机械工程师2025，Issue(1) ：32-34,40.

基于IPSO-BPNN的超差孔径向增材搅拌摩擦修复接头抗拉强度预测

Tensile Strength Prediction of Radial-additive Friction Stir Repaired Out-of-tolerance Hole by IPSO-BPNN

武芳竹 刘炳宏 李雨亭 李浩然 胡为
机械工程师2025，Issue(1) ：32-34,40.
✕
  • 维普
  • 万方数据

基于IPSO-BPNN的超差孔径向增材搅拌摩擦修复接头抗拉强度预测

Tensile Strength Prediction of Radial-additive Friction Stir Repaired Out-of-tolerance Hole by IPSO-BPNN

武芳竹 1刘炳宏 1李雨亭 1李浩然 1胡为1
扫码查看

作者信息

  • 1. 沈阳航空航天大学航空先进连接技术重点学科实验室,沈阳 110136
  • 折叠

摘要

利用改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化了反向传播神经网络(Back Propagation Neural Network,BPNN)的权值和阈值.以旋转速度、下扎速度、停留时间为输入,抗拉强度为输出,构建了3×6×1三层拓扑结构的2024-T4铝合金超差孔径向增材搅拌摩擦修复接头抗拉强度的IPSO-BPNN预测模型.结果表明,优化后的IPSO-BPNN模型具有较高的预测精度和收敛速度,相对预测误差为1.01%.

Abstract

The improved particle swarm optimization(IPSO)algorithm is used to optimize the back propagation neural network(BPNN)weights and thresholds.The IPSO-BPNN tensile strength prediction model for the radial-additive friction stir repairing joints of out-of-tolerance hole of 2024-T4 aluminum alloy with 3×6×1 three layers topology is established with rotating velocity,plunge speed and dwelling time as input and tensile strength as output.The results show that the optimized IPSO-BPNN prediction model has high prediction accuracy and convergence speed,and the relative prediction error is 1.01%.

关键词

径向增材搅拌摩擦修复/2024-T4铝合金/IPSO-BPNN预测模型/抗拉强度

Key words

radial-additive friction stir repairing/2024-T4 aluminum alloy/IPSO-BPNN prediction model/tensile strength

引用本文复制引用

出版年

2025
机械工程师
黑龙江省机械科学研究院 黑龙江省机械工程学会

机械工程师

影响因子：0.136
ISSN：1002-2333
段落导航相关论文