[发明专利]一种优化的橡胶老化性能预测方法

说明书

本发明提供了一种优化的橡胶老化性能预测方法。利用优化的BP人工神经网络对应用于复杂环境下的橡胶材料及制品的老化性能进行预测。首先对输入的数据要经过整理和筛选，然后确定输入层和输出层的参数，利用BP人工神经网络对输入数据进行训练，优选出隐含层神经元个数和训练函数，之后利用训练的神经网络模型对橡胶材料性能数据进行预测。本发明使用的BP人工神经网络具有良好的自适应性和自学习能力，其不需要建立物理或化学加速模型，也不需要明晰的材料老化机理，同时可以考虑多种影响因素。本发明能够为多因素耦合环境下橡胶材料及制品的老化性能提供迅速且准确的预测方法。

技术领域

本发明属于橡胶老化性能预测技术领域，特别涉及一种优化的橡胶老化性能预测方法。

背景技术

橡胶材料及制品的的使用环境趋向于复杂、特殊、综合的环境，例如高温、高湿、盐雾、日照、油介质、推进剂介质等环境。在这种多因素耦合的复杂使用环境下，橡胶材料及制品在长期保存和使用过程中会受到光、热、氧、水分、盐雾、侵蚀性介质以及机械应力等环境因素的影响，从而逐渐产生不可逆的老化现象，导致性能下降，甚至丧失工作能力。目前的性能预测方法一般仅考虑单一环境因素的影响，较少对多因素环境条件的影响进行研究。若涉及三个及以上的环境因素，则由于多因素耦合环境的复杂性，各环境因素的影响占比模糊，导致橡胶材料的老化机理不清晰，老化后的性能变化趋势不能采用已有的橡胶材料性能评价方法进行评价。如何评价橡胶材料及制品在这种多因素耦合的复杂环境下的性能成为新形势下亟需解决的问题。

人工神经网络是一种模拟大脑神经系统结构和功能，由大量神经元广泛连接组成的神经网络系统，在近年来得到迅速发展，具有在各领域应用的极大潜能。人工神经网络能够从已知数据中自动归纳规律，获得数据的内在规律，具有很强的非线性映射能力，并且具有高度的并行性，良好的容错性，较强的自适应性和自学习能力。可以同时考虑多种环境影响因素，非常适用于多因素耦合环境下橡胶材料的老化性能预测。在满足数据量较大，数据可靠和数据涵盖范围广的条件下，人工神经网络方法能够迅速可靠的预测橡胶材料的老化性能。

目前，人工神经网络在预测橡胶老化性能方面存在预测结果不准确的问题，主要的原因有两方面：一方面是数据量少，一方面是隐含层神经元个数选取不恰当。

发明内容

本发明的目的在于克服上述缺陷，提供一种优化的橡胶老化性能预测方法，基于BP(back propagation)人工神经网络，在神经网络训练数据集里加入自然老化数据，同时通过优化隐含层神经元个数，能够有效解决预测准确性的问题，本发明所述方法能够在不需要建立物理或化学加速模型，也不需要明晰的材料老化机理的前提下，利用已有数据对橡胶材料的老化性能进行有效预测。

为实现上述发明目的，本发明提供如下技术方案：

一种优化的橡胶老化性能预测方法，包括以下步骤：

(1)对橡胶材料的数据进行整理和筛选；所述数据为橡胶的老化条件及所述老化条件对应的老化性能；

(2)建立人工神经网络，依据橡胶的目标老化性能及老化条件，确定输入层和输出层的参数；

(3)训练人工神经网络，得到最优训练模型；所述训练人工神经网络过程包括确定训练函数和隐含层的神经元个数；

(4)利用最优训练模型，输入橡胶老化条件，得到橡胶的目标老化性能。

进一步的，步骤(1)中，所述数据≥50组；所述数据包括自然老化数据和加速老化数据，所述自然老化数据至少为1组；所述加速老化数据包括相同试样的历史测试数据和新测试数据。

进一步的，步骤(1)中，数据筛选包括缺失值和异常值的处理；所述缺失值的处理方法包括删除、替补和插补；所述异常值的处理方法包括删除或平均修正法。