基于混合神经遗传算法的扩胀管吸能特性预测

由于结构参数对吸能元件的吸能特性具有重要影响,将填充了泡沫铝的扩胀管与混合神经遗传算法相结合,对不同结构参数下扩胀管吸能特性进行分析预测。首先,基于泡沫铝填充机理设计出泡沫铝填充的扩胀式吸能装置,并建立有限元模型;然后利用非线性有限元软件LS-DYNA对不同参数变化情况下的扩胀管进行准静态轴向碰撞仿真;最后将胀管壁厚、诱导锥角、泡沫铝密度作为BP神经网络输入,扩胀管吸能特性参数作为网络输出,利用遗传算法优化网络权重和阈值,建立3层BP神经网络预测模型,经样本数据训练得到合适的网络。研究结果表明,网络预测值与期望值很接近,平均压溃载荷的误差值为3.02%,比吸能的误差值为4.82%,压缩力效率的误差值为0.92%,说明了该网络模型能够有效地预测扩胀管的吸能特性,并具有较高的精确度。