基于遗传算法优化的SMABP神经网络本构模型

• 作者: 余滨杉 杨涛 樊禹江 王社良
• 来源期刊: 金属学报
• 学科: 工学
• 关键词: 形状记忆合金(SMA) 遗传算法 BP神经网络 动力本构模型
• 年，卷（期）: 2017,（2）
• 页码范围: 248-256
• 页数: 9页
• 分类号: TU502
• 语种: 中文
• DOI: 10.11900/0412.1961.2016.00218

摘要

系统研究了形状记忆合金丝(SMA)应力-应变曲线、特征点应力、耗能能力及等效阻尼比随材料直径、应变幅值、加载速率、加载循环次数的变化规律;由于SMA唯象Brinson等常见本构模型无法以数学模型方式精确描述SMA各影响因素对其力学性能的影响程度,基于SMA实验结果,本工作采用BP神经网络智能算法(一种利用误差反向传播训练的神经网络算法)对其进行非线性建模,同时利用遗传算法对神经元的初始权值和阈值进行优化,进而获得了一种基于遗传算法优化的SMA BP神经网络本构模型.利用该模型对SMA实验结果进行模拟,所得结果平均误差仅为1.13％,优于未优化的SMA BP神经网络模型.结果表明,基于遗传算法优化的SMA BP神经网络本构模型,能够精确地预测SMA在反复荷载作用下的超弹性性能,避免由于初始权/阈值取值不当引起的BP网络振荡而产生不收敛的问题,同时也充分考虑了加/卸载速率的动态影响,是一种良好的速率相关型动力本构模型.