基于SSA-BP算法的超高温陶瓷裂纹长度预测

超高温陶瓷构件在航天航空中的运用往往会出现检测方面的困难,在构件产生裂纹后会在一定范围内失效。针对使用传统的BP神经网络预测超高温陶瓷构件的裂纹长度存在的对连接权值和阈值具有较强依赖性导致收敛速度较慢、易陷入局部最优和稳定性差等问题,提出一种基于麻雀搜索算法SSA优化的BP神经网络关于裂纹长度的预测方法。以ABAQUS有限元分析软件得出的超高温陶瓷裂纹长度相关参数构成的基础数据集作为模型的输入。利用SSA优化BP神经网络的初始权值与阈值得到了更好的拟合结果。结果表明利用SSA-BP神经网络进行预测的可行性。

实测载荷谱疲劳裂纹曲线预测模型

采用历时8年实测载荷谱进行裂纹扩展实验,构建预测裂纹长度的新陈代谢模型并对比试验结果与预测结果在不同条件下的误差,分析结果表明:该模型结合无损检测技术,无需大量试验拟合材料常数即可有效预测裂纹长度,预测结果准确;能够减少载荷分散性和材料分散性对于预测结果的影响,大幅提高预测结果可靠性;该模型也可以应用于腐蚀疲劳环境中的裂纹长度预测。