橡胶工业
橡膠工業
상효공업
CHINA RUBBER INDUSTRY
2014年
2期
69-73
,共5页
项可璐%罗金莲%谢鹏%吴友平
項可璐%囉金蓮%謝鵬%吳友平
항가로%라금련%사붕%오우평
丁苯橡胶%神经网络%主成分分析%耐磨性能%灵敏度分析
丁苯橡膠%神經網絡%主成分分析%耐磨性能%靈敏度分析
정분상효%신경망락%주성분분석%내마성능%령민도분석
SBR%neural network%principal component analysis%abrasion resistance%sensitivity analysis
采用基于灵敏度分析的BP神经网络模型,将丁苯橡胶(SBR)复合材料的8种力学性能数据经过主成分分析(PCA)降维后作为神经网络的输入向量,耐磨性能数据作为输出向量,对SBR复合材料的耐磨性能进行预测,并计算各输入向量的灵敏度矩阵,从而分析输入量对耐磨性能的影响程度.结果表明:通过PCA降维处理,可以消除神经网络输入向量之间的共线性,简化网络,提高网络的预测性能;预测误差在允许范围内,说明BP网络适用于橡胶材料的耐磨性能预测;灵敏度分析显示定伸应力、拉断伸长率和拉断永久变形对SBR橡胶复合材料的耐磨性能影响最大.
採用基于靈敏度分析的BP神經網絡模型,將丁苯橡膠(SBR)複閤材料的8種力學性能數據經過主成分分析(PCA)降維後作為神經網絡的輸入嚮量,耐磨性能數據作為輸齣嚮量,對SBR複閤材料的耐磨性能進行預測,併計算各輸入嚮量的靈敏度矩陣,從而分析輸入量對耐磨性能的影響程度.結果錶明:通過PCA降維處理,可以消除神經網絡輸入嚮量之間的共線性,簡化網絡,提高網絡的預測性能;預測誤差在允許範圍內,說明BP網絡適用于橡膠材料的耐磨性能預測;靈敏度分析顯示定伸應力、拉斷伸長率和拉斷永久變形對SBR橡膠複閤材料的耐磨性能影響最大.
채용기우령민도분석적BP신경망락모형,장정분상효(SBR)복합재료적8충역학성능수거경과주성분분석(PCA)강유후작위신경망락적수입향량,내마성능수거작위수출향량,대SBR복합재료적내마성능진행예측,병계산각수입향량적령민도구진,종이분석수입량대내마성능적영향정도.결과표명:통과PCA강유처리,가이소제신경망락수입향량지간적공선성,간화망락,제고망락적예측성능;예측오차재윤허범위내,설명BP망락괄용우상효재료적내마성능예측;령민도분석현시정신응력、랍단신장솔화랍단영구변형대SBR상효복합재료적내마성능영향최대.
