人工神经网络与失效评定图在压力容器安全评定中的应用.pdfVIP

　　　　　　　　　　　　　　　　　　化 　工 　机 　械 　　　　　　　　　　　　　　　1999 年 280 人工神经网络与失效评定图在压力容器 安全评定中的应用 俞树荣 李尔国　贾 　立 (甘肃工业大学) 摘 　要 　采用人工神经网络与失效评定图相结合的方法对压力容器进行安全评定 ,样本 评定结果和 R6 失效评定图方法的评定结果一致 ,并对评定结果进行了参数敏感性分析 , 分析结果令人满意 。人工神经网络为压力容器安全评定智能化提供了一个有效的手段 。 关键词 　压力容器 　安全评定 　失效评定图　人工神经网络 符 　号 　说 　明 础而不断完善的。鉴于此 ,开发一种建立在专家 [ 1] a ———穿透裂纹半长 、表面裂纹深度或埋藏裂纹半 经验知识的基础上的评定方法还是有必要的 。 高 ,mm ; 人工神经网络是近年来发展起来的一门交叉学 c ———裂纹半长 ,mm ; 科 ,该技术能处理高度非线性问题 ,具有自学习和 D ———直径 ,mm ; 自组织能力 。实验证明 ,引入神经网络技术 , 以成 L 载荷因子 ; F ——— - 32 功的评定案例为基础 ,运用人工神经网络进行压 K Ⅰ——— Ⅰ型线弹性应力强度因子 ,N ·mm ; σ σ 力容器初级评定是可行的[2 ] 。本文介绍一种基于 K , K ———分别代表与载荷引起的应力 、 相对应的 Ⅰp Ⅰs p s K 值 ,N ·mm - 32 ; 人工神经网络与失效评定图相结合的压力容器安 Ⅰ K ——— - 32 Ic 断裂韧度 ,N ·mm ; 全评定方法 。 Kr ———接近线弹性失效程度的度量 , Ky = Krp + Krs ; 1 　失效评定图法简介 Krp ———K1p 对断裂韧度的比值 ; 失效评定图( FAD) 技术是英 国中央 电力局 Krs ———K Ⅰs 对断裂韧度的比值再加塑性修正值 ; (CEGB) 首先提出并采用的 ,它将脆断评定与塑性 L ———接近塑性屈服程度的度量 , L = 产生应力 σ r r p 的总外加载荷裂纹结构的塑性屈服载荷 ; 失稳评定有机地结合起来并在脆断与塑性失稳之 p ———压力 ,MPa ; 间进行合理的内插 ,因而能够进行结构脆性断裂 、 t ———壁厚 ,mm ; 弹塑性断裂和塑性失稳分析[3 ] 。在第 3 版 R6 中 σ ———对塑性破坏有作用 的载荷所 引起 的应力 , p