[发明专利]金属塑料复合自润滑材料塑料工作层成分优化方法

说明书

技术领域

本发明涉及塑料工作层成分优化及神经网络算法和正交试验技术领域，尤其是涉及一种基于神经网络和正交试验的金属塑料复合材料塑料工作层的各成分配比优化设计方法。

背景技术

金属塑料复合自润滑材料的塑料工作层作为摩擦件的主要工作部分，其摩擦系数和磨损率的摩擦学性能的好坏是金属塑料复合自润滑材料性能的重要方面。因为实际塑料工作层的摩擦学性能与塑料各成分配比间关系是非线性的，因此为提高复合材料的摩擦学性能需对塑料工作层各成分配比进行优化设计。但是，目前针对材料成分优化设计方法多数是基于传统的线性理论或假设为线性系统，这就不可避免地存在成分配比选择的困难。

人工神经网络是在人类对大脑神经网络认识理解的基础上人工构造的能实现其某种功能的理论化的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。神经网络包含有许多用非线性函数描述的内联的神经元(典型的是s型函数)，它不需要专门知识就能解决许多困难的现实问题，而且知识可以自动地扩展或通过对样本例子的学习来代替麻烦的规则翻译，通过对带隐含层的神经网络的训练可以有效地再现许多实际问题。它的最大特点是通过小的嵌入系统能处理大容量的信息。和基于知识库的专家系统相比，神经网络系统的最大优点是在于它的自动学习能力，可以降低获取知识这个专家系统的创建的瓶颈，从而可有效地减少系统的开发时间。BP网络是目前大量采用的一种神经网络模型。

正交实验设计方法是研究和处理多因素实验的一种科学方法，它利用正交表来安排实验。正交表本身具有3个典型优点，即正交性、节省性和方便性。正交性表现在正交表中任意两列横向各数码搭配所出现的次数相同，保证了实验的典型性。节省性表现在从全部组合中挑选出一部分进行实验就能反映全面实验结果。方便性表现在可以通过正交表简单直观地讨论某一个因素，其他因素不予考虑。基于正交表的以上优点，利用它能够选出代表性较强的少数实验，来求得最优或较优的一组方案。

发明目的

本发明的目的在于克服现有技术中对金属塑料复合自润滑材料塑料工作层的成分配比选择困难的不足，提供了一种基于神经网络和正交试验的金属塑料复合自润滑材料塑料工作层各成分优化方法。

本发明采用的技术方案是包括以下步骤：

1)根据给定需要设计的塑料工作层各成分配比及优化设计目标，给出对BP神经网络进行训练用的样本：

2)训练BP神经网络，构造输入和输出的映射关系，具体为：

(A)利用正交试验的设定值作为BP神经网络的输入，构造输入和输出映射关系的BP神经网络；

(B)训练BP神经网络，使输入层节点的个数等于正交试验设定的主成分个数，输出层结点个数等于优化目标的个数，隐含节点的选取利用公式：

p=n+m+a]]>

其中：m为输入节点数，n为输出节点数，a为1～10之间的常数，p先从小的开始取；

(C)利用训练好的BP神经网络预测并验证，当结果精度＞0.01的要求时，进行步骤(4)，否则重复步骤(2)；

(D)得到一个系统反应输入和输出关系，并可作为成分配比优化设计的BP神经网络预测模型；

3)将训练好的BP神经网络模型作为优化设计的观察工具，在塑料工作层指定成分含量参数组合的基础上分别变化各参数大小，观察各参数对优化目标的影响，并选择各个参数的最优解；

4)采用常用加工工艺，在优化得出的组合里选择最优的各成分配比，并应用于实际的材料制造成型。

本发明的有益效果是：

1、由于塑料工作层各成分配比优化设计的关键点是选用相互配比对优化目标摩擦学性能最有利的成分配比组合，因此，本发明采用具有强大的时变性、非线性函数逼近能力的BP神经网络，利用其性能可对非线性特征很强的塑料工作层各成分配比进行计算和控制，用BP神经网络的实际输出和期望输出矢量的误差来修正权值，使BP神经网络实际输出尽可能接近期望输出矢量，使BP神经网络输出层的误差平方和达到最小。