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

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
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
申请号:CN202510936771
申请日期:2025-07-08
公开号:CN120853752A
公开日期:2025-10-28
类型:发明专利
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
动力涡轮 性能预测方法 深度学习预测模型 拉丁超立方采样 速度
机器学习辅助 混合优化方法 拉丁超立方采样 协同克里金 残差模型
性能指标预测方法 性能预测模型 强化学习算法 网络 非暂态计算机可读存储介质
性能预测方法 电池包 结构单元 多边形 参数
全局优化方法 神经网络架构搜索方法 开源框架 自动语法 自动模板