无先验知识的回归分析——神经网络
回归和神经网络的区别：人工神经网络和符号回归这两种方法都可以在不用预先定义模型的情况下建立自变量和因变量之间的关系，但是两者之间也有不同之处，人工神经网络更多关注在自变量和因变量之间的关系，回归分析更关注与目标系统的内部结构，建立自变量和因变量之间的数学模型。也就是说在根据已有的试验结果建立自变量和因变量两者之间的关系后，我们更多关注与在另一组实验条件下，系统的输出是多少，不关注目标系统的内部结构。
实例：
工业界中的绝大多数金属零部件在服役期间的失效都来源于循环载荷作用下的疲劳破坏，然而相对于常规疲劳，微动疲劳容易被忽视却又难以避免，因此对工业零部件的使用寿命危害极大，通常被称为“工业的癌症”。微动疲劳是指在外部循环载荷的作用下，引起受法向力压缩而产生接触的零部件接触表面发生微幅相对切向运动（通常在微米量级），促使疲劳裂纹过早的萌生然后加速扩展，进而逐渐导致零部件破坏断裂的现象。
接触应力，切应力，滑移类型，滑移幅值，表面粗糙度等因素影响着微动疲劳寿命，导致零部件的服役寿命明显低于常规疲劳寿命，其次，有相关研究表明这些影响因素之间还不相互独立，造成了微动疲劳裂纹研究的复杂性。
因此，对于微动疲劳这个问题，由于实际情况下，影响微动疲劳寿命的因素有很多，我们不能从理论上准确的得到寿命与系统载荷之间的关系，于是我们把微动疲劳看成一个黑箱模型，把不同的实验条件作为神经网络的输入，建立可以描述微动疲劳神经网络，为航空发动机研制提供一个定量的标准。
采用MATLAB工具箱来研究微动疲劳温问题，建立微动疲劳寿命与pad（半径、厚度）、压力、频率等之间的关系。
（由于实验条件限制，缺少实验数据，因此采用S. Fouvry（France）的实验数据Fouvry S, Arnaud P, Mignot A,et al. Contact size, frequency and cyclic normal force effects on Ti-6Al-4Vfretting wear processes: An approach combining friction power and contactoxygenation[J]. Tribology International, 2017.）
MATLAB神经网络
