基于神经网络的受流器滑块材料载流磨损预测
Tongji Daxue Xuebao/Journal of Tongji University(2008)
Abstract
针对我国电气化铁路和磁浮交通对受流器滑块材料的性能要求,采用冷压烧结粉末冶金法制备了铜石墨材料,考察了该材料的载流磨损行为.结果表明:试样的磨损率随着试验载荷、速度、电流密度的增加而增大.载流条件下电流产生的电弧热是磨损率增加的主要因素.建立了摩擦磨损试验参数与磨损率之间的人工神经网络模型.以载荷、速度、电流密度作为网络的3个输入,以运行100 km后试样的磨损率作为网络的1个输出,调试设计了一个3×3×1的反向传播(BP)神经网络.对神经网络的训练和检验表明该BP神经网络能够较好地预测影响因素对材料载流滑动磨损的作用,预测值与试验值的误差在10%以内,其仿真精度能够满足实际的磨损预测要求.
MoreTranslated text
Key words
Collector,Contact strip,Neural networks,Powder metallurgy,Wear prediction
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined