基于PSO-BP神经网络的玻璃钢管首层失效预测研究

摘要：

预测玻璃钢管的首层失效对保障其在水利输水工程的服役安全具有重要意义.本文通过粒子群算法优化BP神经网络(PSO-BP)实现对玻璃钢管在双轴应力下管道复合层首层失效的预测,并将PSO-BP模型预测结果通过试验数据进行验证.研究表明:PSO-BP神经网络模型对玻璃钢管首层失效的平均预测准确率可达 85%以上,收敛速度及预测准确率较对照BP神经网络模型均存在优势;绘制的轴向应力与环向应力的双轴失效包络线显示出PSO-BP模型预测的失效包络线与试验中测得的失效包络线十分接近,且预测失效包络线绝大部分位于试验失效包络线的内侧,故该模型是一种偏安全的预测模型,可作为一种按规范鉴定玻璃钢管合格前的有效判断手段.

关键词：玻璃钢管、PSO-BP神经网络、玻璃纤维、复合管道、管道失效

分类号：TB332(工程材料学)

资助基金：重庆市自然科学基金创新群体科学基金项目;国家自然科学基金;国家自然科学基金;重庆市技术创新与应用发展专项重点项目

在线出版日期：2023-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-66