基于RBF神经网络的复合材料固化均匀性优化

简介

为了降低固化过程中复合材料结构内部温度场和固化度场的非均匀性,提出一种基于径向基(RBF)神经网络的固化均匀性优化方法。通过拉丁超立方试验设计方法选取设计变量(升温速度、保温温度及保温时间)的样本点,采用固化反应的参数化有限元分析模型对样本点进行计算以获取响应(温度梯度、固化度梯度及总的固化时间),以此建立固化反应的RBF神经网络,最后利用主要目标法和多岛遗传算法优化该网络以求得最优解。AS4/3501-6复合材料算例的优化结果表明对比原设计,优化后温度梯度和固化度梯度的最大值分别降低了71.34%和51.47%,总的固化时间仅增加4.71%,优化效果显著。