基于人工神經(jīng)網(wǎng)絡的摩擦學系統(tǒng)條件轉化研究.pdf

1、摩擦學表現(xiàn)出的摩擦磨損性能強烈的系統(tǒng)依賴和不可移植性以及過程的時變特征。任何摩擦磨損試驗結果都是在某一特定的條件下代表此特定系統(tǒng)的特性。因此，將摩擦學知識應用于設計，達到摩擦學最小摩擦功耗、與摩擦行為相關的必要的可靠性、合適的使用壽命、最低制造和運行維護成本的設計目標，必須要解決兩個方面的問題，首先，要研究解決系統(tǒng)特性轉化的方法和理論，從而實現(xiàn)一種系統(tǒng)條件下獲得的特性可以轉化到另一種系統(tǒng)條件下應用。其次是要研究已積累的摩擦學特性數(shù)據(jù)。成

2、熟摩擦學系統(tǒng)條件轉化研究，使摩擦學數(shù)據(jù)庫不是一堆靜止相互孤立的數(shù)據(jù)而達到真正的工程上應用成為可能。本文應用人工智能中的神經(jīng)網(wǎng)絡和遺傳算法較成功地解決了摩擦學系統(tǒng)的轉化問題，并通過實例具體說明了轉化方法。 本文的主要研究成果體現(xiàn)在如下幾個方面： (1)建立了摩擦學系統(tǒng)部分條件下影響參數(shù)之間的神經(jīng)網(wǎng)絡泛函數(shù)關系程序。針對摩擦學試驗數(shù)據(jù)設計了適合的神經(jīng)網(wǎng)絡模型。 (2)利用神經(jīng)網(wǎng)絡的自學習能力、非線性逼近能力、自聯(lián)想能

3、力等，通過有限的試驗數(shù)據(jù)來聯(lián)想推測非試驗數(shù)據(jù)，從而實現(xiàn)不同的摩擦學系統(tǒng)之間的特性轉化。 (3)研究了可根據(jù)人機互動輸入條件下的子神經(jīng)網(wǎng)絡泛函數(shù)的自行產生，從而保證了任意輸入條件下的仿真結果的連續(xù)輸出。 (4)研究了遺傳算法，并提出了一種有效的改進的遺傳算法即定向遺傳算法用于訓練神經(jīng)網(wǎng)絡。大大提高了神經(jīng)網(wǎng)絡訓練速度和精度。 (5)設計了MATLAB神經(jīng)網(wǎng)絡編程語言及VISUALBASIC界面編程語言的接口程序，實現(xiàn)