近年来，人工神经网络理论的迅猛发展及其在技术应用领域的重大突破<4，5>，使得粘度）摩擦学特性数学模型的建立成为可能。本文利用MATLAB系统中神经网络函数建立摩擦系数）运动粘度的神经网络模型，并采用L）M算法对神经网络进行学习训练优化处理。该模型无需推导数学公式，计算速度快，预测结果准确，可用于摩擦学设计及提供摩擦学程序计算的优化方法。

　　磨损自补偿系统的神经网络结构神经网络是将多个神经元按某种拓扑结构连接起来的一种抽象的数学模型，它具有模式变换能力，如模式分类，模式完善，特征抽取等，并具有极强的并行运算能力、自适应学习能力和泛化功能（generalization），善于联想、综合和推广。

　　多层神经网络结构图BP神经网络是一种多层前馈网络，其神经元的传递函数为sigmoid型函数，它可以实现从输入到输出的任意的非线性映射。网络权值与阈值调整采用反向传播（BackProp-agation）的学习算法，即利用输入样本及输出目标样本对网络进行训练，以使网络实现给定的输入输出映射关系，同时训练好的BP网络具有泛化功能，即对非样本集中的输入亦能给出合适的输出。

　　磨损自补偿摩擦试验条件及结果摩擦试验条件：摩擦试样为锡青铜ZQSn101/45钢，环）环，端面接触；摩擦载荷10MPa；摩擦速度1m/s；试验时间2h；润滑介质采用高粘度65号合成过热气缸油与低粘度的30号机械油，按不同比例调配成不同粘度的基础油，再配以自补偿添加剂，合成不同粘度的润滑油。