外文翻譯--盤式制動器制動性能的神經(jīng)網(wǎng)絡預測 中文版

1、<p>　　盤式制動器制動性能的神經(jīng)網(wǎng)絡預測 </p><p><b>　　1引言 </b></p><p>　　對制動系統(tǒng)的要求，在寬范圍的操作條件下是復雜的、多樣的。據(jù)預計，摩擦系數(shù)應相對較高而且穩(wěn)定的摩擦力，可靠的強度和良好的耐磨性是必要的，不論溫度，濕度，使用年數(shù)，磨損和腐蝕程度等。制動系統(tǒng)的性能主要是由基礎制動裝置確定?；疽?，對汽車制動器的摩擦

2、系數(shù)的穩(wěn)定性有關(guān)在不同制動的操作定義的條件下改變施加的壓力，滑動速度和溫度。汽車制動器的摩擦行為對這些表面之間的盤和墊活性表面性質(zhì)的決定。剎車需要高而穩(wěn)定的摩擦系數(shù)的摩擦材料，磨損率低，無噪音，成本低，環(huán)境友。汽車制動系統(tǒng)的摩擦材料是車輛總體性能的關(guān)鍵部件，這是因為它對制動性能如停車距離，各方面的踏板感覺，盤磨損起至關(guān)重要的作用，并影響制動引起的振動。例如，產(chǎn)生的振動之間的接口兩個物體摩擦負責各種噪聲，如尖叫，顫抖，錘擊，鳴響等。另一方

3、面，性能指標有所增加，使制動更敏感。一種汽車制動器的摩擦行為的結(jié)果，從復雜的相互關(guān)聯(lián)的現(xiàn)象到制動過程中摩擦副的接觸。這些復雜的制動現(xiàn)象大多是影響復合材料的摩擦性能的摩擦單元，制動盤的金屬界面，通過制動的操作方式所施加的條件。因此，制動的性能主要是由鑄鐵制動盤和摩擦復合材料之間的接觸狀態(tài)影響。接觸情況的事實是，摩擦</p><p>　　在摩擦材料中包含所有成分的協(xié)同作用，對具體的生產(chǎn)條件，確定最終的摩擦材料的特點以

4、及相應的制動系統(tǒng)性能的影響。一種汽車制動性能的改善和控制，不同的工況條件下，是一個復雜的情況，在摩擦界面的摩擦下通過實際接觸面積的變化影響制動性能的隨機性，轉(zhuǎn)移層的形成，改變壓力，TEM - perature，和速度條件，以及元件的變形磨損。該墊和盤遠離恒定數(shù)值之間的實際接觸面積，相比總接觸面積非常小，而且高度依賴于壓力的變化，溫度，變形，磨損?？紤]到非常復雜和高度非線性的現(xiàn)象是發(fā)生在制動過程中，制動操作的分析模型完全是困難的。相反，在

5、本文中，人工神經(jīng)網(wǎng)絡可以用來模擬復雜的非線性，多維因素影響制動性能。正如所指出的許多研究人員人工神經(jīng)網(wǎng)絡在預測實驗的趨勢，是一個有前途的研究領域，能夠在成本和時間方面相當經(jīng)典的分析模型比較。 </p><p>　　為了提高制動系統(tǒng)的操作，它是可取的，制動器應該更精確地控制摩擦系數(shù)的變化。因此，制動性能應校準在具體制動工況和摩擦副下不同的特點 。 在本文中，人工神經(jīng)網(wǎng)絡已經(jīng)被用于建模和預測的盤式制動器的摩擦特性即制

6、動</p><p>　　C因子的變化?？紤]以下影響—相關(guān)因素:（1）摩擦材料的組合物，（2）制造</p><p>　　摩擦材料參數(shù)，（3）制動的操作條件。由許多復雜的摩擦材料的影響組成，其制造條件，制動操作對其耐磨性的影響。在本文中，我們把盤式制動器的C因子的預測作為一種重要的MOS盤式制動器的工作性能。</p><p><b>　　2。實驗方法 <

7、/b></p><p>　　為了測試盤式制動器工作即制動性能的不同類型的摩擦材料及制動的操作條件下的函數(shù)，人工神經(jīng)網(wǎng)絡已經(jīng)被適當?shù)挠糜跀?shù)據(jù)訓練。利用人工神經(jīng)網(wǎng)絡模型對盤式制動器的操作流程是有效的，許多關(guān)鍵問題需要解決。下面的操作必須考慮 :(1)一個數(shù)據(jù)發(fā)生器的選擇，(2) 輸入數(shù)據(jù)的分布范圍和定義 ,(3）數(shù)據(jù)生成 (4)數(shù)據(jù)預處理 (5）神經(jīng)網(wǎng)絡的體系結(jié)構(gòu)的選擇 (6)訓練算法的選擇(7)訓練的神經(jīng)網(wǎng)絡

