力学季刊

作者：贺云, 李海滨, 杜娟

关键词：粘弹性材料；动态模量拟合；复数神经网络；复数L-M训练算法；训练速度；泛化能力

固体火箭发动机药柱粘弹性材料除具有弹塑性特性，还具有粘滞性，这一特性使得材料变形具有明显的时间效应，本构关系复杂，进行动态力学分析时，动态模量难以有效拟合．本文提出了一种基于(Levenberg-Marquardt, L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法．通过广义Maxwell模型推导得到材料的动态模量表达式，以此构造未定网络参数为复数的神经网络，从而提供了一种输入、输出样本均为复数的神经网络解决方法．将实数L-M训练算法进行改进，衍生到复数领域，提出复数L-M训练算法．通过粘弹性材料实验，将实验数据时温等效转换，获得复数神经网络的训练及测试样本．通过对神经网络进行训练，实现粘弹性材料动态模量的高精度拟合．数值算例表明，与传统神经网络拟合方法相比，所提方法在训练速度和泛化能力方面都有其优越性．

来源：2022年第2期

《力学季刊》期刊编辑部

查看力学季刊杂志2022年第2期