改进Back Propagation神经网络预测麻纤维/UP复合材料的界面性能

• 作者: 曹文静 王春红 白肃跃 赵玲 韦浩威
• 来源期刊: 复合材料学报
• 学科: 农学
• 关键词: BP神经网络 灰关联 界面 麻纤维 复合材料
• 年，卷（期）: 2015,（6）
• 页码范围: 1696-1702
• 页数: 7页
• 分类号: S2|Q94|Q1
• 字数: 4150字
• 语种: 中文
• DOI: 10.13801/j.cnki.fhclxb.20150323.003

摘要

为研究麻纤维化学成分对其增强复合材料界面性能的影响,选取麻纤维纤维素、半纤维素、果胶、木质素、水溶物、脂蜡质成分含量及回潮率作为影响因素,以麻纤维/不饱和聚酯树脂(UP)复合材料界面性能作为影响结果,构建Back Propagation (BP)神经网络的训练样本.首先,利用灰关联分析法对影响麻纤维/UP复合材料界面性能的因素进行关联度计算;其次,按照影响程度的大小进行排序,建立3层BP神经网络模型进行迭代训练;最后,预测麻纤维化学成分含量对麻纤维/UP复合材料界面性能的影响.预测结果表明:学习结束后模型的输出比较接近实测值,说明BP神经网络具有很强的学习能力,同时也证明了将BP神经网络用于麻纤维/UP复合材料界面剪切力预测的可行性;灰关联与BP神经网络联用后预测精度得到大大提高,预测误差最大可减小83.28％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春红	天津工业大学纺织学院	93	558	12.0	19.0
2	曹文静	天津工业大学纺织学院	2	9	2.0	2.0
3	白肃跃	天津工业大学纺织学院	7	66	5.0	7.0
4	赵玲	天津工业大学纺织学院	4	14	2.0	3.0
5	韦浩威	天津工业大学纺织学院	1	7	1.0	1.0