基于深度学习的复合材料螺栓连接失效预测

作     者：彭凡 邹司农 任毅如 PENG Fan;ZOU SiNong;REN YiRu

作者机构：湖南大学机械与运载工程学院长沙410082 

出 版 物：《机械强度》 (Journal of Mechanical Strength)

年 卷 期：2023年第45卷第2期

页      面：447-453页

学科分类：08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

基　　金：国家自然科学基金项目(11402011)资助 

主　　题：碳纤维复合材料 螺栓连接 失效峰值载荷 深度学习 神经网络 

摘      要：针对复合材料螺栓连接失效强度分析与预测问题,利用深度学习神经网络强大的非线性映射能力,将不同参数对复合材料螺栓连接失效载荷的影响进行非线性拟合,并分配各参数的影响权重;通过有限的训练样本构建预测模型,来预测复合材料螺栓连接的失效峰值载荷。使用有限元软件计算得到层合板螺栓连接失效峰值载荷的数据组,以此来构建深度学习神经网络。通过测试确定当隐藏层数量为两层时深度学习模型开发效果最佳,以预测值与有限元仿真值之间的均方误差作为损失函数、学习速率取0.01,当均方误差最小时停止训练,此时得到最佳深度学习预测模型;利用该模型预测得到所有失效峰值载荷预测结果中的最大值以及对应的参数组合,并与同样参数的仿真结果进行对比,两者相差1.4%;相比有限元仿真和拟合经验公式的预测方法,深度学习预测方法具有明显的时间效率优势。