船舶力学
船舶力學
선박역학
JOURNAL OF SHIP MECHANICS
2012年
4期
433-441
,共9页
疲劳裂纹扩展速率%BP神经网络%贝叶斯正则化
疲勞裂紋擴展速率%BP神經網絡%貝葉斯正則化
피로렬문확전속솔%BP신경망락%패협사정칙화
人工神经网络是进行预报裂纹扩展率的一个重要方法.文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP( Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力.将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能.计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力.同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力.研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的.并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报.
人工神經網絡是進行預報裂紋擴展率的一箇重要方法.文章針對不同金屬的疲勞裂紋擴展速率分彆建立貝葉斯正則化BP( Back Propagation)神經網絡,將各材料在不同應力比R下的疲勞裂紋擴展速率試驗數據分為兩部分,一部分用來進行訓練網絡,另一部分用來測試訓練好的網絡,檢驗其汎化能力.將從文獻中穫取的4種不同金屬材料的疲勞試驗數據作為算例,來檢驗網絡的性能.計算結果錶明貝葉斯正則化BP神經網絡不僅對訓練樣本有很好的擬閤能力,而且對于未訓練過的測試樣本也有較好的預測能力,即有較彊的汎化能力.同時,指齣瞭建立網絡時減少門檻值附近的試驗樣本點,可以提高網絡的預測能力.研究結果錶明,該方法可以方便地穫得不同應力比R下的疲勞裂紋擴展速率,從而達到減少試驗次數,充分利用已有數據的目的.併且可以進一步應用于其他金屬的疲勞裂紋擴展速率的預報.
인공신경망락시진행예보렬문확전솔적일개중요방법.문장침대불동금속적피로렬문확전속솔분별건립패협사정칙화BP( Back Propagation)신경망락,장각재료재불동응력비R하적피로렬문확전속솔시험수거분위량부분,일부분용래진행훈련망락,령일부분용래측시훈련호적망락,검험기범화능력.장종문헌중획취적4충불동금속재료적피로시험수거작위산례,래검험망락적성능.계산결과표명패협사정칙화BP신경망락불부대훈련양본유흔호적의합능력,이차대우미훈련과적측시양본야유교호적예측능력,즉유교강적범화능력.동시,지출료건립망락시감소문함치부근적시험양본점,가이제고망락적예측능력.연구결과표명,해방법가이방편지획득불동응력비R하적피로렬문확전속솔,종이체도감소시험차수,충분이용이유수거적목적.병차가이진일보응용우기타금속적피로렬문확전속솔적예보.