维度网讯， 土耳其布尔萨乌鲁达大学汽车工程系的研究人员开发了一种人工智能模型，用于预测汽车装配中螺栓连接在动态载荷下的松动行为。该研究针对螺栓在振动条件下的行为预测难题，通过实验与神经网络结合，实现了误差率较低的预测。

研究团队从发动机悬架连接的机械测试中收集外部载荷数据，并采用田口方法实验获取神经网络的训练和测试数据。他们利用Levenberg-Marquardt和贝叶斯正则化算法构建神经网络，建立了控制因素与松动率之间的关系。

实验使用多轴模拟台进行，模拟驾驶条件并测量径向位移和夹紧载荷。通过单轴振动测试，施加0.15至1毫米的径向振幅，收集应变数据以分析螺栓连接性能。

田口实验设计确定了七个控制因素，包括夹紧力、径向位移和表面条件等。研究发现径向位移对松动率影响显著，而连接刚度参数影响较小。

神经网络模型由三层结构组成，输入神经元对应七个因素，隐藏层神经元数量在3到15之间。模型通过Matlab软件实现，使用均方误差和皮尔逊决定系数评估性能。

测试结果显示，Levenberg-Marquardt算法在7-5-1架构下表现最佳，误差率在0.11%至3.17%之间。与传统方法相比，该人工智能模型减少了约50%的松动测试需求，有助于降低新螺栓连接设计测试的成本和时间。

这项研究为汽车制造中的紧固件耐久性测试提供了新方法，通过人工智能技术优化预测过程，提升了工程效率。研究成果由Özgür Şengör、Onur Yavuz和Ferruh Ozturk共同完成，相关论文已发表。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告之，本站将予以修改或删除。邮箱：news@wedoany.com