铁路的电力机车化程度是衡量发达国家交通运输的一个重要标志。受电弓滑板是电力机车获得动力源的重要集电元件,而滑板的质量和材质直接影响铁路运输的安全和稳定。由于受电弓滑板的成分与性能之间的非线性关系具有一定的特殊性,采用遗传神经网络建立研究模型并在计算机上模拟实现,该模型能够较准确地预测碳滑板的性能,有别于以往采用经验法对滑板配方的设计及优化。由于人工神经网络具有非线性预测及模糊推理的能力,因此采用了普遍应用的、较为成熟的前向反馈BP神经网络对碳滑板配方成分与性能进行模型的构建。构建遗传神经网络模型的方法是：首先,以碳滑板的配方组成成分和力学性能指标分别作为BP神经网络的输入、输出参数；由已证明理论可知：三层BP网络可以表达任意非线性连续的函数,因此建立了三层的非线性多目标的BP网络结构；然后,针对BP神经网络易陷入局部极小点和对初始权值敏感等缺点,运用具有全局搜索能力的遗传算法对其进行了改进；最后,利用实验数据对改进后的人工神经网络进行训练,得到一个能够较为准确地预测特定碳滑板配方力学性能指标数据的遗传神经网络,并使用MATLAB对此遗传神经网络进行仿真训练。训练所采用的数据来自哈尔滨电碳厂的真实数据,由于真实的数据量较少并含有一定的测量等方面误差,因此本实验采用虚拟样本技术,有效地增加了样本数量,改善了预测的效果。经实验研究表明,训练好的遗传神经网络能够比较准确地预测碳滑板的有关性能指标,这样就能够对配方进行不断的优化,进而可以预测出较为理想的力学性能指标,为后续实际碳滑板产品配方的混合和焙烧等工作建立了科学合理的基础,从而也证明了该方法的实际应用价值。在最后模拟实现中,一方面通过采用COM组件技术将MATLAB已建立并训练好的模型进行打包；另一方面用VC++设计出一个面向用户的、可以辅助对新的配方的性能进行准确预测的用户界面程序,并实现两者相互通信。通过以上模型的建立、训练样本的增加、配方优化应用的模拟实现证明了：基于遗传神经网络模型在碳滑板配方的应用中具有较高的使用价值和研究意义。