神经网络预测应用于横向磁通感应加热中涡流场与温度场的有限元分析

摘要

利用神经网络预测横向磁通感应加热中连续运动金属薄板表面涡流分布和温度分布。所采用的两条神经网络中,一条对涡流场分布进行预测,另一条对温度场分布进行预测。在抽取的检测样本中,预测温度分布的相对误差平均值为1.6—3.2％,以神经网络预测结果作为非线性有限元离散方程组迭代求解的初值,比薄板初始温度作为初值的情况节省55.6～67.6％的迭代次数。