基于人工神經(jīng)網(wǎng)絡的摩擦材料性能預測研究.pdf

1、在生產(chǎn)摩擦材料前對預選配方材料各種組合的摩擦性能進行詳細預測，對摩擦材料新產(chǎn)品的研究和發(fā)展起著重要的推進作用。人工神經(jīng)網(wǎng)絡是一種模擬人腦神經(jīng)激勵反饋應對信號過程，選擇不同結(jié)構(gòu)連接方式建立不同種網(wǎng)絡，從而達到智能識別應用，人工神經(jīng)網(wǎng)絡具有自學習、自組織、自適應的能力并且對非線性函數(shù)逼近能力和很強的容錯能力?；谌斯ど窠?jīng)網(wǎng)絡對復雜非線性環(huán)境優(yōu)秀的擬合能力，因此，無論非線性系統(tǒng)呈現(xiàn)函數(shù)多么復雜，人工神經(jīng)網(wǎng)絡都可以盡力模擬相似的環(huán)境，而且對于越

2、復雜的系統(tǒng)，這種模擬效果就越明顯。
　　本文梳理了大量課題組按照GB5763-2008中第4類盤式制動器用襯片規(guī)定的摩擦性能測試方法實驗數(shù)據(jù)，進行了分類分組，并且對比了反饋神經(jīng)網(wǎng)絡Elman、前饋網(wǎng)絡BP、徑向網(wǎng)絡RBF三種常用神經(jīng)網(wǎng)絡預測摩擦材料升溫摩擦系數(shù)和降溫摩擦系數(shù)，變換BP和Elman網(wǎng)絡常用訓練函數(shù)trainlm和traingdx與貝葉斯正則化訓練函數(shù)并且對比了預測誤差，最終選擇了最優(yōu)的貝葉斯正則化訓練函數(shù)完成了實驗預

3、測工作。在實驗中單層網(wǎng)絡實驗中選擇Elman網(wǎng)絡預測本研究實驗數(shù)據(jù)的單層6[10]1結(jié)構(gòu)在全部單層網(wǎng)絡測試預測中精度最高，使用tansig作為傳遞函數(shù)和logsig作為輸出函數(shù)，單一隱含層內(nèi)添加10個神經(jīng)元，傳較為準確地預測了含較低組分磨料的摩擦材料的升溫摩擦系數(shù)和降溫摩擦系數(shù)。在優(yōu)化Elman網(wǎng)絡時變換多層網(wǎng)絡結(jié)構(gòu)分別使用雙層和三層網(wǎng)絡結(jié)構(gòu)，將原10神經(jīng)元的單隱含層網(wǎng)絡分化，中間層仍為tansig但多層傳遞，網(wǎng)絡結(jié)構(gòu)Elman6[5,

4、5]21、Elman6[6,5]21、Elman6[6,4]21、Elman6[4,6]21、Elman6[7,3]21、Elman6[4,3,3]31、Elman6[4,3,2]31、Elman6[3,3,2]31、Elman6[5,4,3]31等，從10個神經(jīng)元增加至12及以上的神經(jīng)元進行預測，最終得到總平均誤差最小的Elman6[5，4，3]31，6輸入中間層5，4，3三層結(jié)構(gòu)，單輸出的網(wǎng)絡。研究結(jié)論如下:
　　(1)多隱含

5、層人工神經(jīng)網(wǎng)絡可以優(yōu)化單隱含層人工神經(jīng)網(wǎng)絡在摩擦材料性能預測中的準確性。
　　(2) Elman網(wǎng)絡預測本研究實驗數(shù)據(jù)的精度最高，單層網(wǎng)絡選擇了6[10]1結(jié)構(gòu)，使用S型正切傳遞函數(shù)和S型對數(shù)輸出函數(shù)，較為準確地預測了含較低組分磨料的摩擦材料的升溫摩擦系數(shù)和降溫摩擦系數(shù)。
　　(3)多層網(wǎng)絡選擇性更高，可以在小范圍內(nèi)更好的預測實驗結(jié)果。
　　(4)考慮到Elman網(wǎng)絡通常用于預測動態(tài)、非線性數(shù)據(jù)，而前饋BP、徑向RBF