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

来源：复合材料学报杂志2015年第6期北京时间：

作者：王春红, 赵玲, 白肃跃, 韦浩威, 曹文静,

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,