基于人工神经网络的摩擦材料性能评价和预测

• 作者: 吕亚非 员荣平 张孝阿 江盛玲 薛继斌 齐士成
• 来源期刊: 润滑与密封
• 学科: 工学
• 关键词: 人工神经网络 摩擦材料 性能预测 摩擦因数
• 年，卷（期）: 2014,（11）
• 页码范围: 14-18,54
• 页数: 6页
• 分类号: TP183
• 字数: 2470字
• 语种: 中文
• DOI: 10.3969/j.issn.0254-0150.2014.11.004

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江盛玲	北京化工大学碳纤维与功能高分子教育部重点实验室	66	277	9.0	13.0
2	吕亚非	北京化工大学碳纤维与功能高分子教育部重点实验室	78	393	12.0	16.0
3	张孝阿	北京化工大学碳纤维与功能高分子教育部重点实验室	35	86	5.0	8.0
4	员荣平	北京化工大学碳纤维与功能高分子教育部重点实验室	24	76	6.0	7.0
5	齐士成	北京化工大学碳纤维与功能高分子教育部重点实验室	35	159	7.0	11.0
6	薛继斌	北京化工大学碳纤维与功能高分子教育部重点实验室	1	4	1.0	1.0