陶瓷膜处理聚驱采油废水过程中膜通量预测回归模型的建立与检验

对陶瓷膜处理聚驱采油废水过程中的膜通量预测回归模型进行了建立及检验.通过析因交叉试验设计,分别考察了不同膜面流速和跨膜压差下的瞬时膜通量和24 h内平均膜通量的变化情况;在析因交叉试验的结果上,基于ColinMaclaurin数学原理建立了陶瓷膜处理聚驱采油废水的膜通量预测回归模型,通过Matlab软件对模型的等高线图和响应曲面图进行了拟合;对膜通量预测回归模型分别进行了理论检验和试验检验.理论检验结果表明,模型和预测值的标准残差均在±2.00的范围内,预测膜通量和实测膜通量具有相似的统计学分布特征;试验检验结果表明,除模型自变量区间端点处的预测膜通量和实测膜通量误差相对较大外(约14.6%),其余误差均小于8%,说明该膜通量预测回归模型具有较高的准确度,为陶瓷膜水处理过程中的运行参数优化以及给定运行条件下的膜通量预测提供了一种研究方法.     

人工神经网络在量化膜污染界面作用力中的应用

膜生物反应器(MBR)中膜污染的黏附过程由污染颗粒和粗糙膜表面之间的界面作用力决定.高级extended-Derjaguin-Landau-Verwey-Overbeek(XDLVO)方法无法快速实现界面作用力的量化.本研究提出了径向基函数(RBF)人工神经网络(ANN)、反向传播(BP)ANN和广义回归神经网络(GRNN)3种模型用于量化这些界面作用力.RBF ANN,BP ANN和GRNN的预测结果均具有较高的回归系数和准确性,表明它们能很好地捕捉界面作用力与各种因素之间复杂的非线性映射关系.与高级XDLVO方法相比,RBF ANN,BP ANN和GRNN的量化效率均得到了显著提高.同时,BP ANN的预测性能优于RBF ANN和GRNN模型.案例研究进一步证明了BP ANN用于界面作用力定量分析的可行性.本研究为量化与膜污染相关的界面作用力提供了新方法.     

中空纤维膜的膜污染过程及数学模型研究进展

中空纤维膜在膜法污水处理领域应用广泛,然而膜污染是制约其过滤运行稳定性的重要因素.结合中空纤维膜几何特征和局部过滤通量沿膜丝分布不均匀的特性,综述了适用于中空纤维膜不同污染阶段的数学模型,包括初期吸附污染模型、凝胶层发展模型、泥饼层压缩模型等.进一步探讨了不同操作条件(包括临界通量、水力条件和曝气条件)对膜丝局部污染分布的影响及其数学模型,为中空纤维膜污染的定量认识和防控提供理论支持.最后总结了现有模型的特点与建模思路,并对该领域模型研究的发展方向进行了展望.     

真空膜蒸馏分离苯/N-甲酰吗啉水溶液体系微分模型

建立了新的半经验半微分传质传热模型,以苯/N-甲酰吗啉(NFM)水溶液体系为代表,研究了真空膜蒸馏分离去除苯的传质传热过程.并通过数学模拟和实验考察了操作参数对苯的传质通量、去除效率、分离因子以及水传质通量的影响.结果表明,新模型能较好地描述真空膜蒸馏的传质传热过程,能直观地解释实验结果,模拟值与实验值吻合.另外进料浓度、流量、温度及真空度的提高有利于提高苯的传质通量,但不利于提高分离效果.浓度、流量对传质的影响表现为对液相扩散传质能力的增强.温度及真空度对传质的影响表现为对气液界面分压的影响.以上因素的影响最终体现为对扩散组份跨膜分压差的影响.     

人工神经网络及智能算法在膜污染研究中的应用

对膜通量、跨膜压差的变化趋势等膜污染特征的准确预测有利于实现膜分离过程中膜污染自动化控制及膜分离过程的长期稳定运行.人工神经网络(ANNs)和智能算法可以用来准确预测膜污染特征,是模拟膜分离过程及预测与优化膜污染控制条件的有力工具,可为膜污染控制提供重要的指导作用.首先系统地介绍了ANNs的概念、结构及实现过程;然后,综述了不同架构类型的ANNs对于不同膜分离系统的模拟和在膜污染特征预测方面的应用,以及智能算法在ANNs性能优化方面的应用;最后,讨论了ANNs和智能算法在膜分离过程中运行条件优化方面的指导作用,对今后的研究方向进行了展望,以期为后续膜分离过程的调控研究提供帮助.     

