基于Levenberg-Marquardt神经网络的复合材料力学性能预测

摘要

本文提出将基于Levenberg-Marquardt算法的前向多层神经网络用于预测复合材料的力学性能,该方法通过利用二阶导数信息,可以提高收敛速度和增强网络的泛化性能.以麦秆增强复合板材为例,建立成型温度、成型压力、纤维含量和保温时间四个影响因子到拉伸强度和冲击韧性的非线性映射.仿真结果表明,所建神经网络模型具有较好的学习和泛化能力,在预测力学性能中效果较好.最后利用该模型优化模压成型的工艺参数,找出最佳工艺参数的范围.