在工程设计中,人们总是希望在满足各种约束限制的条件下,设计的方案性能最好、成本最低。焊接用量的优化能够有效降低成本,简化工艺,是一项非常有意义的工作,但是由于焊接方式多样,焊接过程中的影响因素众多,造成了焊接用量优化的复杂性,传统的优化方法难以解决。作者在阅读了大量参考文献的基础上,根据问题的特点,利用神经网络对此问题进行了初步的研究。 对于工作状况下的焊接机架,焊缝长度与焊接机架最大应力之间难以建立确切的数学表达式,因此作者利用神经网络的非线形映射功能,建立神经网络,实现了焊缝长度——最大应力的映射关系,并用从有限元分析中获得的数据样本对建立的BP神经网络进行训练。在此基础上,作者针对结构分析中最大应力点跳跃及多输入多输出网络的缺点,对网络进行了改进,以使神经网络更好地适应于所要求解的问题。此外,在构建BP神经网络的过程中,作者还讨论了网络隐层数、隐层神经元数的选取以及网络的训练等问题。作者通过建立BP神经网络,实现了用神经网络替代有限元分析,进行焊接机架在工作状况下的最大应力预测,克服了以往基于有限元分析的优化中,有限元分析占用时间过多,在实际中缺乏操作可行性的缺点。 作者将BP神经网络与复合形法相结合,利用UGⅡ的结构分析功能获得神经网络所需的训练样本,并对神经网络进行训练。通过将训练好的神经网络用于复合形法当中,实现了对冲铆机机架焊接用量的优化,并对优化结果利用UGⅡ的结构分析功能进行了检验,证明了此方法的可行性。