[发明专利]一种优化的橡胶老化性能预测方法

权利要求书

1.一种优化的橡胶老化性能预测方法，其特征在于，包括以下步骤：

(1)对橡胶材料的数据进行整理和筛选；所述数据为橡胶的老化条件及所述老化条件对应的老化性能；

(2)建立人工神经网络，依据橡胶的目标老化性能及老化条件，确定输入层和输出层的参数；

(3)训练人工神经网络，得到最优训练模型；所述训练人工神经网络过程包括确定训练函数和隐含层的神经元个数；

(4)利用最优训练模型，输入橡胶老化条件，得到橡胶的目标老化性能。

2.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，步骤(1)中，所述数据≥50组；所述数据包括自然老化数据和加速老化数据，所述自然老化数据至少为1组；所述加速老化数据包括相同试样的历史测试数据和新测试数据。

3.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，步骤(1)中，数据筛选包括缺失值和异常值的处理；所述缺失值的处理方法包括删除、替补和插补；所述异常值的处理方法包括删除或平均修正法。

4.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，所述输入层参数包括温度、湿度、老化时间或应力中的一种或一种以上组合；所述输出层参数包括拉伸强度、拉断伸长率、拉断永久变形、定伸应力、硬度、压缩永久变形率、剪切模量、损耗系数、应力松弛或蠕变中的一种或一种以上组合。

5.根据权利要求4所述的一种优化的橡胶老化性能预测方法，其特征在于，所述输入层的神经元个数等于输入层的参数个数二所述输出层的神经元个数等于输出层的参数个数。

6.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，步骤(3)中，采用的训练函数为基于数值优化方法的Levenberg-Marquardt。

7.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，步骤(3)中，所述隐含层的神经元个数的确定方法为：

(31)设立初始隐含层神经元个数；

(32)增大隐含层神经元个数，计算训练结果的均方误差；

(33)对比步骤(32)中所得各均方误差，得到均方误差不再明显下降时的隐含层神经元个数n；

(34)确定最优训练模型的隐含层神经元个数为n～n+10中且满足误差要求的数值。

8.根据权利要求7所述的一种优化的橡胶老化性能预测方法，其特征在于，所述步骤(34)中，确定最优训练模型的隐含层神经元个数为n～n+10中满足误差要求的最小神经元个数。

9.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，所述隐含层采用S型激活函数。

10.根据权利要求1所述的一种优化的橡胶老化性能预测方法，其特征在于，所述输出层采用线性激活函数。