基于LMBP神经网络的连续油管疲劳寿命预测方法

摘要

弯曲和内压作用下产生的疲劳是造成连续油管失效的主要原因。由于传统的疲劳方法对于复杂的多轴加载情况下连续油管疲劳寿命估算不理想,提出了采用LMBP人工神经网络(ANN)的方法,利用其优越的非线性逼近能力和泛化能力来建立连续油管疲劳寿命的预测模型。以连续油管的管径、壁厚及内压作为网络训练的输入向量,以标准实验机实验循环数作为训练目标向量,建立3层LMBP神经网络并对网络进行训练,并通过学习样本和测试样本对该神经网络模型进行验证。结果表明,预测值与实际值拟合较好,预测精度明显优于常规建模方法,验证了用LMBP神经网络预测连续油管疲劳寿命的可行性。该方法对开发连续油管疲劳寿命跟踪和监测软件及提升连续油管现场应用水平具有一定的借鉴作用。