基于PCA-GA神经网络模式识别的炭纤维复合材料导电综合性能优化及预测的研究

作     者：杨榛 顾幸生 梁晓怿 张睿 凌立成 Yang Zhen;Gu Xingsheng;Liang Xiaoyi;Zhang Rui;Ling Licheng

作者机构：华东理工大学化工学院上海200237 华东理工大学信息科学与工程学院上海200237 

基　　金：国家自然科学基金(50672025) 上海市科技登山计划(065258033 06JC1401) 

出 版 物：《计算机与应用化学》 (Computers and Applied Chemistry)

年 卷 期：2008年第25卷第12期

页      码：1543-1548页

摘      要：在炭纤维/ABS树脂基复合材料导电性和拉伸强度实验数据的基础上,利用主成分分析-遗传算法后向传播(Principal Component Analysis-Genetic Algorithm Back Propagation,PCA-GABP)神经网络模式识别法,对炭纤维复合材料导电综合性参数进行智能分析识别。其中主成分分析法作为前处理过程优化样本集的选择,GABP神经网络较好地克服了BP网络非线性映射易陷入局部极小值问题。给出性能优良的目标参数优化区,并用实验予以验证。该模式识别方法可减少实验工作量,提高工作效率,在复合材料设计领域具有理论应用前景。

主 题 词：主成分分析 GABP神经网络 模式识别 炭纤维复合材料导电综合性能 

学科分类：08[工学] 0805[工学-能源动力学] 080502[080502] 

核心收录：

D　O　I：10.3969/j.issn.1001-4160.2008.12.017

馆 藏 号：203125603...