[发明专利]一种基于BP神经网络的橡胶减振器性能预测及选型方法

说明书

本发明公开了一种基于BP神经网络的橡胶减振器性能预测及选型方法，通过振动试验得到橡胶减振器试件的共振频率和减振效率；以振动试验得到的试验数据为基础，以橡胶减振器的几何特征和邵氏硬度作为BP神经网络的输入，以橡胶减振器的共振频率或者减振效率作为BP神经网络的输出，训练神经网络，得到橡胶减振器的物理参量与减振性能的映射关系；利用神经网络模型，对大量未知减振器进行减振器性能预测，然后对物理变量和减振性能数据进行管理，从减振性能出发选出合适的减振器对应的物理参量，完成选型。本发明通过减振器的物理特征变量来预测减振器性能参数，只需根据设计振动量从数据库中选出符合要求的减振器；具有可推广性且选型预测效率高。

技术领域

本发明属于橡胶减振器性能预测和选型技术领域，具体涉及一种基于BP神经网络的橡胶减振器性能预测及选型方法。

背景技术

橡胶减振器凭借其粘弹性、加工性好、密度小、配比多样等诸多优点被广泛应用于各种减振系统中。在对减振器进行使用时，需要根据设备的情况选择出符合特定要求的橡胶减振器。但是随着各类橡胶减振器配比越来越丰富、尺寸形状越来越多样，如何从众多的橡胶减振器中选出符合特定要求的减振器成为新的研究课题。

传统的选型方法主要是通过工程经验结合大量的试验或者通过有限元软件模拟的方式确定所需减振器：

(1)通过以往类似型号减振器的选择经验来确定所需的型号；

(2)利用大量的振动试验得到所有型号的共振频率和减振效率，从而用于选型；

(3)利用有限元软件对所有型号的减振器进行仿真模拟，从而选出符合要求的减振器。

随着减振器的种类越来越多，通过工程经验的方式，很难找到适合所有减振器的经验去指导减振器选型；同时由于试验成本和减振器尺寸的限制，无法对每个减振器都开展振动试验来获得其共振频率和减振效率来指导选型；由于缺乏有效的模型来模拟橡胶的动态特性以及在仿真过程中的线性简化，使得利用有限元仿真的方法来选型误差太大且非线性分析非常耗时。这些传统方法随着橡胶减振器动态特性越来越复杂都已不再适用于新的减振器选型。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于BP神经网络的橡胶减振器性能预测及选型方法，通过神经网络算法建立橡胶减振器的物理特性和减振性能之间的映射关系，克服现有技术中不具普适性、耗费大量人力物力、仿真误差太大的问题。

本发明采用以下技术方案：

一种基于BP神经网络的橡胶减振器性能预测及选型方法，通过振动试验得到橡胶减振器试件的共振频率和减振效率；以振动试验得到的试验数据为基础，以橡胶减振器的几何特征和邵氏硬度作为BP神经网络的输入，以橡胶减振器的共振频率或者减振效率作为BP神经网络的输出，训练神经网络，得到橡胶减振器的物理参量与减振性能的映射关系；利用神经网络模型，对减振器进行性能预测，然后对物理变量和减振性能数据进行管理，从减振性能出发选出合适的减振器对应的物理参量，完成选型。

具体的，通过振动试验得到橡胶减振器试件的共振频率和减振效率具体如下：

S101、确定设备的典型工况及振动量级；根据减振器所承载的设备在实际运行中所受的振动环境确定振动试验的振动量级；

S102、根据减振器的实际装配方式，对减振器和承载设备分别开展低频段扫频试验和高频段随机振动试验，得到对应系统的共振频率和减振效率。

具体的，得到橡胶减振器的物理参量与减振性能的映射关系具体如下：