首先采用BP神經(jīng)網(wǎng)絡(luò)建立了噴丸25CrMo車軸鋼疲勞壽命預(yù)測(cè)模型。然后,在此基礎(chǔ)上采用遺傳算法(GA)對(duì)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度進(jìn)行了優(yōu)化。此外,還采用了徑向基神經(jīng)網(wǎng)絡(luò)(RBF)進(jìn)行建模分析,并與以上2種模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比。結(jié)果表明:遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(GA-BP)相比于BP和RBF神經(jīng)網(wǎng)絡(luò)具有更高的預(yù)測(cè)精度,其中訓(xùn)練集和測(cè)試集的平均預(yù)測(cè)精度分別為91.5%和85.4%。然后,基于GA-BP神經(jīng)網(wǎng)絡(luò)模型的連接權(quán)值矩陣和Garson方程進(jìn)行了靈敏度分析,從而進(jìn)一步量化了輸入影響因素對(duì)噴丸25CrMo車軸鋼疲勞壽命的相對(duì)影響比重;最后,還采用GA-BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了噴丸25CrMo車軸鋼表面殘余壓應(yīng)力的松弛行為。結(jié)果表明,測(cè)試集的平均預(yù)測(cè)誤差僅為3.4%,表明了該神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)性能良好。綜上所述,采用神經(jīng)網(wǎng)絡(luò)建模分析了噴丸25CrMo車軸鋼的疲勞性能和殘余壓應(yīng)力松弛行為,顯著降低了傳統(tǒng)疲勞試驗(yàn)所需的成本,并且還保證了較高的準(zhǔn)確性。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖17DSP預(yù)測(cè)結(jié)果

圖16SMSP1預(yù)測(cè)結(jié)果圖18SMSP2預(yù)測(cè)結(jié)果

圖18SMSP2預(yù)測(cè)結(jié)果

圖17DSP預(yù)測(cè)結(jié)果圖19CMSP預(yù)測(cè)結(jié)果

圖8遺傳算法BP神經(jīng)網(wǎng)絡(luò)測(cè)試集結(jié)果

根據(jù)3.1小節(jié)中3種神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果可知，經(jīng)過(guò)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度明顯高于其它2種。所以靈敏度分析采用了基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的連接權(quán)值矩陣。提取網(wǎng)絡(luò)權(quán)值后代入公式（5）可得所有輸入變量對(duì)輸出變量即噴丸25CrMo車軸鋼疲勞壽命的相對(duì)影響比重，如圖....

圖5BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練集結(jié)果

采用遺傳算法對(duì)建立的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化以提高預(yù)測(cè)準(zhǔn)確度。遺傳算法的最大進(jìn)化代數(shù)為100，種群規(guī)模10，交叉概率為0.3，變異概率為0.1。經(jīng)過(guò)197次迭代之后，性能評(píng)價(jià)函數(shù)mse達(dá)到了0.0000126，小于目標(biāo)誤差0.0001。經(jīng)過(guò)遺傳算法優(yōu)化后BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集預(yù)測(cè)值....

本文編號(hào)：3918322