基于遗传算法的BP神经网络的跌落冲击模型.pdfVIP

第29卷专辑 固体力学学报 v01．29s。Issue OF MECHANlCSDecember2008 2008年12月 CHINESEJOURNALSOLID 基于遗传算法的BP神经网络的跌落冲击模型★ 姜久红1” 王志伟2 (1湖北工业大学士建学院武汉430064)(2暨南大学包装工程研究所珠海519070) 摘要结合遗传算法和BP神经网络的各自的优点，对BP网络初始权值进行优化。基于MATLAB，以发 泡聚乙烯(EPE)为研究对象，利用跌落冲击实验数据，建立了缓冲系统的跌落冲击加速度响应与跌落高度、静应力 值及材料厚度的关系网络模型。仿真结果表明，该网络模型对训练范围内的输入数据，能够成功预测输出，该方 法能有效解决非线性缓冲包装的的加速度响应，为缓冲包装的设计提供了切实町行的方法。 关键词遗传算法， BP神经网络，跌落冲击，发泡聚乙烯(EPE) O 引言 而改变静应力水平，从而可得到一条曲线；通过改 缓冲包装设计的基本步骤之一是依据缓冲材料 变材料的厚度而得到一族曲线；通过改变跌落高度 的动态缓冲特性曲线选取合适的缓冲材料，依据 而得到一簇曲线。由于缓冲材料具有强非线性特性， ASTMD1 596t11，动态缓冲特性曲线的获取是通过一因而在确定其跌落冲击加速度响应最大值时采用能 系列的跌落实验，测定质量块的加速度响应与静应 量法。在冲击时，缓冲材料的变形能为： 力的关系。无论是通过改变重锤质量还是改变接触 u=rF(x，j灿=Ar盯(x，j№(1) 面积，静应力值都是有限的，因而加速度响应是离 散的，Wiskida和McDaniel[2J提出了较复杂的基于 变形下的的静态压力，而E0，贾)是在冲击中的阻 跌落高度及材料厚度的动态缓冲系数曲线拟和方 尼力、屈曲载荷及气体压缩等动态力。在不计冲击 程，Henrikssont3】则提出了四阶五次多项式法。为了 能量损失的条件下，该变形能等于重锤自由跌落的 简化实验过程，Burgessl4J提出用一次冲击来测定缓 重力势能。HO．A 冲曲线，Teragashi[5】研究了静态实验的自动数据输 入技术。 而最大加速度响应发生在变形最大的时刻。即： Sek[6，刀等讨论了ASTMD1596实验方法的局限 max(F)∈x(O，％。) ‰m2 (2) 性，特别是对于瓦楞纸板等具有强非线性特性的缓 m 冲材料，并详细研究了瓦楞纸板的静态压缩与准静 由(1)(2)两式可知，冲击响应最大值与缓冲材 态压缩的性质及冲击特性，指出利用“动因子”可以 料、跌落高度、材料厚度、静应力直接相关，而建 产生一系列的缓冲曲线族，SektS]等提出了基于“动立其跌落冲击的数学模型比较困难，因此从建模的 因子”法的一次冲击测定材料缓冲系数法，并通过实 角度对缓冲系统设计是不现实的。神经网络技术的 验验证，该方法可以有效减少实验次数，但其测定 出现和日益成熟，为缓冲材料的动态冲击特性建 的精度与一次冲击的数据商接相关，而且该方法适 1．2 基于遗传算法的BP神经网络实现 用于瓦楞纸板，对其它缓冲材料还有待于验证。