基于复数神经网络的粘弹性材料动态模量拟合方法

摘要：

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合.本文提出了一种基于(Levenberg-Marquardt,L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法.通过广义Maxwell模型推导得到材料的动态模量表达式,以此构造未定网络参数为复数的神经网络,从而提供了一种输入、输出样本均为复数的神经网络解决方法.将实数L-M训练算法进行改进,衍生到复数领域,提出复数L-M训练算法.通过粘弹性材料实验,将实验数据时温等效转换,获得复数神经网络的训练及测试样本.通过对神经网络进行训练,实现粘弹性材料动态模量的高精度拟合.数值算例表明,与传统神经网络拟合方法相比,所提方法在训练速度和泛化能力方面都有其优越性.

关键词：粘弹性材料、动态模量拟合、复数神经网络、复数L-M训练算法、训练速度、泛化能力

所属期刊栏目：43

分类号：O345(固体力学)

资助基金：国家自然科学基金;内蒙古自然科学基金项目;内蒙古农业大学高层次人才引进科研启动项目

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：406-415