[发明专利]一种基于BP神经网络的预测螺栓残余夹紧力的方法

权利要求书

1.一种基于BP神经网络的预测螺栓残余夹紧力的方法，其特征在于：根据螺栓型号设计、制造相应载荷下螺栓松动试验装置；

对螺栓连接结构进行相应载荷下的松动试验，获取螺栓残余夹紧力变化值；

以工况条件以及服役时间为输入向量，以对应条件下的残余夹紧力与初始夹紧力的比值作为输出向量；

确定BP神经网络的结构参数，对数据进行预处理，并把试验数据的分为训练样本集和测试样本集；

用训练样本集中的数据对BP神经网络模型进行训练，并调整其网络参数，训练成功后，用测试数据集中的数据对其进行测试，以验证神经网络模型的正确性；

经测试合格后的神经网络模型可以利用其泛化能力对指定工况下螺纹紧固件的残余夹紧力进行预测，判断其是否还能达到设计要求标准，并决定是否对其进行再次紧固；根据螺栓连接结构实际服役情况的要求，通过改变进行二次紧固的阈值得到满足不同服役要求下的二次紧固时间；以残余夹紧力达到其初始预紧力的80％为二次紧固标准，并作为输入变量，以对应的循环周次即进行二次紧固的时间作为输出变量还对该载荷的指定工况下的检修周期做出预测。

2.根据权利要求1所述的一种基于BP神经网络的预测螺栓残余夹紧力的方法，其特征在于：该方法所需的试验装置如下，螺纹紧固件(4)穿过压力传感器(3)用于紧固轴向松动试验试件(2)，拉伸试验机(1)的上、下夹头分别夹持轴向松动试验件的上下两部分，拉伸试验机(1)由控制系统(5)控制，残余夹紧力由压力传感器(3)监测，并由数据采集系统(6)采集和记录。

3.根据权利要求1所述的一种基于BP神经网络的预测螺栓残余夹紧力的方法，其特征在于：通过调整拉伸试验机施加载荷的参数以及对螺栓施加预紧力的大小进行多因素多水平的松动试验。

4.根据权利要求1所述的一种基于BP神经网络的预测螺栓残余夹紧力的方法，其特征在于：选用的神经网络类型为双隐层BP神经网络，用训练样本集中的数据对其进行训练，为了得到良好的学习效果，每次训练都对本集中的数据重新排序，达到误差容限或训练次数上限就停止训练。