超声波喷丸成形工艺参数优化及弧高值预测

超声波喷丸成形弧高值是多个工艺参数共同作用的结果,成形工艺参数的选择及对弧高值的准确预测成为难点.本文结合正交试验法和有限元分析软件ABAQUS对不同超声波喷丸工艺参数条件下的喷丸成形过程进行数值模拟分析,研究撞针速度、撞针直径、成形轨迹间矩、喷丸区域宽度对带筋板喷丸成形弧高值的影响.对试验结果进行极差分析,探讨了喷丸工艺参数对喷丸成形弧高值的影响程度,得到较优的超声波喷丸成形工艺参数组合方案.利用正交试验得到的数据作为神经网络的训练样本,建立输入为带筋板超声波喷丸成形工艺参数,输出为成形弧高值的BP人工神经网络模型,对喷丸成形弧高值进行预测.通过样本检验该BP网络模型的准确性,实验结果数据与预测数据之间的最大误差为4.69%,从而BP神经网络能够有效代替数值模拟方法预测其弧高值,缩短工艺设计时间,提高设计效率.     

硫酸中阳极氧化制备Al2O3多孔模板的BPANN模拟

采用24组硫酸阳极氧化多孔膜的样本数据建立BP神经网络模型,得到了多孔膜孔有序度与硫酸阳极氧化参数之间的最优关系,经检验该模型的预测结果与实测结果相一致.表明BPANN 是硫酸阳极氧化制备多孔膜孔有序度的较好的预测模型.     

微滤和反渗透膜组合工艺浓缩罗汉果汁的研究

采用微滤(MF)和反渗透(RO)膜组合工艺浓缩罗汉果汁.研究了反渗透膜浓缩罗汉果汁的最佳操作运行条件:压力1.4～1.6 MPa,温度36±1℃,浓缩比达到4.6时对膜进行化学清洗以恢复膜通量.由于反渗透法对预处理技术要求较高,采用微滤陶瓷复合膜作为预处理系统,能够很好地保持反渗透膜的通量.这种膜组合处理效果较佳,得到的果汁澄清透明.反渗透法预浓缩罗汉汁比蒸发法大大节省了能耗.     

真空冷冻干燥过程神经网络模拟研究

真空冷冻干燥能够最好的保证干燥后产品质量,但干燥成本高已成为真空冷冻干燥技术大规模工业应用的技术瓶颈.因此利用BP神经网络理论对真空冷冻干燥过程进行了模拟研究,结果表明,BP神经网络能较精确的模拟真空冷冻干燥过程.采用人参切片干燥正交试验结果对BP神经网络进行训练后,对真空冷冻干燥工艺条件进行了预测和优化,预测值与试验实测值的相对误差较小,表明用BP神经网络理论模拟真空冷冻干燥过程具有较高的准确性.     

溶剂种类对PVDF超滤膜结构和性能的影响研究

选用不同种类的溶剂以L-S相转化法制备PVDF超滤膜,讨论了不同溶剂种类对膜结构和性能的影响.研究表明,仅仅考虑以热力学参数来预测或解释得到的最终膜结构和性能都是不充分的,必须考虑成膜的动力学过程.采用的4种溶剂所制备的PVDF超滤膜的纯水通量与相互扩散系数之间有很好的关联性,其通量顺序为DMSO>NMP>DMAC>DMF,即随着溶剂与水的相互扩散系数的增大,膜的纯水通量减小;膜的SEM照片显示,对PCDF膜而言,纯水通量不仅仅取决于皮层的孔隙率,也可被认为是亚层形态的显示.同时还采用了两种复合溶剂NMP/THF,NMP/AC制备PVDF超滤膜,考察了由于溶剂与水的亲合性变化而导致的膜性能和结构的变化,结果表明,随着溶剂中丙酮和四氢呋喃的浓度增加,复合溶剂与水的亲合性降低,膜的纯水通量下降,膜变得更加致密小孔,膜的SEM照片也证明了这点.     

不同保鲜袋包装对水蜜桃贮藏品质的影响

目的 研究不同保鲜袋包装对水蜜桃贮藏品质的改善效果,为水蜜桃贮藏保鲜提供技术指导.方法 以"玉露"水蜜桃为研究对象,采用聚乳酸可降解保鲜袋、纳米保鲜袋包装,在0℃下贮藏12 d后转至26℃下贮藏,以普通市售聚乙烯保鲜袋包装的水蜜桃作为空白对照.在低温贮藏期间每隔4 d测定水蜜桃的感官评价、硬度、质量损失率、呼吸强度、抗氧化酶活性等理化指标,在常温贮藏期间每天测定上述指标.结果 用市售保鲜袋包装的水蜜桃在低温下贮藏12 d就会发生严重腐烂变质,失去商业价值,转入常温后,腐烂愈发严重.采用聚乳酸可降解保鲜袋和纳米保鲜袋包装的水蜜桃在贮藏期12 d时的质量损失率分别为2.13％和1.52％,可溶性固形物含量(质量分数)分别为13.43％和13.3％,且无腐烂果实.结论 纳米保鲜袋包装可以减少水蜜桃水分的流失,保持水蜜桃的硬度、口感和风味,增加其抗氧化酶活性,提高其商品价值,有效延长水蜜桃货架期.     

