文献类型：期刊文章

作　　者：薛继斌[1,2] 吕亚非[1] 齐士成[1] 江盛玲[1] 张孝阿[1] 员荣平[1,3]

机构地区：[1]北京化工大学碳纤维与功能高分子教育部重点实验室,北京100029 [2]北京市东城区安全生产监督管理局,北京100007 [3]北京化工大学科学技术发展研究院,北京100029

出　　处：《润滑与密封》

基　　金：国家自然科学基金项目(50373002;50673012)

年　　份：2014

卷　　号：39

期　　号：11

起止页码：14-18

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD_E2013_2014、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：基于3种典型的人工神经网络,即Elman(反馈)、BP(前馈)和RBF(径向),分别建立3种制动摩擦材料摩擦性能的评价预测模型,采用[240,8]的数据样本对3种模型进行训练,同时采用贝叶斯正则化训练函数进一步优化。结果表明,Elman网络预测实验数据的精度最高,能较为准确地预测摩擦材料的升温摩擦因数和降温摩擦因数,尤其适用于磨料含量较低的情况。

关 键 词：人工神经网络 摩擦材料 性能预测  摩擦因数  

分 类 号：TP183]