8、 (8)驗證和精度評價 人工神經(jīng)網(wǎng)絡的測試 .</p><p>　　對盤式制動器工作的神經(jīng)網(wǎng)絡模型開發(fā)的初步步驟是模型的輸入和輸出的識別。輸入和輸出的識別取決于模型的目標和數(shù)據(jù)源的選擇。 本文的目的，輸入?yún)?shù)由摩擦材料組合物定義，在其制造工藝條件下，與制動盤的操作條件下， 制動C因子已被作為輸出參數(shù)，用于表示盤式制動器的制動性能。C因子對應改變制動因子摩擦系數(shù)摩擦副接觸時制動參數(shù)。制動C因子的測量變化的制動轉(zhuǎn)矩和

9、應用壓力在制動周期內(nèi)和已知的活塞的直徑值有效制的動盤半徑。根據(jù)表達式(1):C ¼ 4T pd2cpre </p><p>　　(1)數(shù)據(jù)發(fā)生器的類型取決于可用性的應用 。在這種情況下，數(shù)據(jù)發(fā)生器是一個單端全面的慣性測功機，在實驗室開發(fā)摩擦機及制動系統(tǒng)frimeks（汽車部門，機械工程學院，貝爾格萊德大學）。顯然，這種測試方法需要根據(jù)所要收集的數(shù)據(jù)的范圍和分布做出選擇。表1給出了用于輸出數(shù)據(jù)生成的測試方

10、法。 制動試驗條件下，在拋光過程中，被選為識別應用液壓壓力和摩擦材料的不同類型對盤式制動器的性能最終冷初始等效車輛速度的影響。 這些數(shù)據(jù)已經(jīng)用來訓練，驗證，和測試的神經(jīng)網(wǎng)絡，為了建立盤功能的關(guān)系制動工況，摩擦材料的類型，和制動C因子變化為輸出。</p><p>　　很明顯，對輸入數(shù)據(jù)進行訓練，驗證和測試的范圍和分布，必須預先考慮盤式制動器操作的神經(jīng)模型的制造參數(shù)，見表3 ，也已被隨機選擇摩擦材料為F1–F9案例。

11、 </p><p>　　此外，對盤式制動器的性能預測的神經(jīng)網(wǎng)絡訓練精度進行測試使用的輸入和輸出數(shù)據(jù)存儲在測試數(shù)據(jù)集。測試數(shù)據(jù)集通過生產(chǎn)摩擦材料的兩種新方法得到（FT1和平方英尺）的輸入?yún)?shù)是完全不同的，從存儲在訓練和驗證數(shù)據(jù)集的測試成分的體積相比，在表中，用于摩擦材料的組成主要是藥物和平方英尺選擇對應的上、下界值指定范圍。摩擦的制造參數(shù)材料FT1和FT2也同樣選擇有關(guān)的表3規(guī)定的范圍。唯一的區(qū)別是相關(guān)的具體的成型

12、壓力，在摩擦的情況下材料FT1和平方英尺，是用于制造出來的范圍—摩擦材料為F1–F9（見表3）。這些值被選定為驗證神經(jīng)網(wǎng)絡模型的能力，延長其預測能力的數(shù)據(jù)在兩端范圍或完全在用于訓練的范圍數(shù)據(jù)集的創(chuàng)建。</p><p><b>　　3.神經(jīng)網(wǎng)絡建模 </b></p><p>　　根據(jù)表1–3，盤式制動器的操作神經(jīng)建模已經(jīng)輸入?yún)?shù)執(zhí)行（18個參數(shù)的摩擦材料與組成有關(guān)，5個

13、參數(shù)與制造條件有關(guān)，3個參數(shù)與制動試驗條件有關(guān)的），和一個輸出參數(shù) （制動C因子 ）。盤式制動器的操作神經(jīng)建模是一項復雜的任務，以及算法需要適當?shù)卮_定神經(jīng)網(wǎng)絡實現(xiàn)適當?shù)慕?。人工神?jīng)網(wǎng)絡的體系結(jié)構(gòu)包括一個網(wǎng)絡有多少層的描述，在每一層中的神經(jīng)元的數(shù)目，每一層的傳遞函數(shù)和如何相互連接 。 使用最好的結(jié)構(gòu)取決于以網(wǎng)絡為代表的那種 。最好的神經(jīng)網(wǎng)絡建立的網(wǎng)絡模型具有的代表性的影響。神經(jīng)網(wǎng)絡用來擴大其預測能力的訓練數(shù)據(jù)集以及數(shù)據(jù)的人工神經(jīng)網(wǎng)絡的實

