吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (6): 1710-1715.doi: 10.13229/j.cnki.jdxbgxb201406027

• 论文 • 上一篇    下一篇

基于遗传算法优化的BP神经网络的材料疲劳寿命预测

闫楚良, 郝云霄, 刘克格   

  1. 北京飞机强度研究所,北京 100083
  • 收稿日期:2014-07-01 出版日期:2014-11-01 发布日期:2014-11-01
  • 通讯作者: 郝云霄(1983-),女,博士.研究方向:飞机结构寿命与可靠性.E-mail:haoyunxiao_123@163.com
  • 作者简介:闫楚良(1947-),男,研究员,博士生导师.研究方向:飞机结构寿命与可靠性.E-mail:
  • 基金资助:

    国家自然科学基金项目(50135010)

Fatigue life prediction of materials based on BP neural networks optimized by genetic algorithm

YAN Chu-liang, HAO Yun-xiao, LIU Ke-ge   

  1. Beijing Aircraft Strength Institute, Beijing 100083, China
  • Received:2014-07-01 Online:2014-11-01 Published:2014-11-01

RICH HTML

2   

PDF (PC)

710

摘要：

针对传统的材料疲劳寿命计算方法(概率统计法)误差较大的问题,在对材料疲劳寿命数据进行分类的基础上,采用基于遗传算法优化的BP神经网络方法,建立了应力集中系数、应力均值、应力幅值和材料的中值寿命之间的关系模型,针对具有有限寿命的数据进行寿命预测。实例验证结果表明,利用本文方法获得的预测结果与试验数据的相对误差均在5%以下,优于传统算法的预测精度,可以作为获取材料疲劳寿命数据的一种更为有效的手段。

关键词: 材料疲劳寿命, BP神经网络, 遗传算法, 疲劳寿命预测

Abstract:

The error of traditional fatigue life algorithms of materials is big. To overcome this problem, a model of the relationship among stress concentration factor (Kt), stress average (Sm), stress amplitude (Sa) and median life (N50) was built using BP neural network combined with genetic algorithm. This model is based on the classification of fatigue life data of materials, and it can be used to predict fatigue lift of materials with finite life data. Experiment results show that, using this model the relative prediction error is below 5%, in another word, the prediction accuracy of this model is higher than that of the traditional prediction algorithms. So this model can be applied to prediction the fatigue life of materials.

Key words: fatigue life of materials, BP neural networks, genetic algorithm, fatigue life prediction

中图分类号: 

