【作者】 马云海； 佟金； 阁久林；

【Author】 Ma Yunhai Tong Jin Yan Jiulin

【机构】 吉林大学地面机械仿生技术教育部重点实验室；

【摘要】 评定各种因素对材料耐磨性的影响是非常复杂的。而且对于不同的磨损形式,需要建立不同的模型,因此将其应用于预测很不方便。人工神经网络在复杂系统的建模问题上具有其优越性。许多学者研究了高聚物及其复合材料滑动磨损规律和机理。考虑到输入、输出数据个数,根据实际程序调试设计了一个3×10×2的BP神经网络。其中输入层由3个神经元构成,分别为硅灰石纤维的处理方法(未处理、钛酸酯偶联剂处理、硅烷偶联剂处理、硅烷偶联剂+钛酸酯偶联剂复合处理)、硅灰石纤维的加入量(5%Wt,10%wt,15%wt和20%wt)和试验过程中的法向载荷(40N,80N,120N和160N)。这3个向量构成了BP网络的输入。隐层有10个神经元,输出层有2个神经元(分别为材料的摩擦系数和磨损量),输入层和隐层间的传递函数取Sigmoid函数,隐层和输出层间的传递函数为purelin函数。基于上述BP神经网络对硅灰石纤维增强超高分子量聚乙烯(UHMWPE)基复合材料的干滑动摩擦磨损特性进行模拟和预测。通过对神经网络的训练和检验,表明3×10×2的BP神经网络能够较好地预测硅灰石纤维偶联处理方式、纤维加入量及载荷大小等因素对复合材料的干滑动磨损特性的影响,其预测值与实测值吻合较好。该网络模型对磨损量和摩擦系数预测的正确率达到94%以上。更多还原

【Abstract】 Dry sliding friction and wear of ultra high molecular weight polyethylene (UHMWPE) composites filled with wollastonite fibers be simulated and estimated based on BP neural work. The BP neural net work with a structure of 3 × 10 × 2 was designed, trained and net checked. It was shown that it can estimate the effects of the coupling treatment method of wollastonite fibers, fiber content in the composites and the normal load on the dry sliding wear behavior of the composites accurately. The estimated values of friction coefficients and worn volumes were close to the corresponding test values and the right probability of the estimation based on the neural net model was above 94%.更多还原