基于BP神经网络的汽车摩擦材料性能预测与配方优化

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L2M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％。