基于PSO-BP神经网络的磨机传动系统模型修正
Model Modification of the Mill Transmission System Based on the PSO-BP Neural Network作者机构:郑州大学机械与动力工程学院河南郑州450001 南京航空航天大学机电学院江苏南京210016
出 版 物:《机械传动》 (Journal of Mechanical Transmission)
年 卷 期:2024年第48卷第2期
页 面:48-53页
学科分类:0711[理学-系统科学] 07[理学] 08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程]
摘 要:针对磨机传动系统结构的复杂性、部件间约束条件的不确定性以及非线性等因素,提出了一种基于PSO-BP神经网络的有限元模型修正方法。通过改进BP神经网络逼近设计参数和特征量间的非线性映射关系,结合实际结构响应,利用神经网络的泛化特性,得到了模型设计参数值。修正后频率误差从最高18%降到4%左右,修正系数误差范围均在0.5%以内,明显提高了有限元模型精度;同时,又不需要大量迭代求解步骤,避开了传统反问题模型修正法的复杂非线性优化过程,提升了效率,验证了PSO-BP神经网络法应用于大型磨机传动系统上的可行性,为后续传动系统整体分析奠定了基础。