摘要
本发明提出了一种基于PSO‑FPA‑BP的树脂基制动材料摩擦磨损性能预测方法及系统,该方法及系统对制动材料摩擦磨损性能数据集进行预处理,得到预处理后的样本数据集;将BP神经网络的初始权值和初始阈值作为PSO‑FPA混合优化算法的初始种群位置进行寻优,获取BP神经网络的最优权值和最优阈值;使用预处理的样本数据集对已获取最优初始阈值和最优初始权值的BP神经网络构成的制动材料摩擦磨损性能预测模型进行训练,使用未参与训练的样本对训练合格的摩擦磨损性能预测模型进行测试。本发明能够较为准确地预测制动材料的摩擦磨损性能。
技术关键词
性能预测方法
花朵授粉算法
混合优化算法
自花授粉
性能预测模型
性能预测系统
节点数
粒子群算法
训练集
优化BP神经网络
Sigmoid函数
BP神经网络模型
数据
粒子群优化算法
代表
可读存储介质
因子
处理器
系统为您推荐了相关专利信息
聚合物电解质
一体化智能系统
新颖结构
碱性
性能预测模型
退化预测方法
粒子群算法优化
随机森林模型
多环境
涂层
高维特征向量
参数更新模块
轨迹优化算法
机器人生产线
分层策略
随机森林模型
性能预测模型
孔设计方法
拱坝
应力