聚酰亚胺(PI)是一种特种工程塑料,是综合性能最佳的高分子材料之一。其摩擦磨损性能优异,在摩擦学领域有广阔的应用前景。通过实验研究聚酰亚胺的制备工艺时存在着费时费力的问题,而通过建立数学模型研究PI的亚胺化工艺与其摩擦磨损性能关系,对于减少实验量,节约成本,提高研究效率具有重要的意义。本文采用最小二乘支持向量机(LS-SVM)建立PI的热模压工艺与强度条件的预测模型,选取的热模压条件为固化时间、成型压力、成型温度,热模压指标为弯曲强度和拉伸强度,样本数据为正交试验获得的数据。利用建立的热模压LS-SVM预测模型,与热模压BP神经网络模型的预测结果对比,证明前者的可行性。研究PI的热模压条件与PI的强度指标的关系,得到最佳的热模压条件。然后再利用最佳热模压条件下制备的PI试件进行摩擦磨损试验,探究PI的制备条件与PI的摩擦磨损性能的关系,同样利用LS-SVM建立PI的制备条件与PI的摩擦磨损性能的关系,选取的亚胺化条件为催化剂的量、脱水剂的量、亚胺化时间,摩擦磨损性能为磨损率和摩擦系数,样本数据通过试验得到,利用建立的LS-SVM预测模型与BP神经网络模型对比,并探究PI的亚胺化工艺与摩擦磨损性能的关系,得到摩擦磨损性能较好的PI样品。主要内容如下:根据PI热模压试验的拉伸强度和弯曲强度的样本数据,优化MATLAB软件下的LS-SVM模型的惩罚系数和核参数,建立热模压的LS-SVM预测模型,并建立BP网络的热模压预测模型,通过对比分析和最终的实验验证得到最佳预测模型。通过摩擦磨损试验所得的样本数据,优化LS-SVM模型的惩罚系数和核参数,建立摩擦磨损的LS-SVM预测模型,并建立BP神经网络预测模型和遗传算法优化的BP神经网络模型,对比分析,验证LS-SVM模型预测PI摩擦磨损性能的可行性。最后,探究亚胺化条件对PI摩擦系数和磨损率的影响。本文主要针对PI的摩擦磨损性能,通过对BP神经网络和LS-SVM两种方法进行对比分析,最终优化摩擦磨损性能,为以后利用模拟预测方法优化PI等材料的性能奠定了基础。