基于PSO-ANFIS模型的矩形薄板荷载情况反演

荷载情况反演在汽车工程和医学等领域有重要意义,目前常用的方法普遍存在需要的观测点较多、计算量大和计算效率低的问题。为了通过少量观测点的挠度高效准确地反演矩形薄板荷载情况,建立了基于粒子群算法(particle swarm optimization,PSO)改进自适应神经模糊网络(adaptive network-based fuzzy inference system,ANFIS)的反演模型。利用解析法求解矩形薄板在不同集中荷载作用下的挠度作为训练样本,输入4个观测点的挠度,再利用粒子群算法对自适应神经模糊网络的适应度寻优,反演集中荷载的位置和大小。结果显示,PSO算法可以有效提高ANFIS模型的精度,ANFIS迭代次数的增加能提高精度。PSO-ANFIS模型中荷载位置x_(F)、y_(F)和荷载大小F的最大残差分别为0.027 m、0.025 m和0.126 N,最大相对误差分别为5.00%、4.40%和4.50%。