《表1 残余应力辨识结果》
文中采用BP神经网络方法进行反演获得残余应力。BP神经网络由输入层、隐含层和输出层组成,传递函数采用tangent sigmoid函数,采用梯度下降训练方法。训练和有效性检测的数据为有限元仿真的1 568个数据对。其中随机选择1 268个数据对用于训练,300个数据对用于有效性检测。采用最小均方差MSE来评价神经网络输出和目标值之间的误差。经过5 000次训练以后,根据得到的神经网络模型来反演残余应力值,部分结果如表1所示。从表1中可以看出,残余应力反演结果与仿真中给定值之间的误差在20%以内,可以满足工程需要。如果增加训练样本和训练次数、改变隐含层的神经元数量等方式还可以适当减小误差。
图表编号 | XD0065719800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 金宏平 |
绘制单位 | 湖北汽车工业学院机械工程学院 |
更多格式 | 高清、无水印(增值服务) |