动态模糊RBF神经网络焊接接头力学性能预测建模

摘要：

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。

关键词：动态模糊RBF神经网络、预测、焊接、建模、力学性能

所属期刊栏目：36

分类号：TG407(焊接、金属切割及金属粘接)

资助基金：国家自然科学基金51165027

在线出版日期：2016-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：26-30