一种基于神经网络的复合材料典型结构固化变形预测方法

本发明提出了一种基于神经网络的复合材料典型结构固化变形预测方法，属于复合材料结构领域；具体为：针对典型结构件，归纳影响固化质量的参数类型和取值范围；基于蒙特卡洛方法，随机生成若干组输入参数导入有限元分析法，进行固化变形计算，生成初步数据集；然后，使用特征选择算法对初步数据进行分类，生成仅含有重要特征的新数据集；接着，建立ANN神经网络架构，划分次重要特征中对固化变形影响较大的参数；使用重要特征叠加不同次重要特征作为共同输入，对网络架构进行训练；最后，对于新的典型结构件得到仅含有重要特征的新数据集后，输入训练好的ANN神经网络，得到预测结果。本发明在确保预测准确率和精度的同时，提高了计算效率。