目前，在我国半金属摩擦制动片的配方设计通常采用传统的“试凑法”.在开发设计新型的摩擦制动片时总希望通过较少的实验来取得较为理想的结果。由于影响摩擦材料性能的因素很多，经常需要经过多次反复的实验才能得到较好的结果。因此，这一传统的方法使得研制周期长、研究成本高、人力和物力资源造成较大的浪费。随着我国汽车工业的发展环保意识的增强，对高性能新型的半金属摩擦材料的需求不断增加，采用传统的方法来设计已经不能满足这种不断增加的需求。利用模糊神经网络这一数学工具对非线性模型进行映射，对配方材料进行了虚拟仿真，并进行材料性能的预测输出，以缩短研制开发周期、降低研发的成本、节省人力和物力。 　　本文在对半金属摩擦制动片摩擦配方数据集以及性能实验数据的基础上，用FNN(模糊神经网络)建立了配方数据(如：树脂、钢纤维、黄铜纤维、紫铜纤维等)和配方摩擦性能(摩擦系数、摩擦率等)的预测系统。实验结果表明，该系统得到的摩擦系数、摩擦率的预测值与实际的实验值吻合良好。通过建立配方数据库有效地管理配方数据库，通过利用模糊神经网络对非线性模型进行映射，对材料的配方进行了虚拟仿真，利用VC++编程语言作为开发平台将各部分内容集成制作成为人机交互界面友好的软件，使之成为一个便于使用、便于改进的工程应用软件。该软件能够完成诸如样本集管理、参数预测、因素和系统模型结构观察等多项相关功能。