基于神经网络无铆钉自冲铆接头力学性能预测

为研究钢铝一体化结构车身无铆钉自冲铆接接头力学性能，引入反向传播神经网络模型来描述板材厚度、板材硬度和成形接头底部直径等工艺参数与接头剪切力及剥离力强度等力学性能的映射关系。由于标准反向传播网络存在训练精度低、收敛速度慢及泛化能力差等缺陷，采用归一化法与Levenberg-Marquardt算法相结合的算法来优化神经网络预测模型连接权值，提高了神经网络模型的预测精度和泛化能力。对神经网络的预测结果进行检验的结果表明，训练后的神经网络模型能够准确有效地预测无铆钉自冲铆接接头力学性能，证实了神经元网络应用于无铆钉自冲铆接接头力学性能预测的可行性与可靠性，为优质的钢与铝无铆钉自冲铆接接头的设计提供了依据。