基于PSO-BP神经网络的磨机传动系统模型修正
陶征1
鲍现乐1
郭勤涛2
周天洋1
1.郑州大学 机械与动力工程学院, 河南 郑州 4500012.南京航空航天大学 机电学院, 江苏 南京 210016
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.
关键词：模型修正神经网络模态分析相似设计分层修正
论文发表日期：2024-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：6( 48-53 )
英文信息