改进Back Propagation神经网络预测麻纤维/UP复合材料的界面性能

摘要：

为研究麻纤维化学成分对其增强复合材料界面性能的影响,选取麻纤维纤维素、半纤维素、果胶、木质素、水溶物、脂蜡质成分含量及回潮率作为影响因素,以麻纤维/不饱和聚酯树脂(UP)复合材料界面性能作为影响结果,构建Back Propagation (BP)神经网络的训练样本.首先,利用灰关联分析法对影响麻纤维/UP复合材料界面性能的因素进行关联度计算;其次,按照影响程度的大小进行排序,建立3层BP神经网络模型进行迭代训练;最后,预测麻纤维化学成分含量对麻纤维/UP复合材料界面性能的影响.预测结果表明:学习结束后模型的输出比较接近实测值,说明BP神经网络具有很强的学习能力,同时也证明了将BP神经网络用于麻纤维/UP复合材料界面剪切力预测的可行性;灰关联与BP神经网络联用后预测精度得到大大提高,预测误差最大可减小83.28％.

关键词：BP神经网络、灰关联、界面、麻纤维、复合材料

所属期刊栏目：32

分类号：S2;Q94;Q1

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2017-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1696-1702