-
题名基于人工神经网络的摩擦材料性能评价和预测
被引量：4
- 1
-
-
作者
薛继斌
吕亚非
齐士成
江盛玲
张孝阿
员荣平
-
机构
北京化工大学碳纤维与功能高分子教育部重点实验室
北京市东城区安全生产监督管理局
北京化工大学科学技术发展研究院
-
出处
《润滑与密封》
CAS
CSCD
北大核心
2014年第11期14-18,54,共6页
-
基金
国家自然科学基金项目(50373002
50673012)
-
文摘
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
-
Keywords
artificial neural network（ANN）
brake friction material
performance prediction
friction coefficient
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