14、現(xiàn)是必不可少的對盤式制動器性能的預測。 </p><p>　　這是一個明確的，足夠的輸入目標被存儲在訓練數(shù)據(jù)集。輸入輸出數(shù)據(jù)的配方，由生產(chǎn)得到，和十一種不同的摩擦材料代表一個大的數(shù)據(jù)集，可以用來訓練，驗證和測試儀測試神經(jīng)網(wǎng)絡。輸出結(jié)果總數(shù)，通過每種類型的摩擦材料的摩擦磨損測試儀獲得的，根據(jù)所采用的測試方法（表1）。這意味著275的輸入/輸出對可用于神經(jīng)網(wǎng)絡的訓練，驗證，和測試。275輸入/輸出對被分為三組總?cè)藬?shù)

15、的200，輸入/輸出的神經(jīng)網(wǎng)絡訓練對驗證，25對，50對神經(jīng)網(wǎng)絡測試。因為最好的神經(jīng)網(wǎng)絡結(jié)構(gòu)和學習算法，事先是未知的，一個試錯法來找出最佳的網(wǎng)絡特征匹配的特定的輸入/輸出關(guān)系?；贛ATLAB 6.5的關(guān)系。13，下列網(wǎng)絡架構(gòu)已經(jīng)在這方面的應用研究：（i）一個分層結(jié)構(gòu) [1]1 1,26[2]1 1,26[3]1 1,26[5]1 1,26[8]1 1, （ii）兩個分層結(jié)構(gòu) 26[1–1]2 1,26[2–2]2 1,26[3–2

16、]2 1,26[5–2]2 1,26[8–2]2 1,26[8–4]2 1,26[10–5]2 1,（iii）三個分層結(jié)構(gòu)26[3–2–2]3 1,26[4–3–2]3 1,26[4–2–2]3 1,26[5</p><p>　　這些網(wǎng)絡架構(gòu)已經(jīng)由后續(xù)的訓練算法訓練的Levenberg Marquardt：–，貝葉斯規(guī)則化，彈性反向傳播，縮放共軛梯度，梯度體面。Sigmoid激活函數(shù)已被用于之間的輸入和隱藏層（見

17、式（2））：</p><p>　　f（x）=1/1+e-x </p><p>　　一個線性激活函數(shù)(f(x) ¼ 1 x) 之間隱藏層和輸出層輸入預處理參數(shù)前進行神經(jīng)網(wǎng)絡的訓練。因此，18個參數(shù)的摩擦材料配方的相關(guān)量呈現(xiàn)給網(wǎng)絡的百分比，在制造參數(shù)和測試條件下，在0–1范圍內(nèi)根據(jù)表達（3）：另一方面，輸出參數(shù)（制動C因子）有線性化的表達（4）：</p><p&g

18、t;<b>　　4.結(jié)果與討論 </b></p><p>　　在他們的訓練和驗證后，神經(jīng)網(wǎng)絡用于盤式制動器的性能預測配備盤式片兩種（FT1和平方英尺）。共有90種不同的神經(jīng)網(wǎng)絡模型進行了測試（18種不同的</p><p>　　神經(jīng)網(wǎng)絡的訓練），收入算法評估預測盤式制動C因子的能力變化,在摩擦材料的不同類型的影響具體的制動條件下，正如以上兩種類型的摩擦材料（FT1和平方

19、英尺）已首先用于生產(chǎn)測試，并使用慣性全面制動測力計測量 。參數(shù)的組合物和制造摩擦的材料FT1和FT2已完全用于未知的神經(jīng)網(wǎng)絡模型，測試盤式制動器的制動性能</p><p>　　隨著摩擦材料FT1示于圖1和2與應用壓力和初始速度的變化 ，測量盤制動性能，表示為制動C因子變化，被分為兩個范圍取決于施加的壓力，在20和60桿連接，為了更好的說明盤式制動器的實際變化的復雜性，指定盤形制動工況。從圖1，盤式制動器的性能的一

20、般趨勢是顯而易見的，施加的壓力在20和60巴，初始在20和100公里/小時的速度之間，制動C因子增加20–40桿的初始速度介于20和60公里/小時的范圍內(nèi)。盤式制動器的性能相對固定在整個初始速度范圍（20–100公里/小時）內(nèi)，進一步增加施加的壓力從40到60桿，見圖1。初始速度80 和100km /小時之間，制動C因子一直在施加的壓力相同的范圍（20–60公里/小時）內(nèi)。相反，相對恒定的盤式制動器的制動性能，在施加的壓力，40和60桿

