(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111125988.0 (22)申请日 2021.09.24 (71)申请人 西安交通大 学 地址 710049 陕西省西安市咸宁西路28号 (72)发明人 刘文凤　张子琦　郑雪梅　迟晓红　 程璐　刘宏博　李盛涛　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 代理人 覃婧婵 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 基于BP神经网络的丁腈橡胶密封圈剩余寿 命预测方法 (57)摘要 公开了基于BP神经网络的丁腈橡胶密封圈 剩余寿命预测方法， 方法中， 测量丁腈橡胶密封 圈的特征变量以构建训练样本， 其中， 以玻璃化 转变温度、 微米压痕硬度、 服役时间和经历最低 温度作为输入参数， 以微米压痕简约杨氏模量作 为输出参数， 微米压痕简约杨氏模量越小， 丁腈 橡胶密封圈剩余寿命越少， 并对 数据进行归一化 处理， 获得训练样本； 构建BP神经网络模型； 使用 遗传算法优化BP神经网络模型的初始权值和阈 值； 使用训练样本对BP神经网络模型进行迭代训 练， 获得丁腈橡胶密封圈剩余寿命预测模型； 基 于BP神经网络的丁腈橡胶密封圈剩余寿命预测 模型对丁 腈橡胶密封圈进行剩余寿 命预测。 权利要求书1页 说明书6页 附图3页 CN 113987917 A 2022.01.28 CN 113987917 A 1.一种基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法， 其特征在于， 其包括以 下步骤： 第一步骤， 测量丁腈橡胶密封圈的特征变量以构建训练样本， 其中， 特征变量包括丁腈 橡胶密封圈的玻璃化转变温度、 微米压痕硬度和微米压痕简约杨氏模量， 以所述玻璃化转 变温度、 微米压痕硬度、 服役时间和经历最低温度作为输入参数， 以微米压痕简约杨氏模量 作为输出参数， 微米压痕简约杨氏模量越小， 丁腈橡胶密封圈剩余寿命越少， 并对数据进 行 归一化处理， 获得训练样本； 第二步骤， 构建BP神经网络模型； 第三步骤， 使用遗传算法优化BP神经网络模型的初始权值和阈值； 第四步骤， 使用所述训练样本对BP神经网络模型进行迭代训练， 获得训练好的基于BP 神经网络的丁 腈橡胶密封圈剩余寿命预测模型； 第五步骤， 待测丁腈橡胶密封圈的特征变量输入所述基于BP神经网络的丁腈橡胶密封 圈剩余寿命预测模型， 以对丁 腈橡胶密封圈进行剩余寿命预测。 2.根据权利要求1所述的一种基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法， 其特征在于， 优选的， 第二步骤中， BP神经网络模型包括输入层、 隐含层、 输出层， 以所述输 入参数数目作为输入层节点数N， 以所述输出参数数目作为输出层节 点数M， 隐含层节点数L 基于训练样本的训练结果确定 。 3.根据权利要求2所述的一种基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法， 其特征在于， 第三步骤中， 采用所述输入层与隐含层连接权值、 所述隐含层与输出层权值、 所述隐含层阈值及所述输出层阈值四部分作为遗传信息进行实数编码， 编码长度S满足： S ＝N·L+M·L+M+L， 将每次预测的误差绝对值之和的倒数定义为适应度函数， 采用轮盘赌法 进行选择操作， 适应度值越高的个体被选中的概率越大， 采用实数交叉法进行交叉操作以 及从种群中随机 选择个体， 按预定概 率变异随机得到新个 体。权　利　要　求　书 1/1 页 2 CN 113987917 A 2基于BP神经 网络的丁腈橡胶密封 圈剩余寿命 预测方法 技术领域 [0001]本发明属于橡胶剩余寿命技术领域， 尤其涉及一种基于BP神经网络的丁腈橡胶密 封圈剩余寿命预测方法。 背景技术 [0002]丁腈橡胶(NBR)因具有良好的耐磨 性、 耐油性和气密性等， 作为密 封圈而广 泛应用 于变压器类设备中。 但由于受到外界环境因素 的影响， 在使用过程中丁腈橡胶密封圈往往 会出现密封性能下降乃至失效的情况， 从而引发气 体、 液体介质渗漏， 严重影响设备安全运 行。 丁腈橡胶密封圈的可靠性关键在于特定运行环境下 的剩余寿命问题。 目前对于丁腈橡 胶密封圈运行环境的研究， 大多集中于高温、 高湿度情况下， 极少关注低温条件对丁腈橡胶 密封圈剩余寿命的影响。 目前行业标准要求的最低工作温度为 ‑40℃。 橡胶类制品的工作状 态为材料的高弹态， 我国极寒地区所 处地域的最低温度可达到 ‑50℃以下， 而且运行设备内 外存在温度梯度， 均会影响橡胶类制品的相态变化和其功能可靠性。 因此， 能够准确预测 低 温环境丁腈橡胶密封圈的剩余寿命具有重要意 义。 [0003]现有针对丁腈橡胶密封圈的剩余寿命预测方法有阿累尼乌斯(Arrhenius)方程 理 论、 Dakin寿命方程、 动力学曲线直线化法、 变量折合法及数学模型法等， 往往需要配合长时 间的老化试验或者根据经验公式外推出寿命预测模型。 由于试验环境条件与实际环境条件 有一定差距， 得到的寿命预测模型缺乏普适性。 并且影响因素众多且随机性大， 在 模型参数 选择不全的情况 下， 其预测寿命与真实值偏差较大。 [0004]在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解， 因此可能 包含不构成本领域普通 技术人员公知的现有技 术的信息 。 发明内容 [0005]本发明的目的是提供一种基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法， 能够更准确 地预测低温环境下丁腈橡胶密封圈的剩余寿命。 为了实现上述 目的， 本发明提 供如下技 术方案： [0006]本发明的一种基于BP神经网络的丁 腈橡胶密封圈剩余寿命预测方法包括： [0007]第一步骤， 测量丁腈橡胶密封圈的特征变量以构建训练样本， 其中， 特征变量包括 丁腈橡胶密封圈的玻璃化转变温度、 微米压痕硬度和 微米压痕简约杨氏模量， 以所述玻璃 化转变温度、 微米压痕硬度、 服役时间和经历最低温度作为输入参数， 以微米压痕简约杨氏 模量作为输出参数， 微米压痕简约杨氏模量越小， 丁腈橡胶密封圈剩余寿命越少， 并对数据 进行归一 化处理， 获得训练样本； [0008]第二步骤， 构建BP神经网络模型； [0009]第三步骤， 使用遗传算法优化BP神经网络模型的初始权值和阈值； [0010]第四步骤， 使用所述训练样本对BP神经网络模型进行迭代训练， 获得训练好的基 于BP神经网络的丁 腈橡胶密封圈剩余寿命预测模型；说　明　书 1/6 页 3 CN 113987917 A 3