在固体火箭发动机燃烧室和喷管对接装配过程中,为准确实时预测密封圈应力,以确保发动机的装配质量,提出了一种基于Kriging模型的密封圈对接装配应力预测方法。首先,分析装配工况,利用有限元分析方法计算出多种工况下密封圈的应力-应变;其次,使用生成对抗网络的方法扩大数据样本空间;之后,利用拉丁超立方抽样法选取一定数量的应力-应变数据构建Kriging模型;最后,根据定义的加点准则迭代优化Kriging模型,实现主动学习,由此得到密封圈应力预测的数字孪生模型。装配时,通过六自由度并联平台的力位传感器实时采集的信号数据,作为数字孪生预测模型的输入;通过实时读取模型输出,实现对接过程中的装配质量实时在线预测反馈。

针对挖掘机动臂结构优化过程中需要反复调用ANSYS有限元软件,导致应力强度控制难度大、优化过程繁琐且效率低下的问题,提出一种基于BP神经网络预测动臂应力的方法。通过在挖掘机动臂结构优化设计软件中设定截面选取规则,选取应力普查的截面导出截面应力样本,并在MATLAB中运用BP神经网络建立挖掘机动臂应力预测模型。以中小型挖掘机动臂为例,建立基于动臂应力普查的约束,获取应力预测样本,运用建立的神经网络预测模型对动臂应力进行预测。结果表明,网络预测应力值与实验数据吻合且误差小于6.80%,建立的预测模型能提高动臂结构的优化效率。