[发明专利]一种基于BP神经网络的摩擦噪声预测方法

说明书

本发明提供一种基于BP神经网络的摩擦噪声预测方法，用于预测交通工具上的制动器制动过程中产生的摩擦噪声的频率，包括：步骤1，获取摩擦噪声以及与其产生关联的数据样本p_1i；步骤2，对数据样本p_1i进行归一化处理，分别得到对应的归一化后的数据样本p_2i，并将该数据样本p_2i分为两组，分别为第一归一化数据样本和第二归一化数据样本；步骤3，利用MATLAB中专门创建BP神经网络的函数newff来建立摩擦噪声预测模型；步骤4，将第一归一化数据样本输入到摩擦噪声预测模型，得到更新的网络权值和更新的网络阈值；步骤5，将第二归一化数据样本输入到摩擦噪声预测模型直至训练误差为0.01时停止训练，确定最终网络权值和最终网络阈值，得到合格的摩擦噪声预测模型。

技术领域

本发明涉及一种摩擦噪声预测方法，具体涉及一种基于BP神经网络的摩擦噪声预测方法。

背景技术

在摩擦过程中往往会引发噪声的产生。由摩擦产生的噪声频率范围大、噪声强度高，产生原因和变化规律复杂，摩擦噪声预测一直是摩擦学领域研究的热点问题。关于摩擦噪音的预测方法有基于有限元的制动尖叫建模与分析方法，该方法包括频率域复特征值方法与时间域瞬态动力学分析方法，频率域复特征值法不能明确地指出产生制动尖叫的机理，而且线性化的假设由于缺乏对时变的载荷和材料特性等非稳态特征的考虑，常常出现不稳定频率的“过预测”和“欠预测”，限制了其预测精度和可靠性，而时间域瞬态分析法的缺点是需要过长时间的计算以及占用大量的磁盘空间，且数据难以直接应用于设计。因此，需要一种能够解决上述问题的方法。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于BP神经网络的摩擦噪声预测方法。

本发明提供了一种基于BP神经网络的摩擦噪声预测方法，用于预测交通工具上的制动器制动过程中产生的摩擦噪声的频率，具有这样的特征，包括如下步骤：

步骤1，获取摩擦噪声以及与摩擦噪声产生关联的数据样本p_1i，其中i＝1，2，…，n；

步骤2，对数据样本p_1i进行归一化处理，分别得到对应的归一化后的数据样本p_2ii，并将该数据样本p_2i分为两组，分别为第一归一化数据样本和第二归一化数据样本；

步骤3，利用MATLAB中专门创建BP神经网络的函数newff来建立摩擦噪声预测模型；

步骤4，将第一归一化数据样本输入到摩擦噪声预测模型，得到更新的网络权值和更新的网络阈值；

步骤5，将第二归一化数据样本输入到摩擦噪声预测模型直至训练误差为0.01时停止训练，确定最终网络权值和最终网络阈值，得到合格的摩擦噪声预测模型。

在本发明提供的基于BP神经网络的摩擦噪声预测方法中，还可以具有这样的特征：其中，步骤1中的数据样本p_1i包括接触压力、速度以及摩擦噪音频率。

在本发明提供的基于BP神经网络的摩擦噪声预测方法中，还可以具有这样的特征：其中，步骤2中的归一化处理的公式为：

其中，max(p)为归一化前的最大值，min(p)分别为归一化前的最小值。

在本发明提供的基于BP神经网络的摩擦噪声预测方法中，还可以具有这样的特征：其中，步骤3中的函数newff用于设置神经网络的总层数、每一层包含的总神经元数量以及各层之间的传递函数。

在本发明提供的基于BP神经网络的摩擦噪声预测方法中，还可以具有这样的特征：其中，步骤5中的训练误差包括更新的网络权值的平均值与最终网络权值的平均值之间的第一差值以及更新的网络阈值的平均值与最终网络阈值之间的第二差值。