沌神經(jīng)網(wǎng)絡(luò)及其在交通量預(yù)測中的應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年19期

6 李松;賀國光;;基于最大Lyapunov指數(shù)改進(jìn)算法的交通流混沌判別[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年05期

7 李海濤,彭向和,黃尚廉;形狀記憶合金的一種基于經(jīng)典塑性理論的兩相混合本構(gòu)模型[J];固體力學(xué)學(xué)報(bào);2004年01期

8 徐祖耀;馬氏體相變研究的進(jìn)展(一)[J];上海金屬;2003年03期

9 郭揚(yáng)波,劉方平,載翔宇,唐志平,虞吉林;TiNi合金的動態(tài)偽彈性行為和率相關(guān)相變本構(gòu)模型[J];爆炸與沖擊;2003年02期

10 董軍輝,薛素鐸,周乾;形狀記憶合金在結(jié)構(gòu)振動控制中的應(yīng)用[J];世界地震工程;2002年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉坤,劉偉波,吳忠強(qiáng);基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學(xué)院學(xué)報(bào);2005年04期

2 李華昌,謝淑蘭,易忠勝;遺傳算法的原理與應(yīng)用[J];礦冶;2005年01期

3 馮錦春;楊林建;;遺傳算法在機(jī)械工程方面的應(yīng)用研究[J];煤礦機(jī)械;2008年08期

4 李凱;田雙亮;耿麗君;張喜;;基于改進(jìn)遺傳算法在分析企業(yè)客戶群中的應(yīng)用[J];河南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

5 劉鐵男,姜建國,陳繼剛,張長江,于鏑;遺傳算法的收斂性分析[J];大慶石油學(xué)院學(xué)報(bào);2000年03期

6 樂慧豐,林家駿,俞金壽;投影遺傳算法[J];華東理工大學(xué)學(xué)報(bào);2000年05期

7 苑進(jìn),孫忠林,劉雪美;改進(jìn)遺傳算法在齒輪減速器優(yōu)化中的應(yīng)用[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

8 李春利,郭章紅,楊振生;基于遺傳算法的分子設(shè)計(jì)初探[J];化學(xué)工業(yè)與工程;2002年01期

9 董軍芳,曾穎,林金清;應(yīng)用遺傳算法推算多元溶液熱力學(xué)數(shù)據(jù)[J];吉首大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年01期

10 唐雪萍,何緒全;遺傳算法在流體識別中的應(yīng)用[J];天然氣勘探與開發(fā);2002年01期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1727925