专利名称：一种基于遗传神经网络的曲轴疲劳寿命预测方法
技术领域：
本发明涉及一种基于遗传神经网络的曲轴疲劳寿命预测方法，属于内燃机曲轴疲劳寿命测试领域。
背景技术：
机械产品的安全性和可靠性是技术水平的重要指标，产品设计寿命内的可靠性和失效问题在人类生产生活中产生重要影响，因此一直受到人们的广泛关注。曲轴作为内燃机的一个关键承载零部件，其可靠性的主要内容之一是它在高周疲劳应力作用下的疲劳寿命问题。 一方面由于曲轴疲劳寿命问题的复杂性，通过纯粹的数学推导、计算分析曲轴在实际工作中的可靠性问题在现有技术水平下还有着很多局限性，比如适合的计算模型难以确定、计算精度达不到实际需求。通过DC谐振式曲轴疲劳寿命测试机来模拟在负荷条件下曲轴工作过程，直接获得曲轴的疲劳寿命是必不可少的技术手段。另ー方面，目前采用曲轴疲劳寿命测试机对曲轴的测试,对曲轴具有破坏性,例如采用广州盛鑫自动化设备有限公司生产的型号为PLX50000的DC谐振式曲轴疲劳寿命测试机对曲轴的测试，需要破坏曲轴,而且测试时间长。测试成本和测试时间的代价过高,例如DC谐振式曲轴疲劳寿命测试机测试时间大约四十天左右，且由于DC谐振式曲轴疲劳寿命测试机测试具有破坏性只能进行抽样测试测而无法实现批量测试。鉴于上述问题，本申请提出一种基于遗传神经网络的曲轴疲劳寿命预测方法，该方法可以充分发挥遗传算法全局最优搜索的优势，有效解决単一 BP人工神经网络算法的“过拟合”问题，利用基于遗传算法的BP人工神经网络模型的非线性函数逼近特性，对曲轴疲劳寿命进行快速、高精度预测。
发明内容
本发明提供一种基于遗传神经网络的曲轴疲劳寿命预测方法，利用曲轴弯曲疲劳试验机测试的历史数据作为训练样本集，训练遗传神经网络模型，对曲轴疲劳寿命快速预测，以解决现有DC谐振式曲轴疲劳寿命测试机对曲轴的测试具有破坏性，而且测试时间长等问题，能够快速、及时的预测出曲轴的疲劳寿命。步骤一、构建归一化曲轴寿命训练样本集本发明充分利用DC谐振式曲轴疲劳寿命测试机的历史数据，从近两年来曲轴测试历史数据库中随机抽取100个，每个历史数据包括I分钟内10次采样的曲轴固有频率历史测试值和曲轴疲劳寿命历史测试值作为训练样本集。如果没有历史数据，在进行曲轴疲劳寿命预测前，可以采用DC谐振式曲轴疲劳寿命测试机进行曲轴疲劳寿命测试，实际测试曲轴数量不少于100个(具体实施例中为100个)，每个曲轴测试过程中记录其I分钟内η个(η是能够被60整除的数，具体实施例10个)固有频率值和测试完成后的曲轴疲劳寿命实际测试值，以建立历史数据库。
为提高BP人工神经网络的学习效率和收敛速度，对训练样本集数据进归ー化处理，将每个训练样本中的曲轴固有频率历史测试值和曲轴疲劳寿命历史测试值分别归ー化为
之间的数。I.曲轴固有频率历史测试值归ー化计算公式如下
权利要求
1.一种基于遗传神经网络的曲轴疲劳寿命预测方法，其特征在于利用DC谐振式曲轴疲劳寿命测试机曲轴疲劳寿命测试历史数据构建训练样本集；构建三层BP人工神经网络；使用遗传算法对该BP人工神经网络权值和阈值优化计算，优化后的权值和阈值赋给BP人エ神经网络；将归ー化的训练样本输入优化后的BP人工神经网络进行训练得到曲轴疲劳寿命预测模型，采样DC谐振式曲轴疲劳寿命测试机I分钟内曲轴固有频率数据，输入该预测模型进行预测得到归ー化的曲轴疲劳寿命预测值，将其反归ー化计算得到曲轴疲劳寿命的实际预测值，具体步骤如下 步骤一、构建归一化曲轴寿命训练样本集 从DC谐振式曲轴疲劳寿命测试机的历史数据中，随机抽取100个，每个历史数据包括曲轴固有频率历史测试值和曲轴疲劳寿命历史测试值，其中曲轴固有频率历史测试值为I分钟内10次采样的数据；然后将上述10个采样频率历史测试值归ー化作为10维输入，归一化计算公式如下
全文摘要
本发明公开了一种基于遗传神经网络的曲轴疲劳寿命预测方法，属于内燃机曲轴疲劳寿命测试领域。目的是为了解决DC谐振式曲轴疲劳寿命测试机对曲轴测试具有破坏性和测试时间长等不足。其原理是利用传统DC谐振式曲轴疲劳寿命测试机对曲轴测试的历史数据归一化得到训练样本集；通过遗传算法优化BP人工神经网络模型；使用训练样本集对基于遗传算法优化后的BP人工神经网络进行迭代训练得到训练好的BP人工神经网络预测模型；使用该预测模型对曲轴疲劳寿命快速预测。本发明基于遗传算法优化BP人工神经网络，避免了单一BP神经网络的“过拟合”问题，可有效提高训练速度和预测精度；短时间内快速预测曲轴疲劳寿命而且不破坏曲轴质量，能够对整个生产批次曲轴进行批量测试。
文档编号G06N3/02GK102693450SQ20121015060
公开日2012年9月26日 申请日期2012年5月16日 优先权日2012年5月16日
发明者刘彦臣, 孙福振, 廖乐健, 李业刚, 李国强, 李艳, 杜建光 申请人:北京理工大学