基于PSO-BP模型的加筋双模量矩形薄板弹性模量反演

为了利用少量观测点高效反演材料的弹性模量,本文利用基于粒子群算法优化PSO(Particle Swarm optimization)的误差逆向传播网络BP(back propagation)建立反演模型,利用粒子群算法对误差逆向传播网络的参数进行寻优。以解析法求解双模量矩形薄板在不同弹性模量时的挠度作为训练样本,输入四个观测点的挠度值,利用PSO-BP模型对板的弹性模量进行反演。结果表明,PSO-BP模型可以建立挠度与弹性模量的联系,PSO算法可以提高BP模型的精度,加筋双模量矩形薄板的三个弹性模量的最大残差分别为39.052 kPa, 73.513 kPa和64.207 kPa,最大相对误差分别为1.722%,3.681%和3.637%。本模型可为工程实践提供参考和指导。