基于相对误差平方和的神经网络预测镁合金多轴疲劳寿命

提出一种以相对误差平方和(Surm squared relative error,SSRE)作为误差性能函数的反向传播(Back propagation,BP)神经网络算法(SSRE-BP),针对3种不同镁合金AZ31B、ZK60和AZ61A在单轴拉压、纯扭、45°比例和90°圆形非比例等4种不同加载路径下的疲劳寿命进行预测。并与以均方误差(Mean squared error,MSE)作为误差性能函数的传统BP神经网络(MSE-BP)以及基于临界平面法的SWT疲劳损伤模型预测的结果进行比较。结果表明,在3种镁合金材料总共138组疲劳数据中,神经网络只有一组预测值在3倍偏差界限外,而用SWT预测结果分别有16组、13组、10组数据在3倍偏差界限外。两种BP神经网络能够较好地预测镁合金不同加载路径下的疲劳寿命,相比于SWT疲劳模型预测的寿命在精度上有较大幅度的提升。其中,SSRE-BP算法的精度略高于传统的MSE-BP算法。

填充式防护结构弹道极限方程的差异演化优化

综合建模形式弹道极限方程中存在11个待定参数,从理论上讲,采用穷举法可以获得其数值大小,但需要的计算时间过长,储存空间巨大,不宜实现,为解决此问题,改用差异演化算法。基于填充式实验数据,采用差异演化算法对综合建模形式弹道极限方程的11个待定参数进行了多目标优化计算。结果显示,方程的总体预测率为82.35%,安全预测率为100%,平均相对误差平方和为0.001 3。该方程对其他来源的49个实验数据的预测结果显示,总体预测率提升了1.32%,安全预测率降低了4.08%,平均相对误差平方和增加了0.007 3,表明差异演化算法适用于解决多参数多目标的弹道极限方程建模问题。