基于RBF神经网络模型的司太立合金磨损量预测.pdf

《基于RBF神经网络模型的司太立合金磨损量预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年3月润滑与密封Mar．201l第36卷第3期LUBRICATIONENGINEERINGV01．36No．3DOI：10．3969／j．issn．0254—0150．2011．03．008基于RBF神经网络模型的司太立合金磨损量预测宋江腾曾攀赵加清李聪聪(清华大学机械系北京100084)摘要：司太立(Stellite)合金是一种能耐各种类型磨损、腐蚀以及高温氧化的硬质合金。为研究其磨损性能，以Stellite6为例，在自行设计的摩擦磨损机上进行室温干摩擦和润滑条件下的磨损实验。以实验数据为基础，建立该合金磨损量的RBF神经网络预测模型。结果表明：RBF神经网络预测模型具有较

2、好的收敛效果和预测精度，具有良好的应用前景。关键词：司太立合金；RBF神经网络；磨损预测中图分类号：TH117．2文献标识码：A文章编号：0254—0150(2011)3—030—3AnalysisofStelliteAlloysWearingPredictionBasedonRadialBasl‘sFunctionNeuralNetworkSongJiangtengZengPanZhaoJiaqingLiCongcong(MechanicalEngineeringDepartment，TsinghuaUniversity，BeijinglO0084，China)Abstract：T

3、hestellitealloysarehardalloyswhichcanresistvariouswear，corrosionandoxidationathightemperature．Inordertostudythewearingbehaviorsofthestellitealloys，weartestswerecarriedoutintheconditionofdryfrictionandlubricationunderroomtemperaturebyusingaserf-designedtribometer．Accordingtotheexperimentalresult

4、s，aRBFneu—ralnetworkmodelwasproposedtopredictthewearlossofstellitealloys．TheresultsshowthattheRBFneuralnetworkhasgoodapplicationprospectsforgoodconvergenceeffectandpredictionaccuracy．Keywords：stellitealloys；RBFneuralnetwork；wearingprediction司太立(Stellite)合金是一种能耐各种类型磨视，被广泛应用于时间序列分析、模式识别、非线性损、腐蚀以及

5、高温氧化的硬质合金，具有很高的高温控制和图像处理等领域。。强度、优异的抗黏连性和耐各种形式腐蚀的性能。司本文作者以Stellite6牌号合金为例，利用RBF神太立合金属于钴基合金的一种，以钴作为主要成分，经网络建立了磨损量的预测模型，对司太立合金磨损含有相当数量的镍、铬、钨和少量的钼、铌、钽、性能进行了预测分析，并验证该方法的可行性。钛、镧等合金元素。广泛用于化工、石油和天然气设1RBF神经网络模型及学习算法备、电力工业、燃气涡轮、航空以及钢铁工业中j。径向基神经网络是一种在高维空间进行插值和局目前对司太立合金的磨损性能所作的研究并不多，多部逼近的神经网络。径向基函数对于每个训练样本

6、，在表面涂层的耐磨性方面。只需对少量的权值和阈值进行修正，训练速度快。有关摩擦学问题的预测方法很多，常用的有神经径向基神经网络结构如图1所示。它的主要功能网络法、灰色预测法、回归分析法等。人工神经网络在于能以任意精度逼近任意连续函数。径向基函数网是近二三十年发展起来的人工智能技术。径向基函数络由一个输入层、一个隐层和一个线性输出层组成。(RadialBasisFunction，RBF)作为一种常用的前馈输入层接收来自训练样本的值，其神经元数目和样本网络，具有结构简单，训练简洁，学习收敛速度快，数相同。隐含层神经元采用高斯函数作为传递函数能够逼近任意非线性函数的特点，避免了BP神经网(

7、也称基函数)，其表达式为：络存在的诸如易陷于局部最优点，收敛次数过多，训1练时间过长等缺陷。因此近年来受到越来越广泛的重R(--)=exp(一一clf)二0-式中：。=(，：，⋯，)为第P个输入样收稿日期：2010—09—28作者简介：宋江腾(1976一)，男，博士，主要从事数字化设计本；C为网络隐含层结点的中心；为高斯函数的方及新型耐磨材料的研究．E—mail：@eng@mail．tsing}1uaedu．ca．差；Il。一Cll为欧氏范数。2011年第