(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210697387.5 (22)申请日 2022.06.20 (71)申请人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 袁杰　杨凯杰　孔犇犇　邹燚涛　 王建功　杨博霄　周晓丽　蒋彦龙　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 王苗 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/14(2020.01) G06F 119/14(2020.01) (54)发明名称 一种球形接 头弯曲特性的修 正方法 (57)摘要 本发明公开了一种球形接头弯曲特性的修 正方法， 首先完成球形接头试验件端部堵塞的实 验和有限元分析。 其次， 对实验结果与有限元结 果的相对误差进行了对比分析。 然后以弯曲角 度、 温度和压力为输入层， 相对误差为输出层， 建 立BP人工网络模型。 再完成端部不堵塞的有限元 分析。 最后， 用BP神经网络预测的结果对端部不 堵塞的有限元分析结果进行校正。 得到了端部不 堵塞球形接头的弯曲特性。 通过对容易进行实验 的堵塞情况下， 得到实验测量与理论计算之间的 相对误差， 根据得到的相对误差预测实际工况下 (不堵塞情况)球形接头的特性参数， 在不花费高 昂成本直接进行高温高压流动气体实验的情况 下， 获得较为准确且贴近实际工况下的球形接头 的弯曲特性。 权利要求书2页 说明书5页 附图5页 CN 114936438 A 2022.08.23 CN 114936438 A 1.一种球形接 头弯曲特性的修 正方法， 其特 征在于， 包括以下步骤： (1)对球形接头进行两端堵塞的弯曲特性测量实验， 并得到实验数据； 同时针对相同测 量实验条件下， 对球形接 头进行弯曲特性有限元分析， 并得到分析 数据； (2)将实验数据与分析 数据进行对比， 得到实验与理论分析的相对误差； (3)根据得到的实验数据、 分析 数据以及相对误差建立BP神经网络模型； (4)对球形接头不进行两端堵塞的测量实验条件下进行弯曲特性有限元分析， 得到不 堵塞的分析 数据； (5)根据建立的BP神经网络模型， 考虑不堵塞情况下球形接头弯曲特性实验与分析存 在的相对误差， 对不堵塞的分析 数据进行修 正， 得到修 正后的球形接 头弯曲特性。 2.根据权利要求1所述的修正方法， 其特征在于， 所述实验数据、 分析数据和不堵塞的 分析数据均包括 实验条件数据和结果数据， 实验条件数据包括弯曲角度、 压力和温度， 结果 数据包括球形接 头的弯曲力矩。 3.根据权利要求2所述的修正方法， 其特征在于， 所述步骤(2)中， 在同样弯曲角度、 压 力和温度的实验条件数据下， 将实验数据与分析数据中球形接头的弯曲力矩的差值作为 实 验与理论分析的相对误差 。 4.根据权利要求2所述的修正方法， 其特征在于， 所述步骤(1)中对球形接头进行两端 堵塞的弯曲特性测量实验具体包括以下步骤： (1.1)将待测球形接头两端分别连接第一直管和第二直管， 作为试验件安装在疲劳试 验机上， 第一直管和第二直管远离球形接头的一端堵塞与外界隔离， 且第一直管端部固定 设置在支座上， 第二直管端部设置于直线轴承中， 所述球形接头位于高温炉内， 且通入气 体； (1.2)控制球形接头处的温度及压力， 以及控制直线轴承对试验件施加位移载荷， 使待 测球形接 头弯曲进行实验， 获得实验条件数据以及结果数据。 5.根据权利要求3所述的修正方法， 其特征在于， 所述步骤(3)中， 建立BP神经网络模 型， 以弯曲角度、 压力和温度为输入层， 相对误差为输出层， 具体步骤为： (31)初始化神经网络， 给定训练数据样本， 给定输入层节点数、 隐含层节点数、 输出层 节点数， 初始化权重值、 隐含层阈值、 输出层阈值， 给定学习速率、 神经元激活函数、 神经元 训练函数、 迭代次数S和训练目标最小误差； (32)由初始化权 重值和神经元激活函数计算隐含层输出和输出层输出； (33)计算输出层输出和训练数据样本实际输出之间的误差； (34)根据误差更新权 重值； (35)根据误差和权 重值更新隐含层阈值和输出层阈值； (36)根据 更新后的权重值和神经元激活函数计算隐含层输出和输出层输出； 并计算输 出层输出和训练数据样本实际输出之间的误差； (37)判断误差是否满足训练目标最小误差， 达到则完成训练过程， 若未达到则继续训 练， 直到达到迭代次数。 6.根据权利要求5所述的修正方法， 其特征在于， 通过相关系数R、 平均绝对相对误差 AARE评价建立的BP神经网络模型的精度， 调整模型的学习速率、 隐含层数量、 神经元激活函 数、 神经元训练函数；权　利　要　求　书 1/2 页 2 CN 114936438 A 2其中， Xi为原始数据， Yi为模型预测值， 为原始数据的平均值， 为模型预测值的平均 值， N为数据总数。 7.根据权利要求4所述的修正方法， 其特征在于， 所述步骤(5)中将不堵塞的分析数据 通过BP神经网络模 型预测球形接头在实际情况下两端不 堵塞时的弯曲特性， 得到初始弯曲 角度时呈现线性， 中间角度时呈非线性， 然后再次呈线性的弯曲特性曲线， 根据不堵塞的分 析数据得到的球形接头弯曲特性， 将初始角度得到的弯曲特性曲线以及最后呈线性的弯曲 特性曲线， 作为不堵塞情况下球形接头的弯曲特性， 并将 两部分曲线延伸相交， 获得球形接 头高刚性状态与低刚性状态的转折点， 得到完整的不堵塞情况下球形接头的弯曲特性曲 线。 8.根据权利要求7所述的修正方法， 其特征在于， 所述通过BP神经网络模型预测的不堵 塞情况下， 球形接头的弯曲特性曲线中， 当弯曲角度范围在0～0.2 °时呈现线性特征， 然后 呈非线性特 征， 当弯曲角度超过3 °时， 再次呈线性特 征。权　利　要　求　书 2/2 页 3 CN 114936438 A 3