基于BP神经网络的汽车摩擦材料性能预测与配方优化

吴耀庆¹，曾鸣^1,2，范力仁¹

1. 中国地质大学教育部纳米矿物材料及应用工程研究中心2. 中国地质大学地质过程与矿产资源国家重点实验室

摘 要：采用钢纤维、玻璃纤维、铜纤维、矿物纤维等增强纤维,石油焦碳、人造石墨、天然石墨等摩擦调节组元,以及树脂、丁腈橡胶、丁苯橡胶等粘接剂制备汽车摩擦材料。选用BP神经网络建模,以原材料配方为输入变量、摩擦磨损试验数据为输出变量,采用L-M算法对网络进行训练,并进行摩擦磨损性能预测和配方优化。结果表明,隐层神经元为4的单隐层神经网络结构模拟效果较好,性能曲面预测图能表现出原材料的组合性能,采用该网络优化试样的性能测试结果与预测值的相对误差小于20%。

关键词：增强纤维;摩擦材料;摩擦磨损性能;BP神经网络;配方优化;