21、，初始速度在20和100公里/小時的范圍內(nèi)，盤式制動器制動性能降低了。應用壓力100 巴進一步增加（圖2）。 </p><p>　　根據(jù)圖1和2，測得的盤式制動器的性能已經(jīng)通過該摩擦材料的操作條件的影響（FT1）的組成和制造參數(shù)在表2和表3所示。這就是為什么它對開發(fā)的神經(jīng)網(wǎng)絡模型能夠預測這些復雜的影響非常重要 。預測的盤式制動器的制動效果最好性能的神經(jīng)網(wǎng)絡模型表示為BR 26實現(xiàn)8 41訓練的貝葉斯規(guī)則（BR）學

22、習算法。該神經(jīng)網(wǎng)絡模型是基于一二層神經(jīng)網(wǎng)絡的26個輸入?yún)?shù)，在第一個隱層神經(jīng)元，第二隱層中的神經(jīng)元，和一個神經(jīng)元的輸出。該神經(jīng)網(wǎng)絡模型來預測制動C因子的能力，在不同制動工況下摩擦材料FT1示于圖3和4。神經(jīng)網(wǎng)絡模型的預測能力，在施加的壓力的變化在20和60桿和初始速度介于20和100公里/小時的范圍內(nèi)，可以通過比較評估1和3。從圖3，最后，可以看出神經(jīng)網(wǎng)絡模型廣義的摩擦材料以及藥物影響盤式制動器的制動性能。預測的盤式制動器的性能（圖3）

23、顯示了與實測值有良好的相關(guān)性，在施加的壓力在20和40巴和初始速度介于20和60公里/小時的范圍從無效果。見圖1和3，這是顯而易見的，測量和預測的盤式制動器制動性能是由指定的操作制度不同而產(chǎn)生影響。即用于施加的壓力為20巴的的0.883–0.933在20–100公里/小時的范</p><p>　　根據(jù)圖2和4，用于施加的壓力在60和80桿,初始速度在40和80公里/小時時，盤式制動器性能的一直沒有得到很好的預測，

24、神經(jīng)模型的預測只有輕微的增加制動C因子值（圖4），才能在施加的壓力在60到80桿的范圍內(nèi)與實測值趨近（圖2）。</p><p>　　盤式制動器的操作相同的最優(yōu)的神經(jīng)網(wǎng)絡模型用于預測摩擦的新類型的影響材料（平方英尺）的盤式制動器性能測量盤。這種新材料的制動性能如圖5所示。比較圖1和5，很明顯，這種新型的摩擦材料，其組成和制造參數(shù)如表2和表3給出了顯著變化，制動盤性能。這盤的最佳的神經(jīng)網(wǎng)絡模型，它是重要的制動性能（B

25、R 26841）對“自然”對盤式制動器摩擦材料的新類型的影響性能。圖5顯示了盤式制動器的非常復雜的變化性能的摩擦材料性能的影響考慮與制動的操作制度的協(xié)同。從圖5，它可以看到制動C因子是非常敏感的應用壓力為100公里/小時的初始速度，根據(jù)圖5盤式制動器的性能測量的初始速度類似從20到60公里/小時的施加的壓力的指定范圍改變（20–60欄）。隨著應用的進一步增加從60到100條壓力，盤式制動器性能發(fā)生了顯著的變化。例如，真正的大變化制動C因

26、子為0.824和0.963之間（圖6）的應用20和100公里/ 小時之間的80條和初始速度壓力另一方面，真正的制動C因子最小的范圍，在初始速度的指定范圍，在0.941（100公里/小時）和0.96（公里/小時）為40桿的相對較低的施加的壓力（圖5）。</p><p>　　盤式制動器操作的優(yōu)化神經(jīng)網(wǎng)絡模型又用于預測的盤式制動器的性能如圖。7和8。從圖7，可以看出，盤式制動器性能得到了很好的預測的初始速度從20到60

27、公里/小時，施加的壓力在20和60條的初始速度。100公里/小時，盤式制動器的性能得到了很好的預測的范圍內(nèi)施加的壓力在20和40巴。相反測得的性能為100公里/小時的初始速度，預測的盤式制動器的性能沒有得到很好的推廣應用壓力40和60巴之間的距離（見圖5和7)然而，盤式制動器的性能（V¼100公里/小時）有得到很好的推廣在60到100條的范圍（圖8）的制動C因子變化最大，在0.83（100公里/小時）和0.95（20公里/小時