橡胶减振器具有优异的减振和阻尼性能,被广泛应用到减振系统中。因此随着近年来我国轨道交通、桥梁建筑等领域的快速发展,其应用也愈加广泛,同时也对橡胶减振器的设计和制造提出了更高的要求。目前橡胶减振器的设计方法主要以经验设计和有限元法为主。其中经验设计以试错设计为主,设计周期长、成本高、效率低下。有限元法具有简化设计过程、提高设计效率等优点,但是由于橡胶的粘弹理论发展还不完善,材料的本构模型不准确,导致有限元分析的结果存在着一定误差。针对上述问题,本文对人工神经网络技术在橡胶减振器设计中的应用进行了研究,利用人工神经网络强大的非线性拟合能力,建立了在一定范围内能够对橡胶减振器的动静态性能进行预测的预测模型,从而达到了辅助橡胶减振器设计的目的。本文所做的主要工作如下:1、通过查阅大量相关的文献资料,对国内外橡胶减振器设计理论和方法的现状、人工神经网络技术的发展现状和人工神经网络技术在橡胶材料领域的应用等方面进行了研究和归纳总结。2、通过研究橡胶减振器的减振原理,针对现有的橡胶减振器的设计过程,提出了利用人工神经网络技术辅助橡胶减振器新产品设计和辅助橡胶减振器产品优化设计的两种思路。3、研究了橡胶配方设计的理论和方法。采用正交试验设计的方法研究了橡胶配方中补强剂、填充剂和硫化剂的用量对橡胶减振器减振性能的影响。研究结果表明炭黑对橡胶减振器的减振性能影响最大。4、对BP、RBF和GRNN人工神经网络模型的结构和原理进行了研究,确定了人工神经网络的性能指标和减振性能的目标函数,并详细设计了利用人工神经网络辅助橡胶减振器新产品设计的流程。根据试验数据,利用人工神经网络技术建立了配方-减振器性能的不同的预测模型。通过对预测结果的对比分析确定了最优预测模型为BP网络模型。试验结果表明其平均预测误差在5%左右,证明了人工神经网络技术能够达到辅助橡胶减振器新产品设计目的。5、详细设计了利用人工神经网络辅助橡胶减振器产品优化设计的流程。根据试验数据,建立了基于不同神经网络的胶料性能-定结构的减振器性能的预测模型。通过对预测结果的对比分析确定了最优的预测模型为GRNN网络模型,试验结果表明其平均预测误差在7%左右,证明了人工神经网络技术能够达到辅助橡胶减振器优化设计的目的。