刹车片是汽车制动副的重要部件,由于制动过程的摩擦作用及热作用,其表面材料将不断被消耗,刹车片会逐渐磨损变薄。当刹车片过度磨损时会影响到汽车的制动性能,对行车安全十分不利,而过早对刹车片进行替换则造成了资源的浪费。因此,根据刹车片磨损规律对其进行磨损寿命预测与失效预警,不仅可以有效避免制动事故的发生,还能充分发挥刹车片的工作寿命,对于指导制动器维修维护、提高制动器工作可靠性都将具有重要的理论价值和实际意义。本文以汽车刹车片为研究对象,通过开展不同制动工况下的磨损试验,探究了制动工况参数对刹车片磨损性能的影响规律,基于不同制动工况下的磨损数据对磨损量预测方法进行研究,并对刹车片磨损寿命预测与失效预警方案进行探讨与设计。首先,本文对模拟制动试验台的机械硬件与测控系统进行了设计,建立了盘式制动器模拟制动试验台,设计了汽车刹车片磨损量测试方法与磨损试验方案。其次,通过开展不同制动工况下的刹车片磨损试验,重点研究并分析了不同制动初速度和制动压力下刹车片磨损量的变化规律。发现随着制动压力的增大,磨损量有所上升但变化幅度不大;随着制动初速度的增大,制动副摩擦接触的频次与时长都将增加,磨损量会随之明显变大,特别当制动初速度较大时磨损量的增幅更明显。通过改变制动间隔时间研究了不同摩擦面温度下刹车片的磨损规律,对比发现磨损量受制动初速度等其他制动工况参数的综合影响比其单独受摩擦面温度的影响更为明显。再次,利用遗传算法改进BP神经网络的初始权值和阈值,以试验数据为样本构建了基于制动工况的刹车片磨损量预测模型,仿真结果表明遗传算法优化的GA-BP神经网络比BP神经网络具有更快的收敛速度与预测精度。通过开展不同制动工况下的磨损量预测模型验证试验,证明了所建立的磨损量预测模型能基本实现对不同制动工况下刹车片磨损量的准确预测。最后,根据所建立的刹车片磨损量预测模型,以某种制动工况下刹车片磨损寿命作为算例,说明了磨损量预测模型在磨损寿命预测中的应用,对行驶里程-磨损量在线学习模型的建立思路进行了探讨,分析了行驶里程参数与制动工况参数的监测与选择方法,设计了汽车刹车片磨损寿命预测与失效预警系统的整体结构。