基于人工神经网络的连续油管疲劳寿命预测

• 作者: 于桂杰 张佳兴 赵崇 迟建伟
• 来源期刊: 中国石油大学学报(自然科学版)
• 关键词: 连续油管 疲劳寿命 表面缺陷 人工神经网络
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 石油机械工程
• 页码范围: 131-136
• 页数: 6页
• 分类号: TE931.2
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2018.03.016

摘要

利用人工神经网络理论预测带有表面缺陷的连续油管的低周疲劳寿命.基于自组织特征映射神经网络(SOFM)与径向基函数神经网络(RBF),考虑连续油管表面缺陷的影响,建立连续油管寿命预测的混合网络模型.该模型利用SOFM神经网络的自组织聚类能力对样本进行分类,并将其分类中心及对应的权值向量传递给RBF神经网络,作为RBF神经网络径向基函数的中心,再利用RBF神经网络非线性逼近能力预测连续油管寿命.结果表明,SOFM和RBF混合神经网络的预测结果在精度与稳定性上优于BP神经网络.