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

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％.