基于神经网络的聚四氟乙烯复合材料摩擦系数实时识别

论文摘要

基于神经网络,对聚四氟乙烯(PTFE)复合材料摩擦系数实时识别进行了研究,在此阶段中,可以对材料的物理性质进行实时监控,通过人工神经网络模型结构来对PTFE复合材料的摩擦系数进行实时识别,从而为后续复合材料的加工工艺提供实时监控的理论依据和支撑。采用BP算法训练的神经网络均可进行任意精度逼近,但在实际网络训练中,非线性作用函数类型、训练样本数量等均可能降低网络模型精度。采用非线性函数最小二乘曲线拟合的线性算法表明,该线性化处理方法是正确的,为已知材料性能时,快速识别摩擦系数提供了一种有效的手段。

论文目录

• 1 实验部分
•   1.1 参数实时识别建模
•     1.1.1 神经网络模型的建立
•     1.1.2 参数识别解析算法模型
•     1.1.3 参数识别BP网络模型与算法
•   1.2 数据样本采集
• 2 结果与讨论
•   2.1 基于BP神经网络模型的摩擦系数识别实验
•     2.1.1 学习样本的获得
•     2.1.2 数据处理
•   2.2 板材单向拉伸实验数据处理
•   2.3 摩擦性能分析
• 3 结论

文章来源

类型: 期刊论文

作者: 任华新

关键词: 摩擦系数,聚四氟乙烯复合材料,算法,实时识别

来源: 化工新型材料 2019年12期

年度: 2019

分类: 工程科技Ⅰ辑,信息科技

专业: 材料科学,自动化技术

单位: 辽宁对外经贸学院

基金: 2018年度辽宁省普通高等学校本科教学改革研究项目（10841625）

分类号: TB332;TP183

页码: 130-134

总页数: 5

文件大小: 232K

下载量: 58