基于遗传算法优化BP神经网络的可食用油墨粘度的预测

目的 通过研究遗传算法优化BP神经网络建立自变量与因变量之间的关系,从而对可食用油墨的粘度进行预测和模拟.方法 在前期关于可食用油墨的研究基础上,以醋酸浓度、壳聚糖用量、酒精用量、研磨速度为自变量,以配制得到的油墨粘度作为因变量,利用正交实验设计实验,运用BP神经网络结合遗传算法对可食用油墨的粘度进行预测和模拟.结果 以正交实验设计得到30组实验数据,利用Matlab 2018a软件中GAOT遗传算法工具箱,经过38次迭代训练,得到收敛精度为10-4的神经网络,粘度的预测值与对应的真实值相对误差介于0.05％～3.7％,拟合度R2值为0.8672,表明该神经网络对可食用油墨的粘度具有较好的预测能力和较高的预测精度.结论 遗传算法优化BP神经网络可以用来预测和模拟可食用油墨的粘度,可以将神经网络拓展到可食用油墨其他性能的评价体系中,从而对可食用油墨的生产和应用提供指导性的建议.     

基于BP和RBF神经网络对静电纺丝工艺参数的优化研究

针对静电纺丝在制备过程中易受到如聚合物含量、电压、推进速度和接收距离等工艺参数影响的问题,提出一种静电纺丝工艺参数的优化方法,以提升纳米纤维制备效率。以聚乳酸纳米纤维膜为研究对象,采用纤维直径为性能评价指标,设计实验获得训练和测试样本,借助BP(Back Propagation)和RBF(Radial Basis Function)神经网络构建不同工艺参数下的预测模型。结果表明：BP和RBF神经网络模型均能较好的对纤维直径进行预测,但RBF神经网络模型预测精度更高,其平均绝对误差(MAE)为12.125 nm,相对误差不超过7%。RBF神经网络建立的预测模型具有更高的稳定性,模型泛化能力更好,综合预测性能更加优越。所建立的模型可以帮助研究人员制备具有确定纤维直径的静电纺丝纳米纤维膜,实现对工艺参数的优化。     

基于 EEMD样本熵与小波神经网络的汽车关门声品质预测

针对传统客观心理学参量在非稳态噪声品质预测中的不足,以汽车关门声为对象,提出一种基于EEMD分解的样本熵表征关门声的信号特征,并结合小波神经网络进行声品质预测。对声样本进行EEMD分解得到IMF分量,计算各IMF分量的样本熵,并构造成特征向量。分别以此特征向量和声品质主观评分值作为输入输出构建小波神经网络预测模型。作为对比,构建了基于该特征向量的BP网络预测模型、基于心理学参量的小波神经网络预测模型和BP网络预测模型。分析结果表明,在关门声品质预测中,EEMD样本熵比客观心理学参数能更好的反映信号的时变非稳态特性,预测效果更好;且小波神经网络较BP网络的预测精度更高,模型训练速度更快。     

基于BP神经网络的地下采场爆破振速预测

为降低矿石开采中爆破振动的危害并达到最佳爆破效果,以河北唐山某矿山地下采场－156 m阶段爆破开采为例,采集了爆破振动监测数据,运用BP神经网络与萨道夫斯基经验公式分别对爆破峰值振速进行预测。结果表明:BP神经网络平均误差为17.22%;萨氏公式平均误差为40.76%。BP神经网络预测地下采场爆破振速是可行的。     

基于神经网络的电弧增材制造铝合金力学性能预测

目的 预测不同工艺参数下电弧增材制造铝合金的力学性能。方法 通过实验建立了电弧增材制造6061铝合金及Ti C增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果 与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R²)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测Ti C增强的6061铝合金抗拉强度最佳结果的R=1,R²高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论 BP、PSO-BP、GA-BP 3种神经网络模型可以用来预测电弧增材制造...     

基于粒子群优化算法和BP神经网络的变频压缩机功率预测

本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。     

V型伸长翻边解析与数值研究

为了预示曲面翻边成形性能,采用有限元仿真、解析计算与人工神经网络的方法对V型零件翻边成形进行了分析.通过建立有限元模型研究了工艺参数对成形性能的影响;基于全量塑性理论及膜应变假定,推导了轴对称情况的解析计算模型;以数值模拟结果作为训练样本,建立了V型翻边成形性能预测的BP神经网络模型.研究结果表明:工艺条件对翻边成形有较大影响,其中以张角的影响最为显著;解析模型计算简便,但是只适用于零件张角较小以及相对翻边高度较小的情况;有限元仿真与人工智能相结合的BP人工神经网络模型可以快速有效地预测翻边成形性.