基于人工神经网络的工程建模和计算的模拟仿真系统
基于人工神经网络的工程建模和计算的
模拟仿真系统
左名久!曾!成
!海军工程大学"湖北武汉F &%%&&
#@-,7>+5-).+.N",7>+5-).@=351,"30131+(<;+.N"R L >)-5+5-).)/’()X 1<5#)N 1>-.*+
.N C +><7>+5-).).5;1W +3-3)/5;1H (5-/-<-+>817(+>8159)(:
0,+F ()*>
(%!0;#.G C &)*#8+2=B .-21(3-5=)/".*-.11(-.*
!?7;+.F &%%&&!C ;-.+$!!摘要$
以标准渐开线直齿轮齿根弯曲模型为例"就目前还无法用公式来计算的轮齿形变"利用人工神经网络的快速%非线性映射的特性来数字模拟轮齿形变"并利用U +6_]"?为平台"开发了一套基于人工神经网络的工程建模和计算的仿真模拟系统软件&通过对软件的实际运行"取得了较好的效果&
关键词%人工神经网络&工程建模和计算&标准渐开线直齿轮&轮齿形变
中图分类号%Q b J $D 文献标识码%H
文章编号%D %%D $$I J #$%%I $D %%%D I %&
收稿日期%$%%I %I $I
"’345164%Q +:135;135+.N +(N -.2)>7513L 7(*1+(/)(1R +,L >1!+.N +<<)(N -.*5
)5;1/+<55;+5N 1M /)(,+5-).)/*1+(5))5;<+."561)65+-.1N6=5;1/)(,7>+!5;-3L +L 1(35-,7>+5135;1N 1/)(,+5-).)/*
1+(5))5;-.731)/5;1H 889-5;5;1<;+(+<51(3)/3L 11N -.133+.N.).>-.1+(-5=!+.N75->-O 135;1U +6_]"?3)/59+(15)N 121>)L 5;1@-,7>+5-).+.N ",7>+5-).@=351,)/W ’.17(+>.159)(:P W =(
7.M .-.*5;13=351,!+.N *15361551((137>53P 7&2895:3%+(5-/-<-+>.17(+>.159)(:&L ()X 1<5,)N 1>-.*+.N <+><7>+5-).&35+.N +(N].2)>7513L
7(*
1+(&N 1/)(,+5-).)/*1+(5))5;%!引言
目前!工程建模计算主要是根据实际工作要求在计算机中建立虚拟模型!然后用相应软件进行分
析计算!最终得到所需结果’一方面!建模过程复杂!计算分析占用时间较多&另一方面!当实际参数发生改变时!又要根据实际情况重新建模!再分析计算!这样不仅所做工作冗长反复!而且又耽误时间!降低了工作效率’
针对上述问题!结合新技术的发展!提出了基于人工神经网络的工程建模和计算的框架思想’在传统设计领域中!相当一部分的知识是经验型的知识!而这些知识是可以利用的’论文提出的神经网络应用方法!只要对多组已有工程建模计算的结果进行学习训练!就能得到同类工程建模快速分析计算的神经网络模型!从而很快地得到结果’这里以标准渐开线直齿轮的齿根弯曲形变为主要研究对象!结合W ’神经网络自身所固有的快速(非线性映射的特性!利用’())"!H 8@g @!#+5>+6和U +6_]"?等应用软件!开发了一套基于人工神经网络的工程建模和计算的仿真模拟系统软件!通过对W ’网络的训练(测试和仿真应用!证明了该框架思想的正确性和可行性!为人工神经网络应用于现代快速设计中又提供了一种新的方法和思路!而且!从这种思想出发!可望构造出具有一定学习能力的更广泛的设计网络’
D !受力模型的建立和训练数据的采集
这里以W ’神经网络应用于标准渐开线直齿轮为例!以标准渐开线直齿轮的模数2!齿数C !齿宽>和功转比/#/S D%%%A )#$
作为神经网络的输入向量D S #2!C !>!/$Q &将相对应的最大拉应力E 3!最大压应力+3!最大等效应力F @G
B 和最大形变9=作为神经网络的输出&S #E 3!+3!F @G
B !9=$Q
&用*
I D *+机械与电子,$%%I #D %
$万方数据