Hopkinson拉杆平板挂钩试件结构智能协同优化

与霍普金森拉杆装置中常用的螺纹、胶粘等固定连接方式相比,平板挂钩试件具有连接形式简单、可实现快速组装等优势。针对平板挂钩试件在拉伸过程中因结构几何效应引起的数据测量误差问题,基于影响拉伸试件测量精度的指标:应力平衡达到时间、变形均匀程度、过渡段相对变形以及非轴向力水平,采用正交试验设计、反向传播（back propagation,BP）神经网络与遗传算法相结合的多目标智能协同优化算法对平板挂钩试件的结构参数进行优化,得到了平板挂钩试件最优的结构参数组合,有限元模拟和实验验证了最优结构参数的有效性。该研究结果可为基于平板挂钩试件的霍普金森拉伸实验的数据可靠性分析提供参考。