基于GA-BP神经网络的颗粒阻尼器减振特性预测

摘要：

提出了一种基于遗传算法改进的BP神经网络(GA-BP)的颗粒阻尼效应预测模型.首先通过悬臂梁阻尼检测实验建立数据集,然后对建立的数据集进行训练非线性复杂模型,用于描述颗粒阻尼器的阻尼效应.为了进一步验证所提模型的有效性,通过CA-YD-1181 压电传感器采集相关数据进行二次验证.结果表明,与传统的BP神经网络预测模型相比,遗传算法优化后的模型能够通过不同参数的变化对颗粒阻尼器减振效果进行精准预测,收敛速度提高了近 36.8％.该模型具有良好的拟合效果,能准确、合理地预测阻尼特性,并调整颗粒阻尼器的相关参数.

关键词：颗粒阻尼器、BP神经网络、遗传算法、预测模型

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金51875490

在线出版日期：2023-05-25（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：106-115