← 返回列表
基于BP神经网络的纤维增强复合材料变刚度优化方法
摘要文本
本发明公开了一种基于BP神经网络的纤维增强复合材料变刚度优化方法，涉及纤维增强复合材料优化领域，首先基于NDFO插值格式构建最小化结构柔顺度为目标的纤维增强复合材料变刚度优化模型，考虑载荷大小与方向的随机性，获得神经网络模型训练所需的样本数据。其次，以最小均方误差作为目标函数，采用BP神经网络模型对原始样本数据集进行训练，最后建立模型评价体系对生成模型进行评价。本发明解决了现有优化方法存在反复迭代以及耗时长的问题。。更多数据：
申请人信息
- 申请人:西北工业大学; 西北工业大学深圳研究院
- 申请人地址:710072 陕西省西安市碑林区友谊西路127号
- 发明人: 西北工业大学; 西北工业大学深圳研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于BP神经网络的纤维增强复合材料变刚度优化方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311697902.0 |
| 申请日 | 2023/12/12 |
| 公告号 | CN117421996B |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 西北工业大学; 西北工业大学深圳研究院 |
| 发明人 | 段尊义; 刘亿; 朱继宏; 张皓翔; 陈志远; 徐斌 |
| 地址 | 陕西省西安市友谊西路127号西北工业大学计算机学院; 广东省深圳市南山区高新南九道45号西北工业大学深圳三航科技大厦25层 |
专利主权项内容
1.一种基于BP神经网络的纤维增强复合材料变刚度优化方法，其特征在于，包括以下步骤：S1：根据载荷工况区间内均匀分布的载荷大小和方向，获得训练所需的输入载荷；S2：按照载荷输入顺序，进行基于有限元分析和NDFO插值方法的纤维增强复合材料层合板变刚度优化设计，并提取对应载荷工况下优化迭代后训练所需的输出NDFO插值格式设计变量；S3：对输出NDFO插值格式设计变量进行数据组装，并判断是否所有输入载荷均参与计算，如果否，则返回步骤S1，如果是，则进入步骤S4；S4：将获得的所有输出NDFO插值格式设计变量作为样本数据集；S5：对样本数据集进行归一化处理；S6：将归一化处理后的样本数据集输入BP神经网络模型，并将最小均方误差作为目标函数，对BP神经网络模型进行训练；S7：将未参与训练的载荷输入训练完成的BP神经网络模型，获得输入载荷对应的输出NDFO插值格式设计变量；S8：对输入载荷对应的输出NDFO插值格式设计变量进行角度转换和图像化处理，完成基于BP神经网络的纤维增强复合材料变刚度优化。