[发明专利]一种基于BP人工神经网络的材料动态力学性能预测方法

摘要

本发明涉及一种基于BP人工神经网络的材料动态力学性能预测方法，旨在通过BP人工神经网络预测解决材料动态力学性能测试问题，属于材料动态力学性能测试领域。其原理是利用高速拉伸试验方法采集应力应变数据，经归一化预处理后得到训练样本集；通过设计输入层、隐含层和输出层构建BP人工神经网络模型，并选择适当的传递函数、训练函数和学习函数；使用训练样本集对BP人工神经网络进行迭代训练得到最佳的预测网络。使用该预测模型对材料的动态力学性能进行预测，可短时间内快速预测材料在不同应变速率条件下的流变曲线，能够为汽车安全仿真提供足够的样本材料数据。

主权项

一种基于BP人工神经网络的材料动态力学性能预测方法，其特征在于，包括如下步骤：S1，采集材料应力应变数据，经归一化预处理后得到训练样本集；S2，通过设计输入层、隐含层和输出层构建BP神经网络模型，并选择传递函数、训练函数和学习函数；S2‑1，用于材料动态力学性能预测的BP人工神经网络由输入层、隐含层和输出层构成；其中，输入层包括应变速率和应变2个神经元，输出层为应力1个神经元；通过进行确定一个隐含层神经元数量范围，随后对该范围内各数量神经元条件下的网络进行预训练，通过比较BP人工神经网络收敛精度及收敛速度，确定最优的隐含层的神经元数量；n1=n+m+a,]]>式中，n1为隐含层单元数，m为输出单元数，a为(1，10)之间的常数；S2‑2，创建上述的神经网络；S2‑3，创建BP人工神经网络后，为该网络选择传递函数、训练函数和学习函数，用于激活整个网络的学习、反馈和最终的预测功能；根据收敛精度分析，分别选择线性‑对数形式的传递函数、Levenberg‑Marguart训练函数和梯度下降动量学习函数learngdm；S3，使用训练样本集对BP人工神经网络进行迭代训练得到最佳的预测网络；S4对训练得到最佳的预测网络，应用在材料动态力学性能预测中，获取该材料在任意应变速率条件下的动态力学性能。