科研之友
微信
新浪微博
Facebook
分享链接
摘要
压力容器在长期运行过程中表面裂纹问题难以避免，进行基于断裂分析的安全评估对压力容器的稳定运行具有较强的现实意义.针对二维J-积分理论难以应用于表面半椭圆裂纹，数值模拟耗时冗长的问题，论文提出一种采用三维J-积分量化压力容器表面裂纹尖端应力强度，再结合神经网络进行预测的安全评估方法.通过有限元方法计算了1200例不同几何尺寸、裂纹尺寸和内压载荷的含表面裂纹的压力容器问题，分析了半椭圆裂纹尖端三维J-积分结果，构建修正系数F表征材料性能、裂纹尖端奇异性以及容器几何特征对三维J-积分的影响.基于生成的机器学习数据集，搭建反向传播神经网络(BPNN)模型，采用遗传算法优化，形成GABPNN预测模型.结果表明：BPNN和GABPNN模型预测精度高达96%以上，在未知数据上亦可以取得较为准确的结果，可以高效地预测裂纹尖端三维J-积分，对于实现计算机辅助压力容器安全性现场快速评定提供新的思路和方法.
- 单位
