《表1 网络训练样本：基于混合神经遗传算法的扩胀管吸能特性预测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于混合神经遗传算法的扩胀管吸能特性预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为研究吸能元件结构参数的变化对其吸能特性的影响，需准备网络训练的学习样本，经上述轴向碰撞仿真分析，考虑吸能元件结构设计的合理性及各参数对吸能特性的影响效果，其壁厚、锥度及泡沫铝密度的变化范围为3mm≤t≤5mm，20°≤α≤30°，0.17kggm-3≤α≤0.51kggm-3，分别取5组壁厚（t=3mm，4mm，5mm，6mm，7mm），5组锥度（α=20°，22°，25°，27°，30°）及4组泡沫铝密度（ρ=0.20kg·m-3，0.30kg·m-3，0.40kg·m-3，0.50kg·m-3），共100组样本数据，调整吸能管结构参数，对其进行多次碰撞模拟，得到各尺寸参数下结构的吸能特性，对结构参数做归一化处理，建立该训练样本组成的样本空间，其中10组学习样本，如表1所示。