[發(fā)明專利]金屬塑料復合自潤滑材料塑料工作層成分優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 200910029478.6
• 申請日: 2009-04-14
• 公開（公告）號: CN101533483A
• 公開（公告）日: 2009-09-16
• 發(fā)明（設(shè)計）人: 駱志高;龐朝利;陳保磊
• 申請（專利權(quán)）人: 江蘇大學
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06F17/50
• 代理公司: 南京知識律師事務所
• 代理人: 汪旭東

技術(shù)領(lǐng)域

本發(fā)明涉及塑料工作層成分優(yōu)化及神經(jīng)網(wǎng)絡算法和正交試驗技術(shù)領(lǐng)域，尤其是涉及一種基于神經(jīng)網(wǎng)絡和正交試驗的金屬塑料復合材料塑料工作層的各成分配比優(yōu)化設(shè)計方法。

背景技術(shù)

金屬塑料復合自潤滑材料的塑料工作層作為摩擦件的主要工作部分，其摩擦系數(shù)和磨損率的摩擦學性能的好壞是金屬塑料復合自潤滑材料性能的重要方面。因為實際塑料工作層的摩擦學性能與塑料各成分配比間關(guān)系是非線性的，因此為提高復合材料的摩擦學性能需對塑料工作層各成分配比進行優(yōu)化設(shè)計。但是，目前針對材料成分優(yōu)化設(shè)計方法多數(shù)是基于傳統(tǒng)的線性理論或假設(shè)為線性系統(tǒng)，這就不可避免地存在成分配比選擇的困難。

人工神經(jīng)網(wǎng)絡是在人類對大腦神經(jīng)網(wǎng)絡認識理解的基礎(chǔ)上人工構(gòu)造的能實現(xiàn)其某種功能的理論化的數(shù)學模型，是基于模仿大腦神經(jīng)網(wǎng)絡結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)。神經(jīng)網(wǎng)絡包含有許多用非線性函數(shù)描述的內(nèi)聯(lián)的神經(jīng)元(典型的是s型函數(shù))，它不需要專門知識就能解決許多困難的現(xiàn)實問題，而且知識可以自動地擴展或通過對樣本例子的學習來代替麻煩的規(guī)則翻譯，通過對帶隱含層的神經(jīng)網(wǎng)絡的訓練可以有效地再現(xiàn)許多實際問題。它的最大特點是通過小的嵌入系統(tǒng)能處理大容量的信息。和基于知識庫的專家系統(tǒng)相比，神經(jīng)網(wǎng)絡系統(tǒng)的最大優(yōu)點是在于它的自動學習能力，可以降低獲取知識這個專家系統(tǒng)的創(chuàng)建的瓶頸，從而可有效地減少系統(tǒng)的開發(fā)時間。BP網(wǎng)絡是目前大量采用的一種神經(jīng)網(wǎng)絡模型。

正交實驗設(shè)計方法是研究和處理多因素實驗的一種科學方法，它利用正交表來安排實驗。正交表本身具有3個典型優(yōu)點，即正交性、節(jié)省性和方便性。正交性表現(xiàn)在正交表中任意兩列橫向各數(shù)碼搭配所出現(xiàn)的次數(shù)相同，保證了實驗的典型性。節(jié)省性表現(xiàn)在從全部組合中挑選出一部分進行實驗就能反映全面實驗結(jié)果。方便性表現(xiàn)在可以通過正交表簡單直觀地討論某一個因素，其他因素不予考慮。基于正交表的以上優(yōu)點，利用它能夠選出代表性較強的少數(shù)實驗，來求得最優(yōu)或較優(yōu)的一組方案。

發(fā)明目的

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中對金屬塑料復合自潤滑材料塑料工作層的成分配比選擇困難的不足，提供了一種基于神經(jīng)網(wǎng)絡和正交試驗的金屬塑料復合自潤滑材料塑料工作層各成分優(yōu)化方法。

本發(fā)明采用的技術(shù)方案是包括以下步驟：

1)根據(jù)給定需要設(shè)計的塑料工作層各成分配比及優(yōu)化設(shè)計目標，給出對BP神經(jīng)網(wǎng)絡進行訓練用的樣本：

2)訓練BP神經(jīng)網(wǎng)絡，構(gòu)造輸入和輸出的映射關(guān)系，具體為：

(A)利用正交試驗的設(shè)定值作為BP神經(jīng)網(wǎng)絡的輸入，構(gòu)造輸入和輸出映射關(guān)系的BP神經(jīng)網(wǎng)絡；

(B)訓練BP神經(jīng)網(wǎng)絡，使輸入層節(jié)點的個數(shù)等于正交試驗設(shè)定的主成分個數(shù)，輸出層結(jié)點個數(shù)等于優(yōu)化目標的個數(shù)，隱含節(jié)點的選取利用公式：

p=n+m+a]]>

其中：m為輸入節(jié)點數(shù)，n為輸出節(jié)點數(shù)，a為1～10之間的常數(shù)，p先從小的開始取；

(C)利用訓練好的BP神經(jīng)網(wǎng)絡預測并驗證，當結(jié)果精度＞0.01的要求時，進行步驟(4)，否則重復步驟(2)；

(D)得到一個系統(tǒng)反應輸入和輸出關(guān)系，并可作為成分配比優(yōu)化設(shè)計的BP神經(jīng)網(wǎng)絡預測模型；

3)將訓練好的BP神經(jīng)網(wǎng)絡模型作為優(yōu)化設(shè)計的觀察工具，在塑料工作層指定成分含量參數(shù)組合的基礎(chǔ)上分別變化各參數(shù)大小，觀察各參數(shù)對優(yōu)化目標的影響，并選擇各個參數(shù)的最優(yōu)解；

4)采用常用加工工藝，在優(yōu)化得出的組合里選擇最優(yōu)的各成分配比，并應用于實際的材料制造成型。

本發(fā)明的有益效果是：

1、由于塑料工作層各成分配比優(yōu)化設(shè)計的關(guān)鍵點是選用相互配比對優(yōu)化目標摩擦學性能最有利的成分配比組合，因此，本發(fā)明采用具有強大的時變性、非線性函數(shù)逼近能力的BP神經(jīng)網(wǎng)絡，利用其性能可對非線性特征很強的塑料工作層各成分配比進行計算和控制，用BP神經(jīng)網(wǎng)絡的實際輸出和期望輸出矢量的誤差來修正權(quán)值，使BP神經(jīng)網(wǎng)絡實際輸出盡可能接近期望輸出矢量，使BP神經(jīng)網(wǎng)絡輸出層的誤差平方和達到最小。