摘要
本发明提供了一种基于减法平均优化算法的钛合金表面应力预测方法,利用减法平均优化算法的高效性,适应能力强,噪声影响小,适应能力强等特点,从而提高预测模型的准确性和适用性。同时将实验数据和仿真数据都输送到BP神经网络中进行训练,可以减少试验次数,大幅降低了预测过程的时间和成本,并且更多的实验样本数据对神经网络进行训练,相较于传统的只使用实验数据对神经网络训练,能够有效提升钛合金表面残余应力预测的精确度和效率,并为材料设计和加工工艺的改进提供数据支持。
技术关键词
钛合金
应力
DBSCAN算法
识别异常数据
X射线衍射法
神经网络训练
BP神经网络
数据验证
仿真数据
三维模型
电解液
非线性
网格
标签
软件
噪声
系统为您推荐了相关专利信息
力学性能检测方法
玉米
非线性特征
应力
初始弹性模量
多体动力学模型
周期结构
整车
底护板
车架连接点
机器学习模型
埋地天然气管道
增量更新
深度神经网络模型
地基沉降量
电弧故障检测方法
经验模态分解算法
信号
集合经验模态分解
DBSCAN算法