| BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究 |
| |
| 引用本文： | 王婷婷,戴康,王展,彭浩,高新蕾.BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究[J].摩擦学学报,2017,37(4):495-500. |
| |
| 作者姓名： | 王婷婷 戴康 王展 彭浩 高新蕾 |
| |
| 作者单位： | |
| |
| 基金项目： | 国家自然科学基金项目（51675395）和国家重点基础研究发展计划项目（973）（2013CB632300）资助 |
| |
| 摘 要： | 采用反向传播神经网络法(Back Propagation Neural Network,简称:BPNN)对31种含氮、硫的2-烷基黄原酸酯类润滑油添加剂的抗磨性能进行了摩擦学定量构效关系(Quantitative Structure Tribo-ability Relationship,简称:QSTR)的研究,得到了具有良好的稳定性和预测能力的BPNN-QSTR模型(R~2=0.998 4,R~2(LOO)=0.695 9,q~2=0.879 1).参考输入层的12种2D和3D结构描述符的敏感度,对影响抗磨性能的分子结构进行了相应的探讨.结果表明:分子中的N和S杂原子对其抗磨损性能有显著的影响;同时,分子长度、所含双键S原子和芳香环数量以及分子支化程度等都是影响抗磨性能的主要因素.
|
| 关 键 词： | 摩擦学定量构效关系 反向传播神经网络 润滑油添加剂 抗磨性能 |
| 收稿时间： | 2016/10/28 0:00:00 |
| 修稿时间： | 2017/4/25 0:00:00 |
A Quantitative Structure Tribo-ability Relationship Model for the Antiwear Properties of N/S-containing Heterocyclic Lubricant Additives using Back Propagation Neural Network |
| |
| WANG Tingting,DAI Kang,WANG Zhan,PENG Hao,GAO Xinlei.A Quantitative Structure Tribo-ability Relationship Model for the Antiwear Properties of N/S-containing Heterocyclic Lubricant Additives using Back Propagation Neural Network[J].Tribology,2017,37(4):495-500. |
| |
| Authors: | WANG Tingting DAI Kang WANG Zhan PENG Hao GAO Xinlei |
| |
| Institution: | |
| |
| Abstract: | |
| |
| Keywords: | quantitative structure tribo-ability relationship back propagation neural network lubricant additives antiwear performance |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《摩擦学学报》浏览原始摘要信息 |
| 点击此处可从《摩擦学学报》下载免费的PDF全文 |
