[發明專利]一種具有知情初始化的強化QPSO-BPNN預測彎管截面形變的方法

在審

• 申請號: 202211570972.5
• 申請日: 2022-12-08
• 公開（公告）號: CN116127797A
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 張樹有;王才城;王自立;李瑞森;譚建榮
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F111/10;G06F113/14
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

本發明公開了一種具有知情初始化的強化QPSO?BPNN預測彎管截面形變的方法。采用拉丁超立方均勻采樣技術對確定的彎管工藝參數變量進行采樣，建立有限元數值模擬試驗，計算各組樣本輸入對應的彎管截面形變指標從而構建樣本數據集；建立BPNN預測模型，采用知情強化QPSO對BPNN的初始權重和閾值進行優化，引入高斯隨機向量和自適應參數調整策略強化QPSO優化性能，基于彎管先驗知識進行種群的知情初始化，加快算法尋優過程；對優化后BPNN預測模型進行訓練，使用完成訓練的模型對彎管截面形變進行預測。本發明實現了對彎管截面形變靈活可靠、準確高效的預測。

技術領域

本發明涉及彎管成形質量預測領域，特別是涉及彎管截面形變預測方向，具體涉及一種具有知情初始化的強化QPSO-BPNN預測彎管截面形變的方法。

背景技術

金屬彎管作為各種液體和氣體燃料的運輸載體，在航空、航天、汽車和船舶等領域得到了廣泛的應用，被稱為工業的“血管”。彎管的成形條件極其復雜，導致了各種各樣成形缺陷的產生，如橫截面形變、卸載回彈、管壁增厚及起皺、管壁減薄及拉裂等。這些缺陷會不同程度地影響到彎管構件的產品質量和使用性能，造成不可避免的工程損失，嚴重時甚至會造成安全事故的發生。

彎管橫截面形變是管材彎曲成形過程中產生的一種嚴重的缺陷，在傳輸流體時，橫截面的扭曲變形將導致彎管內部水頭損失和壓降的增加，減小管內流體的流量以及流速，影響彎管的使用性能。因此，為了提高彎管的生產質量，保證彎管構件使用過程的安全可靠，對橫截面形變的準確預測是一個亟待解決的重要問題。

目前，對彎管橫截面形變的預測方法主要有三類，分別是理論分析、試驗分析和有限元數值分析。由于管材彎曲成形過程耦合了多種復雜因素，在理論分析時需要進行大量的假設和簡化，導致理論分析結果與實際結果產生較大偏差。試驗分析能夠提供較為準確的預測結果，但常伴隨著高成本和材料浪費的問題。有限元數值分析能夠模擬管材彎曲的實際過程，提供對成形缺陷的準確預測，但高精度的有限元模擬會造成巨大的計算負擔。因此，亟需開發一種靈活且可靠的預測方法，實現對彎管截面形變的快速準確預測。

發明內容

為了解決上述技術存在的不足之處，本發明提供了一種增強知情QPSO-BPNN的彎管截面形變預測方法，以實現對彎管截面形變靈活、快速、準確的預測。

本發明采用的技術方案包括以下步驟：

步驟1：對金屬管材彎曲成形工藝中的工藝參數變量進行拉丁超立方采樣，將各個工藝參數變量的取值范圍作為輸入，輸出得到采樣后的多組工藝參數樣本；

步驟2：根據工藝參數的采樣情況，建立多組有限元數值模擬試驗，計算各組輸入所對應的彎管截面形變指標，構建樣本數據集并進行歸一化；

步驟3：構建BPNN預測模型，以步驟1中的工藝參數變量作為輸入變量，對應的彎管截面形變指標作為輸出變量，通過設定隱含層節點數和層數確定BPNN的隱含層結構；

步驟4：由于物理工程問題中樣本數量較少容易導致模型預測精度較低，采用具有知情初始化的強化QPSO對BPNN預測模型的初始權重和閾值進行優化；針對QPSO容易出現的多樣性差和過早收斂的問題，引入高斯隨機向量和自適應參數調整策略強化QPSO的優化性能，并基于彎管先驗知識對種群進行知情初始化，加快算法尋優過程；

步驟5：使用步驟2中歸一化后的樣本數據集對優化后的BPNN預測模型進行訓練，生成彎管截面形變預測模型，將待測彎管的各組工藝參數樣本輸入完成訓練的彎管截面形變預測模型，從而完成彎管截面的形變預測。