基于粒子群优化BP神经网络的惯容器力学性能预测方法技术

本发明专利技术公开了一种基于粒子群优化BP神经网络的惯容器力学性能预测方法，包括如下步骤：（1）进行惯容器的力学性能试验，获取惯容器在不同惯容系数和不同激振输入下的力学响应；（2）根据试验结果得到与惯容器力学性能相关的试验数据，并建立基于BP神经网络的惯容器力学性能预测模型；（3）将网络的权值和阈值定义为粒子群搜索空间中的一个粒子，并对算法的相关参数进行初始化；（4）基于粒子群优化算法对粒子进行迭代寻优，根据结束条件确定最优个体，并将其作为BP网络的权值和阈值；（5）利用经过优化的网络对惯容器的力学性能进行预测。本发明专利技术可以对类似机械元件的力学性能进行有效地预测。

【技术实现步骤摘要】

【技术保护点】
基于粒子群优化BP神经网络的惯容器力学性能预测方法，其特征在于，包括如下步骤：（1）进行惯容器的力学性能试验，通过装入不同质量的飞轮，获取惯容器在不同惯容系数和不同激振输入下的力学响应；?（2）根据试验结果得到与惯容器力学性能相关的试验数据，并建立基于BP神经网络的惯容器力学性能预测模型；?（3）将BP网络的权值和阈值定义为粒子群搜索空间中的一个粒子，并对算法的相关参数进行初始化；（4）基于粒子群优化算法对粒子进行迭代寻优，根据结束条件确定最优个体，并将其作为BP网络的权值和阈值；（5）利用经过优化的BP网络来预测惯容器的力学性能。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈龙，孙晓强，张孝良，汪若尘，
申请(专利权)人：江苏大学，
类型：发明
国别省市：