  • O346.2
[1] 高镇同,熊峻江. 疲劳可靠性[M]. 北京: 北京航空航天大学出版社, 2000.
[2] 闫楚良, 刘克格. 飞机结构经济寿命设计与可靠性评定[M].北京: 航空工业出版社, 2010.
[3] Yan Chu-liang, Liu Ke-ge. Fatigue scatter factor of whole life and reliability of aircraft structure service life[J]. Advanced Materials Research, 2008,44-46:739-744.
[4] Yan Chu-liang, Liu Ke-ge. Theory of active reliability-based design for predetermined life of structures[J]. Advanced Materials Research, 2008,44-46:745-750.
[5] Yan Chu-liang,Liu Ke-ge. Theory of economic life prediction and reliability assessment of aircraft structures[J]. Chinese Journal of Aeronautics,2011,24:164-170.
[6] 闫楚良, 高镇同. 疲劳性能广义S-N曲面[J]. 机械工程学报, 1999, 34(1):103-105. Yan Chu-liang, Gao Zhen-tong. Generalized S-N curved surface of fatigue character[J]. Journal of Mechanical Engineering, 1999, 34(1):103-105(In Chinese).
[7] 李宏双, 吕震宙. 估计疲劳寿命三参数P-S-N曲线的新方法[J]. 机械强度, 2007, 29(2):300-304. Li Hong-shuang, Lyu Zhen-zhou. New method for estimating fatigue life three-parameter P-S-N curves[J]. Journal Mechanical Strength,2007, 29(2):300-304.
[8] 赵永翔 杨冰. 不完善概率疲劳S-N曲线的Monte Carlo修正[J]. 机械工程学报,2011,47(12):170-174. Zhao Yong-xiang, Yang Bing. Monte carlo mondification of imperfect probabilistic fatigue S-N curves[J]. Journal of Mechanical Engineering,2011,47(12):170-174.
[9] 孟广伟, 沙丽蓉, 李锋, 等. 基于径向基函数神经网络响应面法的装载机动臂疲劳可靠性[J]. 吉林大学学报:工学版,2009, 39(6):1516-1520. Meng Guang-wei, Sha Li-rong, Li Feng, et al. Fatigue reliability analysis of loader boom based on RBF-NN response surface method[J]. Journal of Jilin University(Engineering and Technology Edition),2009,39(6):1516-1520.
[10] Rodney D Averett, Mary L Realff. Comparative post fatigue residual property predictions of reinforced and unreinforced poly(ethylene terephthalate) fibers using artificial neural networks[J]. Composites Part A: Applied Science and Manufacturing, 2010,41(3):331-344.
[11] 刘仁云, 于繁华, 刘军. 基于小波神经网络的简支梁桥损伤识别[J]. 吉林大学学报:工学版,2009, 39(2):413-416. Liu Ren-yun, Yu Fan-hua, Liu Jun. Damage detection for simply supported based on wavelet neural network[J]. Journal of Jilin University(Engineering and Technology Edition),2009,39(2):413-416.
[12] 马锐. 人工神经网络原理[M]. 北京:机械工业出版社, 2010.
[13] 瞿宜锋, 李鸿雁, 刘寒冰, 等. 用遗传算法优化神经网络初始权重的方法[J]. 吉林大学学报:工学版,2003,33(2):45-50. Qu Yi-feng, Li Hong-yan, Liu Han-bing, et al. Method for optimizing initial werghts of ANNs by GAs[J]. Journal of Jilin University(Engineering and Technology Edition),2003,33(2):45-50.
[14] Zhou Nan, Zhang Ji-xiong. Genetic algorithm coupled with the neural network for fatigue properties of welding joints predicting[J]. Journal of Computers,2012,7(8):1887-1894.
[15] 李敏强, 寇纪凇. 遗传算法的基本理论与应用[M]. 北京: 科学技术出版社, 2003.
[16] 李英, 李元春. 基于神经网络和遗传算法的采油控制系统[J]. 吉林大学学报:工学版, 2006,36(1):83-86. Li Ying, Li Yuan-chun. Oil pumping control system based on neural network and genetic algorithm[J]. Journal of Jilin University(Engineering and Technology Edition),2006,36(1):83-86.
[17] 高镇同. 疲劳性能试验设计和数据处理[M]. 北京: 北京航天航空大学出版社, 1999.
[1] 吴蔚楠,崔乃刚,郭继峰,赵杨杨. 多异构无人机任务规划的分布式一体化求解方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1827-1837.
[2] 焦玉玲, 张鹏, 田广东, 邢小翠, 邹连慧. 基于多种群遗传算法的自动化立体库货位优化[J]. 吉林大学学报(工学版), 2018, 48(5): 1398-1404.
[3] 李启良, 曹冠宁, 李璇, 杨志刚, 钟立元. 三厢轿车多参数气动优化[J]. 吉林大学学报(工学版), 2018, 48(3): 670-676.
[4] 孙文, 王庆年, 王军年. 基于横摆力矩控制的电动轮汽车转弯节能控制[J]. 吉林大学学报(工学版), 2018, 48(1): 11-19.
[5] 胡云峰, 王长勇, 于树友, 孙鹏远, 陈虹. 缸内直喷汽油机共轨系统结构参数优化[J]. 吉林大学学报(工学版), 2018, 48(1): 236-244.
[6] 刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[7] 周放, 宋传学, 梁天唯, 肖峰. 采用NSGA-II算法的车载复合电源参数匹配[J]. 吉林大学学报(工学版), 2017, 47(5): 1336-1343.
[8] 王占中, 赵利英, 曹宁博. 基于多层编码遗传算法的危险品运输调度模型[J]. 吉林大学学报(工学版), 2017, 47(3): 751-755.
[9] 王德军, 吕志超, 王启明, 张贤达, 王子健. 基于汽缸压力辨识的发动机失火故障诊断[J]. 吉林大学学报(工学版), 2017, 47(3): 917-923.
[10] 黄璇, 郭立红, 李姜, 于洋. 改进粒子群优化BP神经网络的目标威胁估计[J]. 吉林大学学报(工学版), 2017, 47(3): 996-1002.
[11] 郑明, 卓慕瑰, 张树功, 周柚, 刘桂霞. 基于混合并行遗传算法和阈值限定法的基因调控网络构建[J]. 吉林大学学报(工学版), 2017, 47(2): 624-631.
[12] 郭应时, 付锐, 赵凯, 马勇, 袁伟. 驾驶人换道意图实时识别模型评价及测试[J]. 吉林大学学报(工学版), 2016, 46(6): 1836-1844.
[13] 赵云鹏, 于天来, 焦峪波, 宫亚峰, 宋刚. 异形桥梁损伤识别方法及参数影响分析[J]. 吉林大学学报(工学版), 2016, 46(6): 1858-1866.
[14] 陈进, 李松林, 孙振业, 陈刚. 风力机专用翼型气动结构一体化设计[J]. 吉林大学学报(工学版), 2016, 46(6): 1940-1945.
[15] 魏丽英, 李鸣君. 考虑诱导影响的公交优先信号配时模型[J]. 吉林大学学报(工学版), 2016, 46(3): 777-784.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发