基于神经网络的喷丸25CrMo合金疲劳寿命及残余应力松弛行为预测研究

作者：苏凯新; 张继旺; 李行; 张金鑫; 朱守东; 易科尖

来源：稀有金属材料与工程, 2020, 49(08): 2697-2705.

• 喷丸
• 神经网络
• 遗传算法
• 疲劳寿命预测
• 残余应力松弛

首先采用BP神经网络建立了喷丸25CrMo车轴钢疲劳寿命预测模型。然后,在此基础上采用遗传算法(GA)对BP神经网络的预测精度进行了优化。此外,还采用了径向基神经网络(RBF)进行建模分析,并与以上2种模型的预测结果进行对比。结果表明:遗传算法优化的BP神经网络(GA-BP)相比于BP和RBF神经网络具有更高的预测精度,其中训练集和测试集的平均预测精度分别为91.5%和85.4%。然后,基于GA-BP神经网络模型的连接权值矩阵和Garson方程进行了灵敏度分析,从而进一步量化了输入影响因素对喷丸25CrMo车轴钢疲劳寿命的相对影响比重;最后,还采用GA-BP神经网络预测了喷丸25CrMo车轴钢表面残余压应力的松弛行为。结果表明,测试集的平均预测误差仅为3.4%,表明了该神经网络预测性能良好。综上所述,采用神经网络建模分析了喷丸25CrMo车轴钢的疲劳性能和残余压应力松弛行为,显著降低了传统疲劳试验所需的成本,并且还保证了较高的准确性。

• 单位
  牵引动力国家重点实验室; 西南交通大学