基于BP神经网络的材料疲劳寿命可靠性仿真

疲劳累积损伤是一个非稳态过程中以遗传算法优化后的三层BP神经网络来真实描述疲劳损伤的复杂关系，并检验了BP网络模型的准确性。考虑到材料疲劳损伤临界值和载荷的分散性，建立了疲劳失效动态准则，运用蒙特卡罗随机抽样法来仿真材料疲劳寿命的可靠性。对调质45号钢在随机载荷和两级载荷作用下，进行疲劳寿命可靠性仿真，与实验结果和理论分析比较吻合。     

铝合金冷挤压孔疲劳试验观察和分析

本文给出了冷挤压孔疲劳试验中观察到的现象，并分析了产生这些现象的原因。材料厚为９．５ｍｍ的铝合金试件孔冷挤压采用开缝衬套冷挤压和芯棒直接冷挤压两种方法；载荷谱是变幅载荷。从试验结果可以看出，冷挤压孔在疲劳源、裂纹扩展方式等方面与未挤压孔有明显区别。     

孔结构压合衬套冷挤压强化的疲劳寿命试验研究

采用系列压合衬套-带孔板试验件,开展了冷挤压安装强化工艺疲劳效果的研究,完成了压合衬套对带孔结构平板的冷加压强化疲劳试验,分析了不同型号的压合衬套孔结构平板强化后试验件的疲劳寿命。结果表明,待强化板的结构尺寸和材料特性对其疲劳寿命影响显著。对于TC4-DT钛合金材料试验件,厚度与边距比二者中厚度变化对试验件的疲劳寿命影响更为显著,而7050铝合金试验件的寿命对边距比变化比厚度变化更为敏感。因此衡量压合衬套孔结构平板的疲劳寿命,需要综合考虑不同材料下厚度和边距比的交互影响,确保疲劳寿命满足标准要求。     

冷挤压强化对GH4169合金孔结构室温低循环疲劳寿命影响

对GH4169合金中心孔板材试样进行冷挤压强化,测试了挤压前后GH4169中心孔板材试样在663 MPa/20℃条件下的低循环疲劳寿命;分别采用扫描电镜、X射线衍射残余应力仪、表面轮廓仪分析了疲劳断口、疲劳过程中残余应力场的演化以及表面形貌。结果表明:冷挤压强化后孔结构的疲劳寿命提高为原始试样的2.6倍。冷挤压强化对孔壁的强化效果使得冷挤压试样疲劳源萌生于倒角处单源,而原始试样萌生于孔壁多源。经过50000周次疲劳实验,冷挤压强化残余压应力有所松弛,但进口端与出口端的表面残余应力分别保持了55%和75%。冷挤压后孔壁表面粗糙度R_a由0.354μm减小到0.297μm。     

铝合金孔的冷挤压强化

首先比较了冷挤压强化紧固件孔的两种方法，而后讨论了铝合金孔冷挤压中挤压量选择、回弹量确定及挤后铰削量三个重要问题，最后介绍了冷挤压所获得的疲劳寿命增益。     

孔壁冷挤压工艺对LC9板材疲劳寿命的影响

介绍了对LC9板材孔壁采用冷挤压工艺前后的疲劳寿命对比试验情况;论述了孔壁冷挤压强化对疲劳寿命的影响。     

基于BP神经网络的多应力加速寿命试验预测方法

 针对多应力加速寿命试验(ALT)中传统的寿命预测方法存在建立加速模型及求解多元似然方程组困难的缺点,基于反向传播(BP)人工神经网络(ANN),利用BP神经网络良好的预测特性,建立了多应力恒定加速寿命试验寿命预测模型。首先,以加速寿命试验中的加速应力水平和通过经验分布得到的可靠度作为网络训练输入向量;以非线性最小二乘法对原始失效数据进行拟合并得到回归方程,利用回归方程生成大量的仿真数据作为训练目标向量;然后,建立3层BP神经网络并对网络进行训练。最后,把正常应力水平和设定的可靠度输入训练好的网络,得到预测的失效时间,进而给出可靠度函数的预测曲线。通过仿真算例对本方法进行验证,预测值和仿真值相比较表明,所建立的网络能反映应力水平、可靠度与寿命的关系,为多应力加速寿命试验的寿命预测提供了新的思路。     

