基于人工神经网络的摩擦材料性能评价和预测.pdf

《基于人工神经网络的摩擦材料性能评价和预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年11月润滑与密封NOV．2014第39卷第11期LUBRICATIONENGINEERINGVo1．39No．11DOI：10．3969／j．issn．0254—0150．2014．11．004基于人工神经网络的摩擦材料性能评价和预测薛继斌吕亚非齐士成江盛玲张孝阿员荣平(1．北京化工大学碳纤维与功能高分子教育部重点实验室北京100029；’2．北京市东城区安全生产监督管理局北京100007；3．北京化工大学科学技术发展研究院北京100029)摘要：基于3种典型的人工神经网络，即Elman(反馈)、BP(前馈)和RBF(径向)，分别建立3种制动摩擦材料摩擦性能的评价预测

2、模型，采用[240，8]的数据样本对3种模型进行训练，同时采用贝叶斯正则化训练函数进一步优化。结果表明，Elman网络预测实验数据的精度最高，能较为准确地预测摩擦材料的升温摩擦因数和降温摩擦因数，尤其适用于磨料含量较低的情况。关键词：人工神经网络；摩擦材料；性能预测；摩擦因数中图分类号：TP183文献标识码：A文章编号：0254—0150(2014)11—014—5EvaluationandPredictiononTribologicalPerformancesofBrakeFrictionMaterialsBasedonArtificialNeuralNetworksXueJ

3、ibin·LvYafeiQiShichengJiangShenglingZhangXiaoaYunRongping·。(1．KeylaboratoryofCarbonFiberandFunctionalPolymers，MinistryofEducation，Beijing100029，China；2．DongchengAdministrationofWorkSafety，Beijing100007，China；3．ResearchInstituteforScience&TechnologyDevelopment，BeijingUniversityofChemicalTechn

4、ology，Beijing100029，China)Abstract：Threedifferentevaluationmodelsontribolocicalperformancesofbrakefrictioncompositeswereestablishedbasedonthreetypesoftypicalartificialneuralnetworks(ANN)，includingElman，BPandRBF．AllthreemodelsweretrainedandoptimizedwithaBayesianRegulationalgorithm，andwereappl

5、iedtopredictthefrictioncoeficientoffrictionmaterialsinbothheatingandcoolingprocesses．TheresearchresultsshowthattheElmanmodelisthebestoneinaccurate-lypredictingthefrictioncoefficientoffrictionmaterials，especiallyfortheformulationswithalowusageofabrasives．Keywords：artificialneuralnetwork(ANN)；

6、brakefrictionmaterial；performanceprediction；frictiontoemcient摩擦材料的摩擦性能评价对摩擦材料的安全性起函数具有什么样的形式，且所考虑的系统表现的函数了重要作用⋯。摩擦材料的摩擦性能预测则能对摩擦形式越复杂，神经网络这种特性的作用就越明显。通材料新产品的研发起到重要作用。人工神经网络是近常，人工神经网络主要有前馈神经网络、反馈神经网来用于摩擦材料摩擦性能预测的新方法。人工神经网络、局部型神经网络、竞争型神经网络等。BP神络是一种模拟脑神经对外部环境进行学习的过程建立经网络能将动态时间建模问题变为静态空间建模问起来的一种

7、人工智能模式识别方法，具有自学习、自题，其神经元的传递是s型函数，输出量为0—1之组织、自适应的能力及很强的非线性函数逼近能力和间的连续量，可以实现从输入到输出的任意非线性映容错能力，特别适用于研究非线性系统特性。由于人射，且权值的调整采用反向传播学习算法。Elman回工神经网络可以模拟复杂的非线性系统，因此，人工归神经网络是在BP网络基本结构的基础上，通过存神经网络可以逼近样本数据规律的函数，而不论这些储内部状态使其具备映射的动态特征功能，从而使系统具有适应时变特性。该网络不同于通常的两层