科研之友
微信
新浪微博
Facebook
分享链接
摘要
在工业领域中，压力容器发挥着关键性作用。随着对其要求的不断提高，压力容器朝着精密化、高压化、工作环境复杂化发展，这对压力容器的安全性评估提出了新的要求，表面裂纹是压力容器常见缺陷中最危险的一种，为保障压力容器在使用期间的安全，对含表面裂纹的压力容器安全性做出更为精确的评估具有重要工程意义。通过对含表面裂纹压力容器断裂韧性值研究，给出了不同特征参数下裂纹尖端三维J-积分值，结合神经网络方法，搭建反向传播神经网络（BPNN）模型学习多个参数与三维J-积分之间的关系，研究不同架构对模型性能的影响。采用遗传算法优化BPNN，形成GABPNN结构，探讨了不同种群规模下遗传算法的效果。训练结果最佳的GABPNN模型在验证集上的准确度达到96%以上，在未知数据上亦取得较为准确的结果。为神经网络方法在压力容器安全评定中的应用，进行了有价值的探索。
-
单位河南理工大学; 郑州信息科技职业学院
