灰色神经元拟合算法在有限元模型修正中的应用

针对参数化修正有限元模型过程中难以利用较少数据建立参数与模态的精准数学预测模型问题,提出一种基于灰色理论调整矢量神经元权重的新型数学模型。使用最小二乘法将结构进行模态计算得到的数据拟合出几种不同的数学预测模型,挑取两个预测精度最高的模型作为输入端,建立神经元模型。为快速准确地计算权重,自定义神经元矢量求和运算方法。输入样本训练网络,根据权重的变化序列运用灰色理论预测权重的最终值,完成矢量神经元预测模型的建立。这种建模方法依据较少数据即可得到较高的预测精度,通用性好,符合工程计算需要。通过齿轮箱有限元模型修正实例对这种预测模型的有效性进行验证,该方法可以为结构的有限元模型修正提供有效路径。