冷挤压孔抗疲劳增寿机理与试验研究

从受力机理、金属流动规律、微观组织结构变化、显微硬度变化等方面对冷挤压孔进行了分析,探讨了冷挤压孔的抗疲劳增寿机理,并对无衬套和带衬套挤压的差异进行了比较。     

开缝衬套冷挤压孔工艺

对开缝衬套冷挤压孔和芯棒直接冷挤压孔的工艺方法进行了比较,并对开缝衬套冷挤压孔工艺参数、孔挤压后铰削量与疲劳寿命的关系以及孔挤压后残余压应力释放进行了研究.     

基于神经网络与蒙特卡洛方法的疲劳寿命可靠性分析

通过加速腐蚀试验以及疲劳试验数据,对腐蚀损伤表征因子(腐蚀坑最大宽度、腐蚀坑最大深度、点蚀率)进行统计分析,应用神经网络和蒙特卡洛法对6A02铝合金试验件的疲劳寿命进行可靠性分析,分析结果与实验结果的相对误差在工程上可以接受。     

基于灰色神经网络的疲劳裂纹预测方法研究

为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法。将灰色GM（I,1）模型向BP网络映射,建立了一维灰色神经网络GNNM（1,1）模型。基于灰色GM（1,1）模型的发展系数和灰作用量给出了GNNM（1,1）模型初始权值。应用建立的GNNM（1,1）模型预测了某不锈钢构件腐蚀疲劳裂纹的扩展,并与GM（I,1）模型的预测结果进行了对比,表明GNNM（1,1）模型具有更高的预测精度和模型精度。     

基于BP神经网络的翼型空气动力系数预测

本文介绍了BP神经网络的基本原理,建立了面向BP神经网络预测模型,对翼型的升力系数和阻力系数进行预测,并与风洞试验数据对比分析。结果表明,神经网络的预测精度很高,与试验数据的误差是可以接受的,验证了BP神经网络预测空气动力系数的可行性。     

基于光纤光栅与BP神经网络的孔边裂纹监测研究

含孔金属结构的孔边裂纹监测对于保障飞行安全,增强飞机结构可靠性具有重要意义。为实现对孔边裂纹扩展的监测,进行含有孔边角裂纹的含孔铝合金板疲劳加载试验,得到含孔铝合金板试验件的a-N 曲线以及孔边裂纹扩展过程中光纤光栅应变传感器中心波长偏移量;利用包络分析法、BP 神经网络等损伤识别算法对试验数据进行处理与分析;建立能够以光纤光栅应变传感器中心波长偏移量识别孔边裂纹扩展的监测模型,并通过试验对监测模型进行验证。结果表明：此监测模型可有效识别出孔边角裂纹的扩展与穿透,对孔边角裂纹扩展长度监测的准确度达到了97.2%,未来可应用于全机地面疲劳试验、飞机结构健康监测等多种场景。     

基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素.准确预测发动机的退化过程,对于飞机安全飞行具有重要意义.针对航空发动机剩余寿命预测问题,提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型.与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期...     

基于BP网络的武器装备参数估算

根据武器装备设计要求来确定某些参数往往涉及许多不确定因素。为了实现一些武器装备参数的定量化估算,本文基于BP神经网络计算模型提出了一种新的武器装备参数估算方法,并给出了实现这种方法的详细步骤。将该方法应用于导弹主要参数的估算,测试结果证明了此方法的正确性和可行性。该方法为武器装备的参数估算提供了新的途径。     

材料设计中的BP神经网络技术

论述了BP神经网络在材料设计中的应用技术、现状和发展趋势。根据材料设计的要求，建立用于材料设计的模型，并对模型建立与参数选择进行了分析，为BP网络用于材料设计提供了依据，为材料性能的设计与优化提供了有效途径。