动态模糊RBF神经网络焊接接头力学性能预测建模
2016-10-24张永志董俊慧朱红玲
张永志, 董俊慧, 朱红玲
(1.内蒙古农业大学 机电工程学院, 呼和浩特 010018; 2.内蒙古工业大学 材料科学与工程学院, 呼和浩特 010051; 3.内蒙古大学 创业学院商学教学部, 呼和浩特 010070)
动态模糊RBF神经网络焊接接头力学性能预测建模
张永志1,董俊慧2,朱红玲3
(1.内蒙古农业大学 机电工程学院, 呼和浩特 010018; 2.内蒙古工业大学 材料科学与工程学院, 呼和浩特 010051; 3.内蒙古大学 创业学院商学教学部, 呼和浩特 010070)
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。
动态模糊RBF神经网络;预测;焊接;建模;力学性能
基于径向基神经网络(Radial Basis Function,RBF)或模糊RBF神经网络建立焊接接头力学性能预测模型,具有较好的适应性、鲁棒性、较高的预测精度和泛化能力,在已有的研究中已经得到了验证[1-7]。上述神经网络在建模时预先设定模型结构,训练过程对其相应参数进行调整,只能依据静态样本数据进行学习训练,可以统称为静态神经网络模型,该模型存在三方面的不足:第一,模型的结构不能自适应调整,结构存在冗余;……
