基于神经网络的聚碳酸酯表面形貌参数与光泽度关系研究

• 作者: 李健 程前 蒋晗
• 来源期刊: 成都大学学报（自然科学版）
• 关键词: 聚碳酸酯 形貌参数 表面光泽度 相关性 神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 特稿
• 页码范围: 1-7
• 页数: 7页
• 分类号: TQ323.4+1
• 语种: 中文
• DOI: 10.3969/j.issn.1004-5422.2020.01.001

摘要

研究了聚碳酸酯复杂表面形貌参数与表面光泽度的关系.使用不同目数的砂纸作为刮头,施加不同大小的恒定法向力对聚碳酸酯高光表面进行刮擦,得到具有不同光泽度的损伤表面.使用原子力显微镜和光泽度仪分别测得材料表面的三维形貌参数和光泽度数据,发现高光聚碳酸酯表面在砂纸的作用下损伤越严重,光泽度值越低.采用皮尔逊相关系数分析单个形貌参数与表面光泽度间的相关性,发现在所研究的16个形貌参数中,只有8个形貌参数与光泽度有较强的相关性.选用BP和RBF神经网络,对具有较强相关性的形貌参数与表面光泽度的复杂关系进行学习和预测,结果显示2种神经网络模型都能够预测表面损伤后光泽度的改变,基于对2种模型的分析,RBF神经网络比BP神经网络更适合于建立形貌参数与光泽度的非线性联系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李健	西南交通大学力学与工程学院	20	27	3.0	4.0
2	程前	西南交通大学力学与工程学院	3	3	1.0	1.0
3	蒋晗	西南交通大学力学与工程学院	10	7	2.0	2.0